Pela primeira vez em vários meses, a Anthropic cede a liderança da classificação Text Arena, que avalia em tempo real o desempenho dos modelos de IA em tarefas como matemática, código ou escrita criativa. Gemini 4 Argon, implementado pela Google para os seus subscritores pagos, assume o primeiro lugar à frente do Muse Wonder, revelado pela Meta, enquanto a empresa criadora do Claude consegue mesmo assim colocar seis modelos no top 10.
- Gemini 4 Argon, de Google, prend la tête du classement Text Arena devant Muse Wonder, de Meta.
- La Anthropic place pourtant six modèles dans le top 10 et occupe la plus grande partie du sommet.
- La OpenAI reste en retrait, car GPT-5.6 Sol n’arrive qu’à la 21.ª place.
- Le classement repose sur les votes des internautes, qui choisissent la meilleure réponse entre deux modèles anonymes.
Apresentado no início de outubro e inicialmente reservado a um punhado de atores da cibersegurança, o Gemini 4 Argon parece ter conquistado a comunidade da Arena, um benchmark colaborativo onde os internautas arbitram duelos entre dois modelos anónimos. Concebido para tarefas longas e complexas, em várias etapas, o modelo mais avançado da empresa de Mountain View supera o Muse Wonder, que também reivindica esta especialidade.
Os 20 modelos mais performantes
Atrás da dupla da frente, a Anthropic ocupa a maior parte do topo da tabela. O Claude Opus 5.5 assume o terceiro lugar, à frente do Claude Fable 5, da versão «High» do Claude Opus 4.6, do Claude Fable 5.1, do Claude Opus 4.7 e da versão standard do Claude Opus 4.6. Este último mantém-se nas cinco primeiras posições apesar de ter sido lançado em fevereiro. O Gemini 3.8 Flash e o Muse Spark 1.3 completam o top 10.
A OpenAI, por outro lado, mantém-se em retirada. O seu primeiro modelo, o GPT-5.6 Sol, só aparece na 21.ª posição. Com exceção do Kimi K3, colocado em 18.º pela Moonshot, o top 20 é composto por modelos da Meta, da Google e da Anthropic.
Os melhores modelos por categoria
A Arena também avalia os modelos em tarefas mais específicas, como pesquisa na web, análise de imagens ou análise de documentos. Em pesquisa na web, a versão «xHigh» do GPT-5.6 Sol chega em primeiro lugar, seguida pelo Qwen 3.8 Max e pelo Claude Opus 4.6 Search. Das dez primeiras posições nesta categoria, nove pertencem à Anthropic, que obtém cinco, e à OpenAI, que obtém quatro.
Em análise de imagens, o Claude Fable 5 assume a liderança, à frente do Qwen 3.8 e do Claude Opus 4.6. A Anthropic coloca cinco modelos no top 10. Em análise de documentos, o Claude Opus 5 chega em primeiro lugar, e a Anthropic ocupa as sete primeiras posições. A OpenAI completa o top 10 com o GPT-5.5 em versão standard, o GPT-5.5 «High» e o GPT-5.6 Sol.
Como funciona a classificação
Observado pelos principais atores e observadores da IA, a Arena baseia-se nos votos dos internautas para hierarquizar os modelos. Uma consulta é submetida a dois modelos anonimizados, que produzem cada um uma resposta, e o utilizador designa a mais pertinente. Cada modelo recebe uma pontuação Elo, uma espécie de cotação que varia consoante os seus resultados nestes duelos.
Uma vitória contra um adversário melhor classificado dá pontos, enquanto uma derrota frente a um concorrente pior classificado faz perder pontos. Um modelo na liderança pode continuar a melhorar a sua pontuação, mas a sua progressão torna-se mais lenta.
