Claude Opus 5.5 lidera novo Intelligence Index v5 da Artificial Analysis

A régua mudou e isso é bom pra quem compra IA

A Artificial Analysis, uma das poucas organizações independentes que todo mundo no mercado de IA usa para comparar modelos, trocou a régua de medição. Lançou nesta terça o Intelligence Index v5, a maior atualização desde a versão 4 em janeiro, e o motivo que importa pra fora da bolha de benchmark é simples: ficou muito mais difícil para um laboratório treinar o modelo especificamente para gabaritar o teste.

Prova fechada em vez de prova decorada

Até agora, boa parte dos benchmarks de IA eram públicos: qualquer laboratório podia ver as perguntas, suspeitar delas estarem nos dados de treino e otimizar o modelo para aquele conjunto específico, inflando nota sem ganho real de capacidade. Na v5, 60% do índice passa a rodar sobre conjuntos privados ou respostas retidas, que os laboratórios não veem antes da avaliação. A Artificial Analysis também trocou e somou critérios: entraram o FrontierCode 2.0, da Cognition, focado em programação real de ponta a ponta, e o Terminal Bench Science, voltado a tarefas científicas executadas em terminal.

Quem está no topo agora

Com a régua nova, o Claude Opus 5.5 da Anthropic, operando em esforço máximo, lidera com 58 pontos, à frente do GPT-6 Astra da OpenAI, também em modo máximo, com 57, e do GPT-6.1 Sol, com 55. Anthropic e OpenAI ocupam as cinco primeiras posições do ranking. O Gemini 4 Argon do Google, em modo alto, aparece na sequência com 50 pontos. A diferença entre o primeiro e o segundo colocado é pequena, mas simbólica: mostra que a disputa entre os dois laboratórios continua correndo ponto a ponto, mesmo debaixo de um critério de avaliação muito mais rígido.

A distância entre modelo aberto e fechado dobrou de tamanho

O dado que mais chama atenção para quem acompanha o mercado de código aberto é outro: a diferença entre o melhor modelo de peso aberto e o melhor modelo fechado saltou de 3 pontos na v4 para 12 pontos na v5. O Kimi K3.1 Pro, da Moonshot, lidera entre os modelos abertos com 46 pontos, mas seus pesos ainda não foram publicados. Entre os modelos abertos já disponíveis para download, DeepSeek V4.1 Flash e GLM-5.3 empatam em 32 pontos, 26 pontos atrás do líder geral. Ou seja: o discurso de que código aberto já alcançou o fechado perde força justamente no momento em que a régua ficou mais difícil de gamear.

O preço escondido de subir de nota

A Artificial Analysis também expôs quanto custa buscar nota alta. O Claude Opus 5.5 varia de 35 pontos no modo de esforço baixo até 58 no modo máximo, um salto de desempenho que vem com custo de inferência cerca de dez vezes maior. A mediana de tokens de saída por tarefa subiu de 35 mil para 59 mil entre uma versão e outra, um crescimento puxado principalmente pelas avaliações agênticas: elas pesam 55% da nota final, mas respondem por cerca de 90% dos tokens gerados nos testes. Na prática, ganhar posição no ranking está cada vez mais ligado a deixar o modelo pensar e agir por mais tempo, não só a um salto de arquitetura.

O que isso muda para quem escolhe modelo no dia a dia

Para quem decide qual IA colocar em produção, a leitura prática é dupla. Primeiro, o ranking ficou mais confiável para apostar dinheiro, porque reduz a chance de um modelo parecer bom só porque viu a prova antes. Segundo, comparar nota sem comparar o custo do modo de esforço usado virou armadilha: um modelo pode liderar no esforço máximo e perder a vantagem financeira assim que o esforço é reduzido para caber no orçamento. A Artificial Analysis lançou em paralelo o Progress Index v1, que compara capacidade de modelos lançados desde novembro de 2022 numa escala única, útil para medir evolução histórica, mas o Intelligence Index continua sendo a referência para decisão de uso imediato.