BroadRouter

Alternativas ao Artificial Analysis: onde comparar LLMs em 2026

Pela equipe da BroadNet Inference · 7 min de leitura · Publicado em

O Artificial Analysis é a principal fonte independente de velocidade, latência e notas de inteligência de LLMs por provedor de API. Cada alternativa mede outra coisa: a Arena ranqueia preferência humana, Epoch AI e Vals AI publicam resultados de benchmarks, o OpenRouter ranqueia uso, e bancos de preços como o do BroadRouter (site da BroadNet) listam só preços. Use dois lado a lado e depois teste nos seus dados.

O Artificial Analysis costuma ser a primeira parada para comparar APIs de LLM, porque cronometra requisições reais a cada provedor. Mas ele é só um ângulo. Outros sites ranqueiam por votos humanos, por notas de benchmark, por uso ou por preço, e cada um responde a uma pergunta diferente. Este guia mostra o que cada um mede, como mede, que dados você pode levar e quando usar. Cada informação abaixo foi lida nas páginas dos próprios sites em 15 de novembro de 2026.

Antes, um aviso: o BroadRouter é o site da própria BroadNet. Ele direciona desenvolvedores para a BroadNet Inference e publica dados de preço. Não faz benchmark de modelos e aparece nesta lista só por causa dos preços.

No que o Artificial Analysis é bom?

O Artificial Analysis se descreve como “Independent analysis of AI” (tradução: “Análise independente de IA”). A página de metodologia explica três coisas que ele faz e que poucos fazem:

  • Velocidade por endpoint de provedor. A velocidade de saída é “output tokens per second over each request’s full duration” (tradução: “tokens de saída por segundo ao longo de toda a duração de cada requisição”), incluindo tokens de raciocínio, com média “over the workloads we measured in the past 5 days” (tradução: “sobre as cargas que medimos nos últimos 5 dias”). Como um modelo “may have multiple endpoints across different providers” (tradução: “pode ter vários endpoints em provedores diferentes”), dá para ver o mesmo modelo rodando mais rápido num host do que em outro.
  • Latência comparável. Ele reporta o tempo até o primeiro token, o tempo até o primeiro token da resposta (que inclui o raciocínio, para comparar de forma justa modelos com e sem raciocínio) e o tempo de ponta a ponta.
  • Avaliações próprias. O Intelligence Index v5.0.1 combina nove avaliações em quatro grupos de mesmo peso (trabalho de conhecimento, programação, ciências, geral). Várias são benchmarks próprios ou execuções próprias de tarefas de terceiros, com número de repetições declarado.

O ranking de provedores cobre “over 500 AI Model endpoints” (tradução: “mais de 500 endpoints de modelos de IA”) com custo por tarefa, tempo por tarefa, latência até o primeiro token da resposta, taxa de erro, janela de contexto e licença. Os preços são “the current prices listed by providers” (tradução: “os preços atuais listados pelos provedores”), e o preço combinado dele usa uma proporção de 7:2:1 entre tokens com acerto de cache, de entrada e de saída. Refaça essa conta de cabeça se a sua carga é pesada em saída.

Se você precisa de velocidade e taxa de erro medidas por provedor, ele é difícil de substituir. As pessoas procuram alternativas quando querem outro sinal: preferência humana, um domínio específico, dados brutos para baixar ou uma lista de preços com fonte em cada linha.

Quais são as alternativas ao Artificial Analysis?

Site O que mede Método Dados que você pode levar Melhor para
Artificial Analysis Índice de inteligência, velocidade de saída, latência, taxa de erro, preço por endpoint Roda avaliações próprias e requisições cronometradas; janela móvel de 5 dias para velocidade API gratuita, atribuição obrigatória Velocidade e latência por provedor
Arena (antiga LMArena) Preferência humana Dois modelos anônimos respondem, uma pessoa vota, os nomes aparecem depois Datasets abertos de preferência no Hugging Face Como as respostas soam para as pessoas
Epoch AI Benchmarking Hub Notas de benchmark ao longo do tempo Roda alguns benchmarks por conta própria com o Inspect; coleta outros de rankings oficiais CSV e um cliente Python; os dados próprios são CC BY Tendências e notas brutas
Vals AI Precisão por domínio, custo e latência 42 benchmarks, alguns privados ou reservados Não informado na página de benchmarks Jurídico, finanças, tributos e outros domínios
Rankings do OpenRouter Uso Tokens processados pelo OpenRouter, em blocos diários UTC API pública de modelos com preços O que os desenvolvedores realmente usam
Open LLM Leaderboard (Hugging Face) Notas de modelos open-weight Seis benchmarks no harness da Eleuther AI Datasets de resultados e de requisições Comparar checkpoints abertos
Dados de preço do BroadRouter (site da BroadNet) Só preços publicados Lidos na página de preços de cada provedor, com URL, data e citação CSV e JSON, CC BY 4.0 para a compilação Conferir um preço na fonte

Em que a Arena é diferente?

A Arena (lmarena.ai agora redireciona para arena.ai) pede a pessoas reais que comparem duas respostas anônimas e escolham uma. Os nomes dos modelos só aparecem depois do voto. Isso mede preferência, que mistura precisão com tom, tamanho e formatação. O ranking tem quadros separados, entre eles Text, WebDev, Vision, Document e Search, e a visão de Pareto mostra um custo por tarefa. A Arena diz que abriu seus dados de preferência no Hugging Face, o que é útil se você quer estudar os votos em vez de só ler uma posição.

Use a Arena para ver como uma resposta de chat é recebida pelas pessoas. Não use para escolher um provedor de API: ela ranqueia modelos, não hosts, e não diz nada sobre a velocidade de um endpoint específico.

Quando Epoch AI e Vals AI servem melhor?

A Epoch AI mantém um banco de resultados de benchmarks, com 99 benchmarks e 428 modelos acompanhados quando conferimos. Alguns resultados ela roda por conta própria com o framework Inspect; o resto vem de rankings oficiais mantidos pelos criadores dos benchmarks. Dá para baixar os dados em CSV ou usar o cliente Python. Os dados próprios dela podem ser reutilizados livremente com crédito, sob CC BY; resultados de fontes externas mantêm as licenças originais. Escolha a Epoch quando quiser notas brutas ou uma linha de tendência, não um índice único.

A Vals AI roda 42 benchmarks em jurídico, finanças, saúde, programação, matemática e mais, e alguns conjuntos são privados ou reservados, o que reduz o risco de o modelo ter sido treinado no teste. Os rankings dela comparam precisão, custo e latência, e o Inference Provider Index compara provedores em precisão, custo e velocidade. O índice composto, o Vals Index, pondera os setores pela participação deles no PIB dos EUA. Escolha a Vals quando a sua tarefa se parece com um dos domínios dela.

O que os rankings do OpenRouter mostram de fato?

Uso. Cada modelo é ranqueado pelos “tokens it processed through the OpenRouter API” (tradução: “tokens que processou pela API do OpenRouter”), prompt e completion somados, nos últimos um, sete ou trinta dias. A página diz com todas as letras que os rankings “do not rank models by accuracy, reasoning ability, or benchmark performance” (tradução: “não ranqueiam modelos por precisão, capacidade de raciocínio ou desempenho em benchmarks”). Um modelo que escreve respostas longas ou roda em loops longos de agentes sobe na tabela. Leia como um sinal de popularidade e uma lista de modelos que vale testar. O OpenRouter também tem um endpoint público de modelos com preços por modelo, que mostra quanto o OpenRouter cobra, não quanto cada host cobra diretamente.

A Open LLM Leaderboard do Hugging Face ainda vale a pena?

Para checkpoints open-weight, sim, com cuidado. A documentação do Hugging Face diz que a primeira versão foi arquivada em junho de 2024 e substituída. A versão atual avalia modelos em IFEval, BBH, MATH nível 5, GPQA, MuSR e MMLU-Pro no harness de avaliação da Eleuther AI e publica os resultados como datasets. Ela avalia arquivos de modelo, não APIs hospedadas, então não diz nada sobre preço, velocidade ou como um provedor serve o modelo.

Onde comparar modelos para árabe?

Os rankings gerais dizem pouco sobre árabe, e os filtros visíveis da Arena não incluem idioma. Dois Spaces do Hugging Face cobrem parte dessa lacuna:

  • A Open Arabic LLM Leaderboard, mantida pela organização OALL, para texto em árabe.
  • A Open Universal Arabic ASR Leaderboard, descrita como “a benchmark for open-source multi-dialect Arabic ASR models” (tradução: “um benchmark para modelos open source de ASR árabe multidialeto”), para reconhecimento de fala. A BroadNet informa que o modelo Transcribe Arabic dela está em #2 de 37 (dado de setembro de 2026; o ranking ao vivo o listava em #4 de 39 em 15 de novembro de 2026). Esse é um número da BroadNet, e o quadro muda conforme novos modelos entram.

Leia os resultados de fala por dialeto, não só a média. A taxa de erro de palavras do ASR árabe explicada mostra como.

Onde entram os dados de preço do BroadRouter?

O BroadRouter publica três recursos de preço: as páginas de preço de API de LLM por modelo, o índice de preços com medianas e dispersões, e o banco bruto de preços de provedores. Cada linha é lida na página de preços do próprio provedor e guardada com a URL da fonte, a data e uma citação literal, e um script semanal busca as fontes de novo. Nenhum feed de agregador é usado.

O que ele não faz importa tanto quanto:

  • Não mede velocidade, latência, uptime nem qualidade. Para isso, use Artificial Analysis, Arena, Epoch AI ou Vals AI.
  • Traz só preços de terceiros. Os preços da própria BroadNet estão no pricing.json dela e na página de preços.
  • É o site da BroadNet, então trate-o como a compilação de um fornecedor que você pode conferir linha a linha, não como um juiz neutro.

Como combinar esses sites?

  1. Faça a lista curta pela qualidade. Use a Arena para a sensação no chat e a Epoch AI ou a Vals AI para notas de tarefas do seu domínio. Fique com três a cinco modelos.
  2. Confira a velocidade no host que você vai usar. O Artificial Analysis mostra velocidade e latência por endpoint. Latência de LLM explicada mostra qual número importa para o seu app.
  3. Confira o preço na fonte. Use um banco de preços para achar os provedores e depois abra a página de cada um. Fique de olho nos preços de entrada em cache e de saída, que pesam mais na conta do que a entrada em muitas cargas.
  4. Teste nos seus dados. Passe de 50 a 100 entradas reais por cada finalista e dê nota. Um benchmark só prevê os seus resultados na medida em que as tarefas dele se parecem com as suas. Como avaliar um LLM antes de trocar traz o método, e o checklist de 20 pontos para escolher provedor cobre limites, privacidade e suporte.

Onde a BroadNet Inference se encaixa

A BroadNet Inference é uma API compatível com a OpenAI, não um ranking. Ela serve um conjunto pequeno de modelos: DeepSeek V4.1 Flash (hospedado por parceiro), GLM 5.3, Qwen3.8 27B, Gemma 4 VL 26B e dois modelos de speech-to-text. Tool calling e saída estruturada estão documentados só para GLM 5.3 e Qwen3.8 27B. Contas self-service não têm SLA, e não há API batch nem embeddings. Se um desses modelos entrar na sua lista curta, o crédito inicial de $5 cobre o Gemma 4 VL 26B, os dois modelos Transcribe e as chaves por hora do Gemma, então você pode rodar o passo 4 com as suas entradas antes de pagar; DeepSeek, GLM e Qwen exigem recarga. Prompts e respostas não são retidos. Compare os modelos ou crie uma conta.

Perguntas frequentes

Qual é a melhor alternativa ao Artificial Analysis?

Depende do que você quer comparar. Para preferência humana, use a Arena. Para notas de benchmark que dá para baixar, a Epoch AI. Para tarefas de domínio como jurídico, finanças e tributos, a Vals AI. Para ver o que os desenvolvedores realmente usam, os rankings do OpenRouter. Para velocidade medida por provedor, entre esses sites, o próprio Artificial Analysis não tem substituto próximo.

O Artificial Analysis tem API?

Sim. A documentação dele (conferida em 15 de novembro de 2026) descreve uma API gratuita "focused on model benchmarks" (tradução: "focada em benchmarks de modelos"), com chave obtida na Insights Platform. A atribuição a artificialanalysis.ai é obrigatória em todo uso da API gratuita. Uma API comercial com mais dados é oferecida a parceiros.

A Open LLM Leaderboard do Hugging Face ainda é útil?

A primeira versão foi arquivada em junho de 2024, segundo a documentação do Hugging Face. A versão 2 avalia modelos open-weight em seis benchmarks, como IFEval, GPQA e MMLU-Pro, com resultados em datasets públicos. Ela cobre checkpoints open-weight, não APIs hospedadas, e não diz nada sobre preço ou velocidade.

Os rankings do OpenRouter mostram qual é o melhor modelo?

Não. A página de rankings diz que eles contam os tokens processados pelo OpenRouter e "do not rank models by accuracy, reasoning ability, or benchmark performance" (tradução: "não ranqueiam modelos por precisão, capacidade de raciocínio ou desempenho em benchmarks"). Eles mostram popularidade, que modelos prolixos e longos loops de agentes inflam.

O BroadRouter faz benchmark de modelos?

Não. O BroadRouter é o site da própria BroadNet. Ele publica preços lidos nas páginas dos próprios provedores, com fontes e datas, além de medições de tokenizadores. Não mede velocidade, latência nem qualidade de resposta, então não substitui o Artificial Analysis nem um site de benchmarks.

Onde comparar modelos para árabe?

Para texto em árabe, a Open Arabic LLM Leaderboard (OALL) no Hugging Face. Para reconhecimento de fala em árabe, a Open Universal Arabic ASR Leaderboard, que se descreve como um benchmark para modelos open source de ASR árabe multidialeto. Leia as taxas de erro de palavras por dialeto, não só a média.

Ler em MarkdownPerguntar ao ChatGPTPerguntar ao ClaudePerguntar ao Perplexity

Fontes