Índice de inteligência v5: por que trocar de régua importa

O índice de inteligência v5 é boa triagem e má autorização de compra. A régua mudou. Em 27 de outubro de 2026, a Artificial Analysis alterou a prova: quem compara uma nota antiga com a nova corre o risco de contratar a diferença entre duas réguas, não entre dois modelos.

Fatos para a decisão

• O índice de inteligência v5 divide a nota em quatro categorias de 25% cada.
• Avaliações com testes privados ou respostas retidas pesam 60% do total.

A régua vale para comparações dentro da mesma versão.

• Uma nota da v4.3 não mede o mesmo conjunto que uma nota da v5.
• A nota agregada é principalmente textual e em inglês; idioma e modalidade são avaliados à parte.

Por que o índice de inteligência v5 muda a compra?

O índice de inteligência v5 exige uma nova comparação de candidatos porque a Artificial Analysis alterou testes e pesos em 27 de outubro de 2026. Uma nota da v4.3 não mede o mesmo conjunto que uma nota da v5. A versão vem antes do ranking.

A troca de método do índice de inteligência v5 é concreta. O anúncio da Artificial Analysis divide a nota entre trabalho de conhecimento, código, ciência e geral, cada categoria com 25%. FrontierCode 2.0 e Terminal-Bench-Science entraram com 15% cada; GDP.pdf caiu de 10% para 5%. GDPval-AA v2.1, SciCode e AA-LCR v1.1 saíram. HLE deu lugar a HLE-Diamond; AA-Omniscience passou à v1.1 e CritPt ao subconjunto difícil privado da v2. Em 27 de outubro de 2026, Claude Opus 5.5 (max) liderava o anúncio com 58 pontos; uma atualização em 28 de outubro atribuiu 59 a Gemini 4 Carbon (high). Nenhum registro comprova a liderança atual. Em 5 de novembro, a metodologia já apresentava a v5.0.1, com correção aprimorada do CritPt v2 e reavaliação dos modelos nesse benchmark. A nota da v5.0 não é necessariamente igual na v5.0.1.

O histórico do ranking de modelos de IA ajuda a distinguir capacidade de medição.

A régua não é a tarefa.

O que os 60% dizem sobre o índice de inteligência v5?

No índice de inteligência v5, 60% é o peso de avaliações com conjuntos de teste privados ou respostas retidas, não a parcela de questões integralmente privadas ou inéditas. O número não prova ausência de contaminação. Nem reprodução integral por um comprador.

A metodologia de inteligência do índice de inteligência v5, na versão v5.0.1, distingue o que o índice cobre do que fica fora da nota. A inspeção tem limites, e o acesso restrito não permite ao comprador reproduzir todos os testes. A metodologia identifica Terminal-Bench-Science como não privado, mesmo com o benchmark presente na composição. Material não acessível restringe a reprodução independente; a etiqueta de teste privado não equivale a auditoria da correção. A nota agregada é principalmente textual e em inglês; a fonte avalia separadamente desempenho multilíngue, visual e de fala. Assim, a avaliação de modelos de IA para uma aplicação brasileira precisa incluir português do Brasil quando a carga exigir esse idioma. Também precisa verificar os tipos de falha aceitos pela operação, pois o resultado público não estabelece, por si, a qualidade de respostas no serviço do comprador.

Qual benchmark mede um trabalho parecido?

No índice de inteligência v5, os benchmarks medem tarefas diferentes mesmo quando entram na mesma média. FrontierCode 2.0 avalia alterações em repositórios de código aberto; Terminal-Bench-Science reúne pesquisa científica em terminal. Cada um pesa 15% na composição; nenhum garante resultado equivalente na carga do comprador.

FrontierCode 2.0 reúne 132 tarefas, com questões privadas e três execuções por tarefa; uma falha em verificação bloqueante zera a tentativa. Terminal-Bench-Science reúne 70 tarefas e não é privado segundo a metodologia. O método de correção de FrontierCode importa. No anúncio de 27 de outubro de 2026, Claude Opus 5.5 (max) alcançou 46% em FrontierCode 2.0 e 59% em Terminal-Bench-Science. DeepSeek V4.1 Flash 1017 (max) marcou 28% e 13%, respectivamente. Os resultados descrevem os testes, não a probabilidade de sucesso de uma aplicação empresarial. FrontierCode interessa a quem altera código; Terminal-Bench-Science, a pesquisadores no terminal. A avaliação de modelos de IA no roteador também exige associar a métrica à tarefa, em vez de transferir uma pontuação geral diretamente para uma política de produção. Para português, voz ou imagem, a nota agregada tem limite claro.

O que a distância revela sobre modelos de pesos abertos?

A diferença de 3 para 12 pontos divulgada pela Artificial Analysis no índice de inteligência v5 compara o líder e o melhor modelo classificado como pesos abertos nas versões v4.3 e v5. Em 27 de outubro de 2026, o candidato da comparação de 12 pontos ainda não tinha pesos liberados.

Em 27 de outubro de 2026, Kimi K3.1 Pro marcou 46 pontos, contra 58 de Claude Opus 5.5 (max), mas não tinha pesos liberados. DeepSeek V4.1 Flash 1017 (max) e GLM-5.3 (max) tinham pesos liberados e marcaram 32 pontos cada: 26 abaixo do líder. Esses valores são históricos. Não descrevem uma classificação atual verificada. A distância de 3 para 12 usa versões com composições diferentes; não prova que a mudança metodológica causou toda a ampliação. Tampouco transforma 26 pontos em taxa de erro, produtividade perdida ou custo de uma falha. Pesos abertos e modelos hospedados apresentam escolhas de operação distintas, mas peso liberado não equivale a licença irrestrita nem comprova custo menor. Antes de excluir um candidato, a equipe precisa verificar licença, disponibilidade, custo total e desempenho na tarefa real, com critérios de aceitação definidos.

Como revisar o roteamento de modelos de IA?

O roteamento de modelos de IA deve mudar depois de uma comparação na mesma base e de uma avaliação própria, não porque uma nota isolada subiu. O registro do índice de inteligência v5 precisa identificar versão e configuração; sem notas comparáveis, cabe avaliação própria controlada.

A política muda quando a comparação usa a mesma base e a avaliação atende aos critérios do serviço que receberá as respostas. Os 25% do índice de inteligência v5 atribuídos a cada categoria refletem a escolha da metodologia, não a distribuição de trabalho da empresa. Misturar versões produz um erro específico. A diferença entre duas notas pode vir da régua, não do modelo, e a troca passa a responder a uma mudança de método. O índice de inteligência v5 oferece sinais públicos sobre as 132 tarefas de FrontierCode 2.0. A política, porém, precisa cobrir latência, tipos de falha e custo total na carga própria, com português do Brasil quando o serviço exigir esse idioma. Se faltarem resultados comparáveis, a ausência fica registrada em vez de ser preenchida por uma nota de outra versão do índice. O Nexforce Router é infraestrutura para roteamento; o índice não demonstra que o produto integre a classificação ou execute os testes automaticamente.

1. Registrar fonte, data, versão, nota e configuração anterior.
2. Comparar candidatos na mesma versão ou na mesma avaliação controlada.
3. Medir qualidade e latência na carga própria, com falhas e critérios de aceitação explícitos.
4. Conferir custo total, disponibilidade e licença antes de decidir.

Fonte: metodologia do Progress Index e seções do artigo. Arte: Nexforce.

Quais são as perguntas frequentes sobre o índice de inteligência v5?

O índice de inteligência v5 serve para organizar uma lista de candidatos, não para validar sozinho uma troca de modelo. Uma nota só autoriza decisão quando versão, configuração e data estão registradas e a carga própria foi medida com critérios definidos.

Quem usa o índice de inteligência v5 numa decisão de compra precisa registrar quatro coisas antes de comparar qualquer nota: a versão do índice, a data do resultado, a configuração do modelo e o teste que gerou o número. Sem esse registro, a comparação mistura réguas e produz uma conclusão que a fonte não sustenta. O passo seguinte é medir a carga própria, com os tipos de falha que a operação aceita e o custo total por tarefa. A nota pública serve para montar a lista de candidatos e para ordenar os testes, não para justificar a troca. Quando falta resultado comparável da mesma versão, a ausência deve ficar registrada, e a decisão passa a depender da avaliação controlada, com critérios de aceitação definidos antes da medição e registrados com a nota de origem.

<!-- FAQPage -->

Uma nota da v4.3 pode ser comparada diretamente com a v5?

Não. A v5 trocou avaliações e pesos, então uma nota da v4.3 e uma nota da v5 medem conjuntos diferentes. Comparar as duas exige registrar versão, data e configuração de cada resultado. Sem esse registro, a diferença entre as notas pode vir da régua, não do modelo.

Os 60% significam que todas as questões são privadas?

Não. Os 60% são o peso de avaliações com conjuntos de teste privados ou respostas retidas no índice de inteligência v5. O número não informa quantas questões são inéditas nem prova ausência de contaminação. A própria metodologia identifica ao menos um benchmark não privado entre os que compõem a nota.

Os 12 pontos representam os melhores pesos já liberados?

Não. Em 27 de outubro de 2026, o modelo que aparecia 12 pontos atrás do líder ainda não tinha pesos liberados. Os modelos com pesos liberados citados no anúncio estavam 26 pontos atrás. A comparação é histórica e não descreve a classificação atual do índice de inteligência v5.

Qual índice trata do progresso ao longo do tempo?

O Progress Index, da mesma organização, estima uma escala comum para comparar modelos ao longo do tempo. O índice de inteligência v5 mede modelos em usos atuais e não forma série direta entre versões. Para decidir roteamento, nenhum dos dois substitui a avaliação controlada da carga própria.

Referências e Leitura Complementar

As quatro páginas primárias da Artificial Analysis sustentam a composição do índice de inteligência v5, os resultados datados de 27 de outubro de 2026 e a diferença entre comparar modelos e acompanhar progresso no tempo. Nenhuma delas traz medição independente.

O anúncio da Artificial Analysis de 27 de outubro de 2026 apresenta a v5.0 e os resultados históricos citados. A atualização de 28 de outubro registra outra liderança, não uma classificação atual. A metodologia de inteligência, consultada até a v5.0.1 de 5 de novembro, lista os testes, os pesos por categoria e os limites de idioma e modalidade, além de registrar a recorreção das notas no CritPt v2. O Progress Index descreve por que notas de versões diferentes não formam série comparável e propõe uma escala comum para análise temporal. Para levar a análise à operação, a leitura sobre custo de IA por tarefa trata do custo por tentativa, que a nota agregada não mede. Cada resultado tem data, e a data muda a leitura de qualquer nota, inclusive de outra nota da mesma versão.

Qual evidência deve autorizar a próxima troca?

A próxima troca de rota precisa de resultados comparáveis e de uma carga própria que atenda aos critérios da empresa. O índice de inteligência v5 orienta a seleção inicial; não decide sozinho a política. Sem notas da mesma versão, cabe uma avaliação controlada.

O registro de versão e configuração do índice de inteligência v5 impede comparar notas da v4.3 e da v5 como resultados da mesma prova. A distinção também vale dentro da família v5: o anúncio de 27 de outubro de 2026 descreve a v5.0, enquanto a metodologia consultada em 5 de novembro já registrava a v5.0.1 e a correção aprimorada do CritPt v2. A nota não é o contrato. Qualidade, latência, custo total, disponibilidade e licença precisam ser examinados na carga própria, com português do Brasil quando necessário. Se o índice não oferecer notas comparáveis, a avaliação própria controlada fornece outra base para comparar candidatos, desde que a equipe defina critérios de aceitação e tipos de falha. Sem resultado suficiente nessa avaliação, não há evidência para justificar a troca. A primeira decisão cabe numa célula de planilha; a segunda precisa caber na operação.