Ok - é por isso que nunca se deve confiar em benchmarks de IA.

Um estudo recente comparou o Opus 4.6 (o último modelo Claude) versus o Opus 4.5 em 165 tarefas diferentes.
A pesquisa aprofundada concluiu que o Opus 4.6 não foi melhor do que o modelo anterior.
Mas o Opus 4.6 fez isso com 50% do custo e 50% do tempo de execução.
Ainda assim, melhorias enormes, apenas tenha cuidado com os títulos de benchmarks.
A melhor maneira de determinar se um modelo é melhor do que as versões anteriores é testá-lo para as suas necessidades específicas.
De qualquer forma, parabéns à equipa da Anthropic por esta redução massiva de custo/tempo de execução.