O modelo que paga é o modelo que responde

Um modelo continua à venda quando a sua melhor execução aqui fica a um item da do fabricante, a chamada de ferramenta é a mesma, o bloco de raciocínio está assinado onde o fabricante assina um, e os tokens de prompt coincidem com os do fabricante ou diferem por causa de contexto próprio da linha, que esta página indica.

Solve all 12 items exactly. You have no tools; reason carefully. Reply with ONLY 12 lines in the form `N: answer` (no words, no units, no thousands separators).
1: Sum of the decimal digits of 2^200.
2: Number of integer partitions of 50.
3: Number of twin prime pairs (p, p+2) with p < 3000.
4: Determinant of the matrix [[3, -1, 4, 2], [1, 5, -9, 2], [6, 5, 3, -5], [8, 9, -7, 9]].
5: Day of the week (English) of 17 March 2031.
6: Length of the longest common subsequence of "AGGTABCXKQTRPLMZNVWY" and "GXTXAYBKQRTPLZMNWVYC".
7: Let f(n) be the number of Collatz steps to reach 1 (n -> n/2 if even, 3n+1 if odd). Let m be the n in 1..199 with the largest f(n) (smallest n on ties). Answer m*1000 + f(m).
8: The permutation at 0-indexed lexicographic position 31337 of the digits 01234567, written as 8 digits.
9: 7^222 mod 1009.
10: How many integers from 1 to 10000 have digit sum 19.
11: Number of derangements of 10 elements.
12: Number of occurrences of the letter r in: "the quick brown fox jumps over the lazy dog while seventeen irritated terriers hurriedly retrieve arbitrary forgotten rubber rings".

Respostas exatas

Uma linha conta quando é igual à resposta esperada. O Claude correu com raciocínio adaptativo. Os outros modelos correram com as definições com que o endpoint arranca, e de novo com um esforço de raciocínio definido onde os dois lados arrancavam de forma diferente.

Tokens de prompt

A utilização que cada endpoint reporta para três prompts fixos. O tokenizador de um modelo decide a contagem, por isso o modelo de outro criador reporta outro número, e uma instrução oculta acrescenta-lhe valor.

Chamada de ferramenta

Um pedido com uma ferramenta de meteorologia que recebe uma cidade e uma unidade. Os argumentos têm de ser os que o modelo do criador devolve.

Raciocínio assinado

A Anthropic assina o bloco de raciocínio de uma resposta do Claude. Todas as respostas do Claude aqui vieram com esse bloco e a respetiva assinatura.

A referência

O Claude foi comparado com a API da Anthropic, chamada com a nossa própria chave. GPT, Gemini e Grok foram comparados com o mesmo modelo através do OpenRouter, um router público.

Quando

Entre 14:10 e 14:46 UTC de 11 de novembro de 2026. Cada chamada foi uma nova conversa, em streaming, e foi enviada para a linha que serve o modelo, antes da contabilização do próprio endpoint.

Claude chamado diretamente

Numa chamada direta à API com raciocínio adaptativo, a linha Claude pensou durante mais tempo do que o endpoint da Anthropic em algumas execuções. Em 8 execuções da bateria, o Claude Opus 5.5 usou aqui entre 2 982 e 31 999 tokens de saída, e entre 2 883 e 7 903 em 5 execuções na Anthropic. Uma resposta do Claude Sonnet 5.5 chegou a 46 822 tokens de saída com um max_tokens de 32 000, e algumas chamadas indicaram mais 724 tokens de prompt do que a Anthropic indica para o mesmo prompt. A linha Claude corta o texto no max_tokens definido por um pedido, pelo que o endpoint não fatura saída do Claude para além desse limite. Dentro dele, a saída e esses tokens de prompt são faturados conforme reportados, por isso uma chamada direta que pensa durante mais tempo custa mais.

Claude através do Claude Code

Enviada pelo Claude Code com esforço médio, a bateria exigiu 1 438 tokens de saída no Claude Opus 5.5 e 1 992 no Claude Fable 5.2, contra 5 564 e 1 578 na Anthropic, com todas as respostas certas dos dois lados.

Esforço de raciocínio

As linhas GPT-6.1 Terra e Gemini 4 Argon partem de um esforço de raciocínio inferior ao do endpoint do fabricante quando o pedido não define nenhum. O GPT-6.1 Terra obteve 11 de 12 dessa forma e 12 com o esforço definido como high. O Gemini 4 Argon obteve 7 e depois 12 com o esforço definido. Defina reasoning_effort no pedido quando a tarefa o exigir.

Limite de saída

As linhas GPT e a linha Grok 4.7 não páram em max_tokens. Quando, mais tarde no mesmo dia, lhes foi pedido um ensaio longo com max_tokens definido como 300, cada uma devolveu o ensaio completo, entre 2 370 e 4 538 tokens de saída, quando os endpoints da OpenAI e da xAI páram no limite. Essas respostas são faturadas tal como entregues, por isso indique a extensão pretendida no prompt. O Claude e o Gemini 4 Argon páram no limite, e o Gemini 4 Argon eleva para 128 qualquer limite inferior a 128 tokens.

Contexto adicionado

Duas linhas colocam tokens próprios antes do prompt, e o endpoint retira-os do consumo que mostra e fatura: 288 no Gemini 4 Argon e 1 200 no Grok 4.7, perto dos 1 247 tokens de prompt que o endpoint da própria xAI reporta para um prompt de duas palavras. As chamadas do Grok 4.7 que reportaram mais foram faturadas pelo restante. A tabela mostra a contagem de cada linha, antes dessa subtração, pelo que o script executado através do endpoint reporta menos tokens de prompt do que o fabricante nestes dois modelos.

Um só dia

Os resultados são de 11 de novembro de 2026. As linhas mudam, por isso a verificação repete-se em todos os modelos à venda na primeira semana de cada mês, antes de um modelo mudar para uma nova linha e antes de um novo modelo ser posto à venda, e um modelo que falhe é retirado da venda no mesmo dia. Esta página mostra a data da sua última execução.

Modelos do mesmo fabricante

Dois modelos fortes do mesmo fabricante podem acertar todos os itens e contar os tokens da mesma forma. A bateria distingue um modelo de um substituto mais fraco e do modelo de outro fabricante. Não consegue distinguir qual de dois modelos que passam deu a resposta.

Doze itens

Uma bateria curta apanha um modelo mais fraco, mas não deteta pequenas diferenças. Uma pontuação de 11 e uma de 12 são o mesmo resultado aqui.

Itens públicos

Os itens e as respetivas respostas estão no script, pelo que um vendedor poderia ajustar uma linha a eles. Altere os números no script para criar uma bateria que ninguém tenha visto.

A referência

Só o Claude foi comparado diretamente com a API do seu fabricante. GPT, Gemini e Grok foram comparados através da OpenRouter, sem uma chave nossa na OpenAI, na Google ou na xAI.

Onde os modelos funcionam

A AIGROW disponibiliza cada modelo através de capacidade que compra a mais do que uma origem, e não as identifica. Definições como o esforço de raciocínio inicial podem diferir das do endpoint do fabricante, como mostra a secção acima.

Sem afiliação

A AIGROW é independente da Anthropic, da OpenAI, da Google e da xAI. Os seus nomes indicam o que o endpoint disponibiliza e não implicam qualquer parceria ou apoio.