Quem pergunta "qual é o melhor modelo de IA agora?" costuma querer um nome só. No fim de outubro de 2026 existem dois nomes, e a resposta depende do que você vai pedir ao modelo. Se a tarefa é conversar, o primeiro lugar é do Google. Se a tarefa é trabalhar, com código, agentes e raciocínio medido, quem lidera é a Anthropic. A tese deste texto é que, para um desenvolvedor, o primeiro lugar da LMArena (abre em nova aba) virou o dado menos útil do placar. O dado que realmente decide a escolha é o custo por tarefa resolvida, e ele quase nunca aparece na manchete.
O topo, com data e margem de erro
Na Text Arena capturada em 22 de outubro de 2026, com 8.946.356 votos e 418 modelos, o primeiro colocado é o Gemini 4 Argon (High), com 1517 ±7 pontos. Logo atrás aparecem Claude Opus 5.5 (High) e Muse Wonder (Max), da Meta, ambos com 1509. O Gemini lidera, mas o intervalo dele encosta no dos dois seguintes: 1510 de piso contra 1516 e 1517 de teto. Na prática, é um empate técnico em que o Google sai na foto. Abaixo do quarto lugar, quatro modelos da Anthropic aparecem com exatamente 1503 pontos.
A OpenAI aparece mais abaixo na preferência por texto. O GPT-5.6 Sol (xHigh) está em 21º, o GPT-6.1 Sol (Max) em 27º e o GPT-6 Astra (Max) em 32º. Isso não quer dizer que esses modelos sejam piores. Quer dizer que, num teste cego de qual resposta a pessoa prefere, eles agradam menos. Agradar e resolver são coisas diferentes, como sabe qualquer pessoa que já recebeu uma resposta muito bem escrita e errada.
Quando o critério muda, o pódio muda
Basta trocar o tipo de prova. Na WebDev Arena, que avalia front-end e fluxos agênticos com uso de ferramentas, o Claude Opus 5.5 (Max) abre 33 pontos sobre o segundo colocado: 1807 contra 1774 do GPT-6 Astra (Max). O Gemini 4 Argon, campeão de conversa, cai para o 11º lugar, com 1674. No ranking de agentes da Arena, o Opus 5.5 (Max) resolve 20,77% das tarefas. O segundo, Claude Sonnet 5.5 (Max), fica em 13,99%, e o Gemini 4 Argon aparece em sexto, com 11,75%.
O Artificial Analysis Intelligence Index (abre em nova aba), que combina avaliações de raciocínio, conhecimento, código e agentes, confirma esse desenho. Na edição v4.3.2, capturada em 26 de outubro segundo uma réplica secundária do placar, o Opus 5.5 (max with fallback) marca 58. Sonnet 5.5 e Muse Wonder Full empatam com 56, o Kimi K3.1 Pro tem 55, e o Gemini 4 Argon divide o quinto lugar com 53. A própria réplica avisa que pontuações de edições anteriores do índice não são comparáveis.
| Modelo | Text Arena (22/out) | WebDev Arena (22/out) | Agentes Arena | AA Index v4.3.2 |
|---|---|---|---|---|
| Gemini 4 Argon (High) | 1º, 1517 | 11º, 1674 | 6º, 11,75% | 53 |
| Claude Opus 5.5 | 2º, 1509 (High) | 1º, 1807 (Max) | 1º, 20,77% (Max) | 58 (max) |
| Muse Wonder (Max/Full) | 3º, 1509 | 6º, 1726 (Full) | 7º, 10,74% (Full) | 56 (Full) |
| GPT-6.1 Sol (Max) | 27º, 1480 | 4º, 1749 | 5º, 13,64% | 52 |
| GPT-6 Astra (Max) | 32º, 1476 | 2º, 1774 | 3º, 13,96% | 53 |
Repare nos parênteses. "High", "Max", "xHigh" e "with fallback" indicam configurações de esforço de raciocínio, e cada placar testa uma configuração diferente. Uma linha da tabela, portanto, não é exatamente o mesmo modelo de uma coluna para outra. Por isso a tabela não deve ser lida como soma de pontos.
O preço por token engana; o preço por tarefa, menos
A Arena exibe o preço de tabela em dólares por milhão de tokens de entrada e saída. O Gemini 4 Argon custa US$ 2 / US$ 10. O Claude Opus 5.5 custa US$ 4 / US$ 20. O Claude Fable 5 e o 5.1 custam US$ 10 / US$ 50. O Gemini 3.8 Flash sai por US$ 0,75 / US$ 3,75, e o DeepSeek-V4.1-Flash, com licença MIT, por US$ 0,15 / US$ 0,60. Até aqui, nada de novo. A metodologia da Artificial Analysis (abre em nova aba) mostra por que esse número conta só metade da história: o custo por tarefa multiplica o preço pelo volume de tokens efetivamente consumido. Nas palavras da empresa, modelos que produzem respostas mais longas ou mais tokens de raciocínio "terão custo por tarefa maior, mesmo com preços por token idênticos".
Com esse critério, o mapa muda. No índice da Artificial Analysis, uma tarefa custa US$ 5,98 no Opus 5.5 (max), US$ 1,62 no Gemini 4 Argon, US$ 0,72 no GPT-6.1 Sol (max) e US$ 0,13 no MiMo-V2.6-Pro, da Xiaomi. A fronteira de Pareto do ranking de agentes da Arena, calculada pela mediana dos últimos 14 dias, conta a mesma história:
- Claude Opus 5.5 (Max): US$ 6,46 por tarefa, 20,77% resolvidas
- Claude Sonnet 5.5 (Max): US$ 4,72 por tarefa, 13,99%
- GPT-6.1 Sol (Max): US$ 0,87 por tarefa, 13,64%
- DeepSeek-V4.1-Flash (Max): US$ 0,19 por tarefa, 4,37%
- MiMo-V2.6-Pro: US$ 0,14 por tarefa, 3,30%
A conclusão prática salta da lista. O Sonnet 5.5 e o GPT-6.1 Sol resolvem praticamente a mesma fração de tarefas de agente, e o modelo da OpenAI custa cerca de um quinto. O Opus 5.5 entrega um salto real de desempenho, mas cobra mais de sete vezes o preço do GPT-6.1 Sol por isso. Vale a pena quando a tarefa errada sai mais cara que o token, como num agente mexendo em produção. Para triagem em volume, é desperdício.
O melhor contraponto: a Arena mede algo que importa
Dá para defender a Arena com honestidade. Ela soma 370 milhões de sessões de pessoas reais, e muito produto de IA é, no fim, conversa com usuário final. Se você está construindo um assistente de atendimento, a preferência humana é exatamente a métrica certa, e o Gemini 4 Argon, com preço de US$ 2 / US$ 10, é uma escolha difícil de contestar.
O problema está no que a Arena não consegue garantir. O líder tem 10.083 votos, enquanto o Claude Opus 4.6 tem 83.454. Vários modelos do topo estão marcados como "Preliminary", ou seja, com pouca amostra para cravar a posição. A margem de ±7 pontos torna as três primeiras posições estatisticamente indistinguíveis. E preferência é um julgamento rápido sobre uma única resposta, não a verificação de que um patch compila. Quando o critério passa a ser o resultado, como no WebDev, nos agentes e no índice composto, o Gemini deixa o pódio.
O que continua em aberto
O SWE-bench (abre em nova aba), referência histórica para código, não ajuda a desempatar. Na tabela Verified obtida, todos os registros são de 17 de fevereiro de 2026. O líder é o Claude 4.5 Opus, com 76,80% de tarefas resolvidas e custo médio de US$ 0,75, e nenhum dos modelos citados acima aparece: nem Opus 5.5, nem Gemini 4, nem GPT-6, nem Muse. Há ainda uma marca para execuções verificadas pela própria equipe do benchmark, mas o trecho não indica quais linhas a recebem. Na prática, o placar de código mais citado da área está oito meses atrasado em relação à geração atual.
Dá para separar a situação em três camadas:
- Demonstrado: Claude Opus 5.5 lidera código, agentes e o índice composto. A liderança do Gemini 4 Argon em texto está dentro da margem de erro.
- Alegação: os preços de tabela e as configurações de esforço vêm dos laboratórios e podem mudar sem aviso.
- Em aberto: os dados aqui vêm de capturas das páginas, não de auditoria independente. O desempenho em outros idiomas e o comportamento na sua base de código não aparecem em nenhum desses placares.
A decisão sensata, então, não é escolher o campeão. É escolher dois ou três finalistas na fronteira de custo e rodar esses modelos contra cinquenta tarefas reais do seu sistema. Os rankings servem para montar essa lista curta. O veredito só sai do teste com os seus próprios dados.