Benchmark (de modelos)

Um benchmark é um conjunto-teste padronizado para comparar a performance de modelos de IA em tarefas específicas. Principais em 2026: MMLU (conhecimento geral), HumanEval/SWE-bench (programação), GSM8K/MATH (matemática), HellaSwag (raciocínio comum), AIME (competições matemáticas avançadas), ARC-AGI (raciocínio abstrato). Cuidado: benchmarks são frequentemente contaminados (modelo treinou nos dados) e não refletem perfeitamente uso real. Cross-checar com casos práticos da tua aplicação.