No ranking da Artificial Analysis consultado a 28 de outubro de 2026, o melhor modelo cujos pesos são descarregáveis obtém 32 pontos, contra 58 do Claude Opus 5.5 da Anthropic. Com a versão 5 do índice, que agrega várias provas, os modelos de pesos abertos perdem todos entre 12 e 16 pontos, embora os próprios modelos não tenham mudado.
Na versão anterior, ainda online alguns dias antes, o MiMo-V2.6-Pro da Xiaomi, o DeepSeek V4.1 Flash e o GLM-5.3 ultrapassavam todos os 44 pontos. A nova versão substitui, de facto, avaliações públicas por conjuntos de questões que os laboratórios não podem consultar.
60 % do índice passa a assentar em testes privados
De acordo com o artigo de apresentação da versão 5, 60 % do índice assentam em avaliações cujos conjuntos de teste são privados ou cujas respostas são mantidas secretas. O índice divide-se em quatro famílias, cada uma com um peso de 25 %: trabalho intelectual, código, ciências e conhecimentos gerais.
A Artificial Analysis cita nomeadamente o FrontierCode 2.0, um banco de ensaio de programação lançado pela Cognition, cujas tarefas « permanecem privadas para evitar a contaminação ». A contaminação refere-se à presença das questões de teste nos dados de treino dos modelos. O índice inclui também 40 questões difíceis do CritPt v2, em física, enquanto o AA-Omniscience v1.1 foi purgado das suas questões públicas. O artigo não detalha a composição exata dos 60 %.
Três provas saem do índice: GDPval-AA, SciCode e AA-LCR. Duas entram: FrontierCode 2.0 e Terminal-Bench-Science, dedicada a tarefas científicas realizadas num terminal. Na sua conta X, a Artificial Analysis já tinha elevado a parte privada para 40 % com a versão 4.2, a 4 de setembro, e anunciou um aumento na versão 5.
Os modelos abertos perdem entre 12 e 16 pontos
Os onze modelos listados na página dos modelos abertos, ainda exibida na versão 4.3.2 a 28 de outubro, perdem todos entre 12 e 16 pontos na versão 5. O Mistral Large 4, cujos pesos ainda não foram publicados, perde 13. O MiMo-V2.6-Pro passa assim de 46 para 30, o DeepSeek V4.1 Flash 1017 (max) de 45 para 32, e o Muse Spark Open (Meta, xhigh) de 39 para 25.
O Kimi K3.1 Pro da Moonshot AI, cujos pesos não são publicados, passa de 55 para 46. Os modelos fechados melhor classificados mantêm-se entre 50 e 58 pontos: Claude Opus 5.5 (58), GPT-6 Astra (57), GPT-6.1 Sol (55), Claude Sonnet 5.5 (54), GPT-6.1 Terra (51) e Gemini 4 Argon (50). A Artificial Analysis não explica a descida dos modelos abertos.
De 3 a 26 pontos de diferença consoante o modelo considerado aberto
A Artificial Analysis resume a versão 5 escrevendo que a diferença dos modelos de pesos abertos « passa de 3 para 12 pontos ». Este cálculo considera o Kimi K3.1 Pro, com 46 pontos, embora os seus pesos « ainda não tenham sido publicados ». No seu artigo de 23 de outubro, o site anunciava que a diferença se reduziria « de 12 pontos para 3 » uma vez publicados esses pesos, mas eles ainda não o estavam a 28 de outubro. A ficha do modelo classifica-o aliás como « Proprietary model ».
Considerando apenas os pesos efetivamente publicados, o DeepSeek V4.1 Flash e o GLM-5.3, com 32 pontos, estão a 26 pontos do Claude Opus 5.5. Antes da mudança de versão, a diferença era de 12 pontos. Com 25 pontos, o Mistral Large 4 junta-se ao Muse Spark Open, e o DeepSeek V4.1 Flash e o GLM-5.3 superam estes dois modelos em 7 pontos.
O ranking indica também o ajuste de esforço de raciocínio de cada modelo. Ajustado em esforço baixo, o Claude Opus 5.5 obtém 35 pontos para um custo médio de 0,98 dólares por tarefa do índice, segundo a Artificial Analysis. Em esforço máximo, a mesma tarefa custa-lhe 10,04 dólares.
O repositório Hugging Face do Mistral Large 4 exibe 31 de outubro de 2026 como data estimada de publicação dos seus pesos, sem ficheiro nem licença até à noite de 28 de outubro. A Mistral escreveu a 6 de outubro que os publicaria « até ao final do mês ». A licença escolhida e a pontuação da versão publicada permanecem desconhecidas.
