Gemini 3.5 Flash atinge 199 tok/s, GPT-5.4 oferece metade do preço do GPT-5.5

O que mudou esta semana

Gemini 3.5 Flash (Google) agora lidera o gráfico de throughput em 199 tok/s com um índice de qualidade de 50.2 a $3.38/M de tokens. Isso é 2.5x a velocidade de inferência do Claude Sonnet 5 (Anthropic) a 78 tok/s, por 3.2 pontos de qualidade a menos e um preço 15% menor. Para pipelines em lote onde o tempo total de execução (wall-clock time) é dominante, a troca é clara.

GPT-5.4 (OpenAI) é a jogada de valor discreta desta semana. Ele oferece qualidade 51.4 a $5.63/M e 153 tok/s. Comparado ao GPT-5.5 a $11.25/M, qualidade 54.8 e 87 tok/s, o GPT-5.4 custa metade do preço, roda 1.76x mais rápido e abre mão de 3.4 pontos de qualidade. Se o seu pipeline tolera uma linha de base de qualidade 51 — e a maioria das aplicações de geração aumentada por recuperação (RAG) tolera — o GPT-5.4 é a escolha econômica mais forte.

A fronteira de throughput

O GLM 5.2 (Z AI) continua sendo o destaque de código aberto: qualidade 51.1 a $1.05/M e 177 tok/s. Ele supera o Gemini 3.5 Flash tanto em qualidade quanto em preço, ficando atrás apenas por 22 tok/s. Para equipes que precisam de self-hosting ou querem evitar o vendor lock-in, o GLM 5.2 é o modelo para usar como referência.

Onde os modelos de fronteira ainda vencem

Claude Sonnet 5 com qualidade 53.4 e $4/M é o modelo mais barato acima da linha de qualidade 53. Nada na categoria de velocidade se iguala a ele em qualidade bruta. Se a sua carga de trabalho é limitada por qualidade — raciocínio agentic, geração de código complexo, planejamento de múltiplas etapas — a latência de inferência de 78 tok/s é o preço que você paga.

Claude Fable 5 com qualidade 59.9 e $20/M está em uma categoria totalmente diferente. Ele tem 9.7 pontos de qualidade a mais que o Gemini 3.5 Flash a um custo 5.9x maior. Relevante apenas quando a exatidão da saída justifica o gasto.

Leitura prática

Para trabalhos em lote limitados por throughput: Gemini 3.5 Flash ou GLM 5.2. Para trabalhos sensíveis à qualidade abaixo de $6/M: Claude Sonnet 5 ou GPT-5.4. A diferença entre a categoria de velocidade (qualidade 50–51) e a categoria de qualidade (53–54) é estreita o suficiente para que as características da carga de trabalho, e não as pontuações de benchmark, devam guiar a decisão.

O que observar

• Se o preço de $5.63 do GPT-5.4 se mantém ou se a OpenAI o reposiciona contra os $1.05 do GLM 5.2.
• Se o Gemini 3.5 Flash ganhar um aumento de qualidade — a 199 tok/s, mesmo 2 pontos extras reformulariam a categoria intermediária.
• MiniMax M3 a $0.52/M e 104 tok/s — o mais barato da tabela, mas a qualidade 44.4 o limita a classificações e extrações de baixo risco.

Use o LLM Selector para adequar essas trocas à sua carga de trabalho específica, ou Explore o leaderboard completo.