Por que o harness aparece ao lado do score?

Porque o mesmo modelo em agentes diferentes resolve quantidades diferentes de tarefas. Score sem harness não diz nada, e por isso ele é obrigatório nesta tabela. Vale ler o número como piso: ele foi obtido em tarefas com teste automático, que é o cenário mais favorável.

Assinatura de IDE ou API direta?

São contas diferentes e esta página não as mistura. O cálculo aqui é só de API, por token consumido; assinatura de IDE cobra por pessoa e por mês, com limites próprios. Para a comparação entre os dois modelos de cobrança, veja os artigos relacionados no fim da página.

Programação

Melhor modelo de IA para programação: custo em reais e qualidade

Placar de engenharia de software só significa alguma coisa junto com o harness que rodou o teste. O mesmo modelo, em agentes diferentes, resolve quantidades diferentes de tarefas.

Ranking pelos benchmarks relevantes Solicitar orçamento

Voltar ao comparativo completo

Snapshot de 6 set 2026. Revisado toda semana e a cada lançamento. Metodologia v1.0.

Premissas do perfil de carga

Agente de código em repositório real, com muitas chamadas curtas sobre um prefixo grande em cache. Assinaturas de IDE ficam fora: o cálculo é só de API. A escrita de cache fica fora do cálculo, então o custo de carga com cache alto é um piso.

Estes valores são premissas da X-Apps, propostas a partir de perfis típicos de projeto e ainda não aprovadas. Eles não descrevem nenhum cliente e não foram medidos: são a entrada da conta, e estão aqui para você conferir ou trocar pelos seus.
Premissa	Valor	Origem
Tokens de entrada por interação	20.000tokens por chamadapremissa a aprovar	proposta do agente de contrato em 2026-09-06 a partir de perfis típicos de projeto; sem base em cliente específico; o usuario aprova ou corrige na fase 0 (arquivos abertos, diff e histórico do agente de código)
Tokens de saída por interação	2.000tokens por chamadapremissa a aprovar	proposta do agente de contrato em 2026-09-06 a partir de perfis típicos de projeto; sem base em cliente específico; o usuario aprova ou corrige na fase 0
Fração da entrada servida por cache	0,75fracao da entrada servida por cachepremissa a aprovar	proposta do agente de contrato em 2026-09-06 a partir de perfis típicos de projeto; sem base em cliente específico; o usuario aprova ou corrige na fase 0
Fator de cache	derivado do preço de cache de cada modelorazao cache_leitura / entrada, derivada por modelo em precos.json; 1 quando o modelo não publica preço de cache, ou seja, sem desconto (ver regras_de_custo.fator_cache). Nunca 0.premissa a aprovar	derivada do dataset, não e premissa numerica; regra corrigida na fase 0c: a unidade anterior dizia 'null quando o modelo não tem cache' e o null lido como zero aplicava desconto integral sobre a fracao em cache
Interações por mês, nos três volumes	500, 5.000, 50.000tarefas por mês [pequeno, médio, grande]premissa a aprovar	proposta do agente de contrato em 2026-09-06 a partir de perfis típicos de projeto; sem base em cliente específico; o usuario aprova ou corrige na fase 0
Chamadas ao modelo por tarefa	25chamadas ao modelo por tarefapremissa a aprovar	proposta do agente de contrato em 2026-09-06 a partir de perfis típicos de projeto; sem base em cliente específico; o usuario aprova ou corrige na fase 0

Ranking pelos benchmarks relevantes

Só entram os benchmarks declarados como relevantes para este caso, cada um com o peso que a X-Apps atribuiu. A ordem da tabela segue o benchmark de maior peso, e não somamos escalas diferentes em um índice único: porcentagem de acerto e pontos de arena não podem virar um número só sem inventar metodologia. Quando os intervalos de dois modelos se cruzam, a linha diz empate técnico.

Ordenado por: SWE-bench Verified, entre os 2 modelos com resultado neste benchmark. Modelo sem resultado no benchmark que ordena a tabela aparece depois dos numerados, sem posição e em ordem alfabética: não há critério que produza um lugar para ele. Os pesos são premissa da X-Apps e ainda não foram aprovados.

Modelos avaliados nos benchmarks relevantes deste caso, com o peso declarado de cada benchmark e a fonte de cada valor.
#	Modelo	SWE-bench Verifiedverifiedpeso 0,25medição independente	Terminal-Bench4.0peso 0,20medido por concorrente	SWE-bench Propro (publico)peso 0,15medido por concorrente	DeepSWE1.1peso 0,15medido por concorrente	Arena WebDev (Code Arena)peso 0,15preferência humana	CursorBench3.2peso 0,10medido por concorrente
1	DeepSeek-V4-Proempate técnico	77,64%max, nao declarado na pagina	não medido	não medido	não medido	1.581,68high	não medido
2	Gemini 3.1 Pro Previewempate técnico	75,62%nao-informado, nao declarado na pagina	não medido	54,2%high, nao declarado na pagina	não medido	1.445,52nao-informado	não medido
fora da ordenação	Claude Fable 5	não medido	44,5%max, nao declarado na pagina	não medido	69,9%max	1.629,05nao-informado	não medido
fora da ordenação	Claude Fable 5.1	não medido	55,8%max, nao declarado na pagina	não medido	67,4%max	1.762,25max	não medido
fora da ordenação	Claude Opus 5	não medido	52,6%max, nao declarado na pagina	não medido	73,7%max	1.687,61max	não medido
fora da ordenação	Claude Sonnet 5	não medido	não medido	não medido	não medido	1.536,91high	não medido
fora da ordenação	DeepSeek-V4-Flash	não medido	não medido	não medido	não medido	1.579,64high	não medido
fora da ordenação	Gemini 3.8 Flash	não medido	não medido	não medido	não medido	1.567,23high	não medido
fora da ordenação	GLM-5.3	não medido	não medido	não medido	não medido	1.608,96max	não medido
fora da ordenação	GPT-5.6 Luna	não medido	não medido	não medido	não medido	1.519,49xhigh	não medido
fora da ordenação	GPT-5.6 Sol	não medido	não medido	não medido	não medido	1.617,42xhigh	67,2%nao-informado
fora da ordenação	GPT-5.6 Terra	não medido	não medido	não medido	não medido	1.519,67xhigh	não medido
fora da ordenação	GPT-6 Astra	não medido	não medido	não medido	não medido	1.797,04max	não medido
fora da ordenação	Grok 4.6	não medido	não medido	não medido	não medido	1.624,86high	não medido
fora da ordenação	Kimi K3	não medido	não medido	não medido	não medido	1.674,35max	não medido
fora da ordenação	MiniMax M3	não medido	não medido	não medido	não medido	1.487,3nao-informado	não medido
fora da ordenação	Muse Glimmer-30B	não medido	não medido	não medido	não medido	1.359,56nao-informado	não medido
fora da ordenação	Muse Spark 1.3	não medido	não medido	não medido	não medido	1.622,48xhigh	não medido
fora da ordenação	Qwen3.8-Max	não medido	não medido	não medido	não medido	1.686,07max	não medido

Custo mensal para três volumes

Custo mensal em reais para três volumes, calculado no momento em que a página é montada a partir do preço publicado pelo fabricante e do perfil de carga de cada caso. O perfil de carga é premissa da X-Apps e ainda não foi aprovado: por isso todo valor em reais aparece marcado, com a fórmula, as premissas e a cotação PTAX de venda do Banco Central com data e hora ao lado.

Melhor modelo de IA para programação: custo em reais e qualidade

Custo mensal em reais por modelo e por volume, com a marca de premissa a aprovar em cada valor.
Modelo	volume pequeno	volume médio	volume grande
MiniMax M3provedor minimax	R$ 307,52premissa a aprovar	R$ 3.075,18premissa a aprovar	R$ 30.751,80premissa a aprovar
DeepSeek-V4-Flashprovedor deepseek, tarifa de pico	R$ 323,53premissa a aprovar	R$ 3.235,35premissa a aprovar	R$ 32.353,46premissa a aprovar
Mistral Large 3provedor mistral, sem preço de cache: fator 1	R$ 832,86premissa a aprovar	R$ 8.328,61premissa a aprovar	R$ 83.286,13premissa a aprovar

Fórmula

custo_mensal_usd = interacoes_por_mes x (tokens_entrada_por_interacao x preco_entrada x (1 - proporcao_cache x (1 - fator_cache)) + tokens_saida_por_interacao x preco_saida) / 1000000; custo_mensal_brl = custo_mensal_usd x meta.cotacao.valor; para agentes e código, interacoes_por_mes = tarefas_por_mes x chamadas_por_tarefa Regras assumidas por esta fórmula em regras_de_custo: fator_cache, escrita_de_cache, horario_de_pico e provedor_por_modelo.

MiniMax M3, volume médio: custo_mensal_usd = 125.000 x (20.000 x 0,3 x (1 - 0,75 x (1 - 0,2)) + 2.000 x 1,2) / 1000000; custo_mensal_brl = 600 x 5,1253

Cotação usadaR$ 5,13em 04/09/2026, 13:03:59

Premissas de carga deste caso

Tokens de entrada por interação: 20.000 tokens por chamadapremissa a aprovarproposta do agente de contrato em 2026-09-06 a partir de perfis típicos de projeto; sem base em cliente específico; o usuario aprova ou corrige na fase 0 (arquivos abertos, diff e histórico do agente de código)
Tokens de saída por interação: 2.000 tokens por chamadapremissa a aprovarproposta do agente de contrato em 2026-09-06 a partir de perfis típicos de projeto; sem base em cliente específico; o usuario aprova ou corrige na fase 0
Fração da entrada servida por cache: 0,75 fracao da entrada servida por cachepremissa a aprovarproposta do agente de contrato em 2026-09-06 a partir de perfis típicos de projeto; sem base em cliente específico; o usuario aprova ou corrige na fase 0
Fator de cache: derivado do preço de cache de cada modelo razao cache_leitura / entrada, derivada por modelo em precos.json; 1 quando o modelo não publica preço de cache, ou seja, sem desconto (ver regras_de_custo.fator_cache). Nunca 0.premissa a aprovarderivada do dataset, não e premissa numerica; regra corrigida na fase 0c: a unidade anterior dizia 'null quando o modelo não tem cache' e o null lido como zero aplicava desconto integral sobre a fracao em cache
Volume mensal: 500, 5.000, 50.000 tarefas por mês [pequeno, médio, grande]premissa a aprovarproposta do agente de contrato em 2026-09-06 a partir de perfis típicos de projeto; sem base em cliente específico; o usuario aprova ou corrige na fase 0
Chamadas ao modelo por tarefa: 25 chamadas ao modelo por tarefapremissa a aprovarproposta do agente de contrato em 2026-09-06 a partir de perfis típicos de projeto; sem base em cliente específico; o usuario aprova ou corrige na fase 0

com escrita de cache fora da conta, este valor é um piso

Ver o caso completo Falar com a X-Apps sobre este caso

IOF, spread, tributação de pessoa jurídica e escrita de cache ficam fora do cálculo; com escrita de cache fora, o valor é um piso para carga com muito cache.

Quatro regras que esta conta assume

Fator de cache: fator_cache = cache_leitura / entrada quando precos.json publica cache_leitura, e 1 quando cache_leitura e null, ou seja, sem desconto. Nunca 0: lido como 0, o termo (1 - proporcao_cache x (1 - fator_cache)) aplicaria desconto integral sobre toda a fracao em cache e subestimaria o custo (no caso código, com proporcao de cache de tres quartos, a subestimacao seria de metade do valor). Seis registros vigentes não publicam preço de cache: gemini-3-1-pro-preview e gemini-3-8-flash no provedor google, mistral-large-3, mistral-medium-3-5, mistral-small-4 e qwen3-8-max.
Escrita de cache: Fora do cálculo nesta versão e declarado como tal ao leitor. A escrita de cache custa 1,25x a entrada na janela de cinco minutos e 2x na de uma hora nos registros da Anthropic, e 1,25x nos da OpenAI; a taxa de reescrita do prefixo depende do padrão de uso, que o dataset não mede e que nenhuma fonte publica. Consequencia declarada: em carga com muito cache o custo publicado e um piso, não uma estimativa central.
Horário de pico: Modelo com horario_de_pico em precos.json entra na coluna de custo pela tarifa de PICO, que e a tarifa de referência da própria página (a DeepSeek apresenta o fora de pico como desconto de metade), e o fora de pico aparece como nota. Vale para deepseek-v4-pro e deepseek-v4-flash: pico das 01:00 as 04:00 e das 06:00 as 10:00 UTC, de segunda a sexta, 35 das 168 horas da semana, faixa que cobre o inicio do horario comercial brasileiro.
Provedor por modelo: Quando um modelo tem mais de um registro vigente em precos.json, a coluna de custo usa o registro nomeado aqui. muse-spark-1-3: provedor meta (Standard). O tier meta-contributor, doze vezes e meia mais barato, fica FORA da coluna de custo porque e o tier em que prompts e respostas do cliente treinam modelos da Meta; ele aparece so na secao de preços, com a pilula de treino de dados. gemini-3-1-pro-preview e gemini-3-8-flash: provedor google (os dois registros vigentes tem a mesma entrada e a mesma saida, então a escolha não muda o valor).
Fora do cálculo: IOF, spread bancario, tributacao de pessoa juridica, marketplace de nuvem, Batch, modo rápido, escrita de cache e custo de ferramentas ou de infraestrutura.

Veredito

O que esta página ainda não mede

harness usado em cada score, que precisa aparecer ao lado do número
tokenizador e custo real por linha de código de cada fabricante
contexto útil em repositório grande, sem medição independente nesta versão

Perguntas frequentes

Depende do tipo de tarefa e do agente usado. Esta página cruza benchmarks de engenharia de software com o harness declarado ao lado de cada score, e publica o custo mensal em reais de um agente de código para três volumes, com a fórmula e as premissas de carga visíveis. As premissas são propostas da X-Apps e ainda não foram aprovadas, então cada valor em reais aparece marcado como premissa.

Quer este caso rodando na sua operação?

A X-Apps desenha, opera e governa soluções com estes modelos. Fale com a equipe.

Falar com a X-Apps sobre este caso Solicitar orçamento

Melhor modelo de IA para programação: custo em reais e qualidade

Premissas do perfil de carga

Ranking pelos benchmarks relevantes

Custo mensal para três volumes

Melhor modelo de IA para programação: custo em reais e qualidade

Veredito

O que esta página ainda não mede

Perguntas frequentes

Leia também

Como avaliar um fornecedor de IA sem confiar no número que ele mostra

Qual IA usar para criar protótipos de software em 2026?

Claude Opus 5: custo e qualidade em cada nível de esforço

Quer este caso rodando na sua operação?