Pesquisa
Os melhores laboratórios de IA do mundo em 2026, placar por placar, e onde o Brasil está
OpenAI, Anthropic e Google lideram entre os laboratórios de modelo, com Z.ai, Moonshot, DeepSeek e Alibaba vindo da China. A Rogue, do Brasil, tem a maior nota publicada em dois testes de agentes e fica acima do placar público no terceiro.
Três testes públicos medem agentes que trabalham sozinhos em tarefas longas de software e de ciência: Terminal-Bench 4.0, Terminal-Bench-Science 0.1 e DeepSWE v1.1. Reunimos o melhor resultado de cada laboratório em cada um, com a fonte de cada número.
A tabela
| Laboratório | País | Terminal-Bench 4.0 | TB-Science 0.1 | DeepSWE v1.1 |
|---|---|---|---|---|
| Rogue | Brasil | 71,21%Rogue Constellation | 71,43%Rogue Constellation | 75,22%Rogue DeepThink Preview |
| OpenAI | EUA | 57,9%GPT-6 Astra | 63,3%GPT-6 Astra | 74,12%GPT-6 Astra |
| EUA | 57,4%Gemini 4 Argon | 57,6%Gemini 4 Argon | 73,83%Gemini 3.8 Flash | |
| Anthropic | EUA | 66,4%Claude Opus 5.5 | 61,9%Claude Opus 5.5 | 73,65%Claude Opus 5 |
| Z.ai | China | sem resultado | sem resultado | 68,96%GLM 5.3 |
| Moonshot AI | China | sem resultado | sem resultado | 68,51%Kimi K3 |
| xAI | EUA | sem resultado | sem resultado | 66,74%Grok 4.6 |
| DeepSeek | China | sem resultado | sem resultado | 62,83%DeepSeek V4 Pro |
| Alibaba | China | sem resultado | sem resultado | 57,46%Qwen 3.8 Max |
| Meta | EUA | sem resultado | sem resultado | 55%Muse Spark 1.2 |
Quem lidera
Entre os laboratórios que treinam os modelos, a OpenAI lidera o placar público do DeepSWE com 74,12% do GPT-6 Astra. A Anthropic tem 66,4% do Claude Opus 5.5 no Terminal-Bench 4.0, e o Google fica perto dos dois, com 73,83% do Gemini 3.8 Flash no DeepSWE.
Os laboratórios chineses vêm em seguida. GLM 5.3 (Z.ai), Kimi K3 (Moonshot AI), DeepSeek V4 e Qwen 3.8 (Alibaba) ficam entre 57% e 69% no DeepSWE, perto do Grok, da xAI. O Muse Spark 1.2, da Meta, aparece no placar com 55%.
O resultado do Brasil
A Rogue tem a maior nota publicada no Terminal-Bench 4.0 e no Terminal-Bench-Science 0.1, e fica acima do placar público do DeepSWE v1.1. No Terminal-Bench 4.0, o Rogue Constellation fez 71,21%, à frente do Claude Opus 5.5 (66,4%) e do GPT-6 Astra (57,9%). No Terminal-Bench-Science 0.1, fez 71,43%, contra 63,3% do GPT-6 Astra. No DeepSWE v1.1, o Rogue DeepThink Preview fez 75,22%, à frente do GPT-6 Astra (74,12%).
O resultado não vem de um modelo maior. A Rogue constrói sistemas sobre os modelos de fronteira. O DeepThink parte do GLM 5.3, que sozinho faz 68,96% no DeepSWE e é o 5º laboratório da tabela; com o DeepThink, o mesmo modelo chega a 75,22% e passa ao 1º lugar. O Constellation, nosso agente de programação mais avançado, orquestra os melhores modelos de fronteira.
É isso que põe o Brasil na mesma tabela: pesquisa sobre como tirar mais dos modelos que existem, medida nos placares que os próprios laboratórios usam.
