Ranking de modelos de IA resetou: o que muda na escolha

O ranking de modelos de IA resetou de uma vez: um re-base metodológico do principal índice de inteligência artificial, publicado em 2026-09-04, reescalonou todos os scores. O topo caiu de 63 para 57, oito dos dez primeiros saíram do grupo e nenhum número da versão anterior compara com número da nova. A escolha de modelo recomeça.

O 63 que abria a tabela era do Claude Opus 5 max, na leitura de 2026-08-17. O 57 que abre agora é do Claude Fable 5.1 max com fallback, leitura de 2026-09-07, medição da Artificial Analysis. O placar inteiro andou. Entre os dois números existe um re-base: ele troca a régua sem pedir licença, e todo placar salvo em apresentação, planilha ou política fica sem base de comparação.

Para o comprador, o reset não é curiosidade de laboratório: é uma ordem de redecisão. A régua que orientava a escolha virou outra, e a pergunta volta a ser "qual rota atende cada tarefa agora". É o trabalho que o pilar do router de modelos acompanha desde o primeiro texto.

Principais achados

Seis achados resumem o re-base v4.2 da Artificial Analysis, publicado em 2026-09-04 e medido na leitura de 2026-09-07: o topo do índice caiu de 63 para 57, oito dos dez primeiros saíram do top 10, oito laboratórios estão acima de 50, o conjunto de avaliações passou a 10 e os preços andaram nos dois sentidos no mesmo período.

Cada linha abaixo é citável como está, com fonte e data.

1. O topo do índice de inteligência artificial caiu de 63 para 57: Claude Opus 5 max marcou 63 na leitura de 2026-08-17 e Claude Fable 5.1 max com fallback marca 57 na leitura de 2026-09-07 (medição da Artificial Analysis).
2. 8 dos 10 antigos primeiros colocados saíram do top 10 no re-base v4.2 de 2026-09-04.
3. Claude Opus 5 max caiu de #1 para #6, de 63 para 54; GPT-5.6 Sol max saiu do top 10, de 61 para 51; Qwen3.8 Max foi de 58 para 47.

Nenhuma dessas linhas afirma que um modelo ficou pior. Afirma que a régua mudou embaixo de todos, e o deslocamento entre as duas leituras mede o tamanho do serviço que o re-base entregou na mesa de quem decide.

1. Na leitura de 2026-09-07, 8 laboratórios estão acima de 50: Anthropic, OpenAI, Moonshot AI, Meta, Google, DeepSeek, SpaceXAI e Alibaba.
2. O conjunto de avaliações passou a 10: entraram GDP.pdf (Surge AI), CritPt, SciCode e AA-Omniscience, e o antigo Long Context Reasoning virou AA-LCR v1.1.
3. Os preços andaram nos dois sentidos no mesmo período: a saída do GPT-5.6 Sol max ficou 33% mais barata e a do DeepSeek V4 Flash 0731 max, 371% mais cara, da leitura de 2026-08-17 para a leitura de 2026-09-07.

A régua é o achado.

O conjunto passou a 10 na v4.2, e o resto é consequência: outro conjunto, outro score, outra posição no placar. Comparar placares de versões diferentes é o erro mais caro da semana.

Quem entrou e quem saiu do ranking de modelos de IA?

O top 10 do re-base v4.2 se reorganizou de cima a baixo: 8 dos 10 antigos primeiros colocados saíram, e entraram Claude Fable 5.1 em #1, #2 e #4, GPT-6 Astra em #3, #5 e #8 e Muse Spark 1.3, da Meta, em #10. Grok 4.6 caiu de #6 para #17 e Kimi K3, de #7 para #18.

Quem saiu, saiu por reescalonamento. Nenhuma medição de produção disse que o trabalho desses modelos piorou; a régua anterior inteira foi reescalonada para dentro da v4.2. A tabela organiza o movimento.

Medição da Artificial Analysis: a coluna "depois" é a v4.2, re-base de 2026-09-04, na leitura de 2026-09-07; a coluna "antes" é a régua anterior, topo datado na leitura de 2026-08-17.

Fica a geografia: 8 laboratórios acima de 50 na leitura de 2026-09-07 é fronteira comprimida, com nomes novos no topo. Placar comprimido não decide rota sozinho, e a leitura de quando o modelo pequeno chega perto do líder já cobria esse aperto.

Como o re-base do índice funciona?

Um re-base troca a metodologia do índice de inteligência artificial e reescala todos os scores publicados para a nova régua. Na v4.2, re-base de 2026-09-04, o conjunto passou a 10 avaliações e todo número publicado foi reescalonado de uma vez. Por isso score de versão anterior e score da v4.2 não se comparam: não medem a mesma coisa.

Scores são relativos à régua que os produziu. Quando conjunto e metodologia mudam, os números perdem o denominador comum, e a Artificial Analysis reescala tudo para dentro da nova versão. Dentro de uma versão, comparação vale. Entre versões, não.

Toda cifra de índice citada nesta peça é medição de terceiro, publicada pela Artificial Analysis no artigo do re-base v4.2 em versão datada, e nenhum score aqui é desempenho de produção verificado. A v4.2 é diferente. A verificação que substitui a confiança no placar é o re-teste com tráfego próprio, no procedimento adiante.

Para a política que consome placar, score sem versão é número solto. Exigir a versão junto de cada score que entra numa regra é trabalho de middleware de roteamento em escala, não de memória de analista.

O que acontece com as comparações salvas?

Toda comparação salva entre scores de versões distintas perdeu a base no re-base de 2026-09-04: relatório de seleção, apresentação para o board e política de rota escrita sobre score antigo agora misturam duas réguas no mesmo documento. O número não estragou; a comparação entre versões é que deixou de existir.

O modo de falha tem nome: régua dupla. O relatório compara o 61 de uma leitura antiga com o 51 da leitura de 2026-09-07 e conclui que o modelo envelheceu. Nenhuma medição disse isso. Um número lido na régua errada não é um número ruim: é um número que não existe.

O que sobrevive depois do re-base de 2026-09-04 é a comparação interna à versão, porque dentro da leitura de 2026-09-07 os números conversam entre si e fora dela a comparação some. E o dano é menor para quem já decidia por custo antes de score, o terreno do benchmark de LLMs para CFOs. A régua que não oscila é a do custo por tarefa.

Reescrever limiar de rota na régua vigente, com re-teste e registro, é governança de política de modelo: quem já a tem no gateway gasta uma tarde; quem improvisa na planilha gasta um trimestre.

Os preços acompanharam o placar?

Não houve direção única: entre a leitura de 2026-08-17 e a leitura de 2026-09-07, a saída do GPT-5.6 Sol max ficou 33% mais barata e a do DeepSeek V4 Flash 0731 max, 371% mais cara. Preço e placar são réguas diferentes, e a decisão de rota consome as duas, cada uma com sua leitura datada.

Os dois movimentos moram no mesmo intervalo.

USD por milhão de tokens: cada coluna ancorada à sua leitura, 2026-08-17 e 2026-09-07. Fonte: Artificial Analysis.

Preço também é placar.

Não há leitura que conecte causalmente preço e score, e a peça não inventa uma: são régua e etiqueta, cada uma com sua data. O que o comprador faz com isso é regra antiga da casa do colapso do preço do token: custo de rota se recalcula por tarefa, nunca se herda do mês passado.

O que entra no placar agora?

O conjunto de avaliações do índice passou a 10. Entram GDP.pdf (Surge AI), CritPt, SciCode e AA-Omniscience; o antigo Long Context Reasoning vira AA-LCR v1.1; e a MLCR-AA, construída com a Wisedocs, estreou fora do conjunto. O placar mudou porque a definição de inteligência artificial medida pelo índice mudou.

A média mental do time de "qual é o modelo mais inteligente" foi calculada sobre o conjunto antigo. A lista da v4.2, com o método completo, está no artigo do re-base da Artificial Analysis. O conjunto dura; as leituras passam. Quem documenta a versão do conjunto junto do número dorme melhor.

Como redecidir a rota quando o placar inteiro reseta?

A redecisão tem quatro passos: re-testar com tráfego próprio, redecidir a rota por tarefa, reescrever a política com fallback e teto de gasto e auditar o resultado. O placar orienta, não decide: a verificação é o re-teste com tráfego próprio, um prompt em vários modelos.

A velha pergunta de como escolher modelo de IA muda de forma quando a régua reseta. Escolhe-se rota, não campeão. O procedimento cabe em uma reunião e vale para a próxima régua também. O detalhe de avaliar endpoint e política de roteamento antes de fechar cada rota já tem peça própria no blog.

Passo 1: re-teste com tráfego próprio. O placar é medição de terceiro em versão datada; a carga da casa é a medição que decide. O teste paralelo de um prompt em vários modelos do Nexforce Router dá a leitura que o placar não dá.

Passo 2: redecisão por tarefa. Cada rota responde ao que a tarefa pede em custo por resultado, desempenho na tarefa e contexto, porque o score geral não escolhe rota.

Passo 3: política com fallback e teto de gasto. Regras de rota por chave, failover automático quando o caminho falha e teto de gasto por chave ou projeto, para a redecisão não virar fatura aberta.

Passo 4: auditoria do resultado. Rastro de cada chamada e observabilidade central: a decisão fica registrada, e a próxima régua começa com histórico, não com memória.

Latência entra como critério de rota, não como elogio: quando o pedido tem prazo, é o gateway que escolhe o caminho que atende o prazo.

É exatamente esse o trabalho do Nexforce Router, gateway e roteamento da casa: smart routing por custo, desempenho e contexto, ranking de modelos em tempo real por desempenho e preço, failover automático e fallback configurável, regras de rota por chave, teto de gasto por chave ou projeto, rastro de auditoria de cada chamada, observabilidade central e troca de modelo sem reintegração.

Perguntas frequentes

Quatro perguntas cobrem o essencial do re-base para quem decide rota: o que se compara entre versões, o que o reset diz sobre qualidade, como preço entra na redecisão e o que fazer na próxima régua. As respostas valem para qualquer versão do índice, incluindo a v4.2.

Posso comparar o score de hoje com o score que salvei em agosto?

Não. O 63 do topo, na leitura de 2026-08-17, e o 57, na leitura de 2026-09-07, saíram de réguas diferentes e por isso score de versões distintas não se compara em relatório, planilha ou política. Comparação válida é a que acontece dentro de uma mesma versão do índice, com a versão registrada junto do número.

O re-base diz que os modelos ficaram piores?

Não. O re-base de 2026-09-04 mudou a metodologia e reescalonou todos os scores; nenhuma leitura afirma piora ou melhora. A v4.2 é diferente. A verificação que substitui a confiança no placar é o re-teste com tráfego próprio, em que o Nexforce Router da casa roda um prompt em vários modelos.

O preço acompanha o score?

Não, e o período do re-base provou nos dois sentidos: a saída do GPT-5.6 Sol max caiu de 30,00 (leitura de 2026-08-17) para 20,00 USD (leitura de 2026-09-07), 33% mais barata, e a do DeepSeek V4 Flash 0731 max subiu de 0,28 (leitura de 2026-08-17) para 1,32 USD (leitura de 2026-09-07), 371% mais cara.

Com que frequência o placar reseta de novo?

Leituras do índice saem em datas próprias, 2026-08-17 e 2026-09-07, e re-base, que troca a régua, acontece quando a metodologia muda, em 2026-09-04, então a defesa não é prever a data, e sim registrar versão e leitura junto de cada score e manter a política de rota pronta para redecidir sem reintegração.

<!-- As perguntas acima alimentam o schema FAQPage da página. -->

Referências e Leitura Complementar

Os números desta peça vêm de uma fonte primária datada, o artigo do re-base v4.2 da Artificial Analysis publicado em 2026-09-04 com leitura de 2026-09-07, e as peças internas abaixo complementam o procedimento.

Uma fonte primária, quatro complementos.

Fonte primária: Artificial Analysis, Intelligence Index v4.2, o artigo do re-base de 2026-09-04, leitura de 2026-09-07.

A régua estável, para avaliar do zero, está no benchmark de LLMs para CFOs.

A dinâmica de preço tem peça própria no colapso do preço do token.

O mecanismo de execução, de endpoint a regra de rota, está na avaliação de endpoint e política de roteamento.

E a compressão da fronteira aparece quando o modelo pequeno aproxima o líder.

A versão do índice faz parte do número

A instrução de citação é uma só e nenhum score viaja sem versão e leitura, porque 63 sozinho não significa nada e 63 na leitura de 2026-08-17 significa. A cadência de atualização segue a do índice. Leituras novas reabrem a comparação dentro da versão. O próximo re-base reinicia o procedimento do zero.

O trabalho da semana é registrar versão e leitura junto de cada score que entra em documento, planilha ou política. O desconto chega no dia em que a régua mudar de novo: quem sabe qual régua produziu cada número redecide em uma tarde, e quem mistura versões recomeça do zero.

E quando a próxima régua chegar, o middleware que troca modelo sem reintegração é a diferença entre ajustar política e refazer integração.

O placar vai resetar de novo: é o único compromisso que um índice de inteligência artificial assina. Entre um reset e outro, o trabalho é o desta peça, régua anotada, rota retestada, custo por tarefa. O placar orienta. A rota decide.