> For the complete documentation index, see [llms.txt](https://docs.skydeck.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.skydeck.ai/pt/ai-documentations/llm-evaluation-report.md).

# Relatório de Avaliação de LLM

| Modelo                        | Data       | Tempo Total de Resposta (s) | Testes Aprovados | Média CodeBLEU (0-1) | Média de Pontuação de Utilidade (0-4) | Média de Pontuação de Correção Funcional (0-4) |
| ----------------------------- | ---------- | --------------------------: | ---------------: | -------------------: | ------------------------------------: | ---------------------------------------------: |
| gpt-5.4                       | 2026-03-18 |                     371.302 |              151 |              0.30016 |                               3.85976 |                                        3.88415 |
| gpt-5                         | 2026-03-18 |                     3307.15 |              160 |             0.312013 |                               3.71951 |                                        3.82927 |
| gpt-5-mini                    | 2026-03-18 |                     2223.12 |              161 |             0.305418 |                               3.79268 |                                        3.93293 |
| claude-opus-4-6               | 2026-03-18 |                     630.643 |              164 |              0.38829 |                               3.87195 |                                        3.90854 |
| claude-sonnet-4-6             | 2026-03-18 |                      604.89 |              161 |             0.379059 |                               3.85366 |                                        3.90854 |
| claude-opus-4-1               | 2026-03-18 |                     635.166 |              157 |             0.349491 |                               3.85366 |                                        3.92683 |
| claude-sonnet-4-5             | 2026-03-18 |                      546.74 |              162 |             0.331766 |                               3.89024 |                                        3.95732 |
| claude-haiku-4-5              | 2026-03-18 |                     280.497 |              154 |             0.317284 |                               3.84756 |                                        3.92073 |
| gemini-3.1-pro-preview        | 2026-03-18 |                     3339.78 |              162 |             0.395161 |                               3.73171 |                                        3.82317 |
| gemini-3.1-flash-lite-preview | 2026-03-18 |                     176.493 |              148 |             0.370935 |                               3.77439 |                                        3.87805 |
| gemini-3-flash-preview        | 2026-03-18 |                     2146.97 |              142 |             0.395257 |                               3.59146 |                                        3.60366 |
| gemini-2.5-pro                | 2026-03-18 |                     2788.94 |              118 |             0.373488 |                                3.2561 |                                        3.38415 |
| gemini-2.5-flash              | 2026-03-18 |                     952.543 |              148 |             0.338621 |                                3.7439 |                                        3.83537 |

**Tempo Total de Resposta (s):** O tempo total levado pelo modelo para gerar todas as saídas.

**Testes aprovados:** O número de testes unitários que o modelo passou durante a avaliação, de um total de 164 testes.

**Média** [**CodeBLEU**](https://arxiv.org/abs/2009.10297)**:** Pontuação média de CodeBLEU, uma métrica para avaliar a qualidade da geração de código com base na correção sintática e semântica.

**Média** [**Pontuação de Utilidade**](https://arxiv.org/abs/2304.14317)**:** Avaliação média da utilidade da saída do modelo, conforme avaliado por um modelo LLM.

* **0:** O trecho não é útil de forma alguma, é irrelevante para o problema.
* **1:** O trecho é ligeiramente útil, contém informações relevantes para o problema, mas é mais fácil escrever a solução do zero.
* **2:** O trecho é um pouco útil, requer mudanças significativas (comparado ao tamanho do trecho), mas ainda é útil.
* **3:** O trecho é útil, mas precisa ser ligeiramente alterado para resolver o problema.
* **4:** O trecho é muito útil, resolve o problema.

**Média** [**Pontuação de Correção Funcional**](https://arxiv.org/abs/2304.14317)**:** Pontuação média da correção funcional das saídas do modelo, avaliando quão bem as saídas atendem aos requisitos funcionais, avaliadas por um modelo LLM.

* **0 (falhando todos os testes possíveis):** O trecho de código é totalmente incorreto e sem sentido.
* **4 (passando todos os testes possíveis):** O trecho de código é totalmente correto e pode lidar com todos os casos.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.skydeck.ai/pt/ai-documentations/llm-evaluation-report.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.