GPT-5, Claude Opus 4, Gemini 2.5 Pro: um head-to-head em 2026

O frontier se move tão rápido que posts de benchmark normalmente já estão desatualizados quando saem. Ainda assim — aqui estamos, quatro meses dentro de 2026, e três coisas ficaram óbvias se você realmente usa esses modelos o dia todo em vez de ler sobre eles.

O resultado do título

Claude Opus 4 é o melhor generalista se você mede por “com que frequência a resposta exigiu zero follow-up”. GPT-5 é o melhor quando você precisa que ele siga uma instrução complicada sem perder o fio três parágrafos depois. Gemini 2.5 Pro é o melhor quando o prompt inclui um PDF de 200 páginas e você precisa que ele realmente leia em vez de só passar os olhos.

Rodamos 18 prompts representativos nos três. As tarefas se dividiram em quatro baldes:

• Raciocínio e matemática — Project Euler 600s, questões de estatística aplicada, dois problemas abertos da AIME.
• Code review — diffs de 200 linhas em Go, um hook React deliberadamente quebrado, duas queries SQL com bugs sutis de correção.
• Escrita — texto de página de vendas, um outline de ensaio de 1.200 palavras, um rascunho de post técnico.
• Long-context — transcrições de 80k tokens, síntese de múltiplos PDFs, uma tarefa de retrieval em 12 documentos-fonte.

Onde cada modelo realmente vence

Claude Opus 4 dominou o code review por uma margem maior que esperávamos. Ele pega as coisas sutis — off-by-one em uma window function de SQL, um useEffect capturando uma variável obsoleta no closure — onde os outros dois fazem pattern matching para “parece ok”. O extended thinking adicionou outro degrau só nos problemas mais difíceis; para review do dia a dia, o Opus puro já estava lá.

GPT-5 venceu em seguir instruções multi-step. Demos a cada modelo um prompt com onze requisitos explícitos (formatação, tom, tamanho, frases específicas para incluir, coisas para excluir). GPT-5 acertou dez de onze na primeira tentativa. Claude acertou oito. Gemini acertou sete. Se seu prompt é uma spec estruturada, GPT-5 ainda é a escolha mais segura.

Gemini 2.5 Pro venceu long-context decisivamente. A janela de 2M de tokens não é truque de palco — ele realmente usa o que você dá. Em uma tarefa de síntese de 12 PDFs, o Gemini referenciou corretamente os documentos três a onze; os outros citaram principalmente o documento um. O multimodal nativo também importa mais que os benchmarks deixam transparecer: parsear screenshots inline economiza um round-trip.

O que isso significa para o uso diário

Aqui está a parte que os posts de benchmark pulam: na prática, você troca. Abre o chat no Opus porque é o melhor em code review. Percebe que a pergunta de hoje é uma spec estruturada. Troca para GPT-5 no meio da conversa. O próximo turno envolve um PDF — troca para Gemini, faz a pergunta, troca de volta.

Esse é exatamente o workflow para o qual o Any AI Studio foi feito. Os recursos de branch e comparação lado a lado significam que você não precisa escolher de antemão. Mande o prompt para dois modelos simultaneamente, fique com a melhor resposta, ramifique a perdedora para um re-prompt.

Ressalvas

Esses resultados valeram em maio de 2026. O próximo update trimestral provavelmente vai virar pelo menos uma categoria. Vamos rodar a suite de novo quando o GPT-5.1 sair (rumor diz fim do verão) e publicar uma atualização.

Também: custo importa. Opus é o mais caro dos três por custo por token. Se você paga por API, GPT-5 acaba mais barato para qualidade similar na maioria das tarefas não-código. Não repassamos custo por token para usuários de assinatura no Pro, então isso é só uma nota de rodapé interessante — mas vale mencionar se você compara o pricing direto do provedor.

TL;DR

Use Opus para código, GPT-5 para specs estruturadas, Gemini para long-context. Ou — mais fácil — abra o Any AI Studio e deixe o seletor de modelos lembrar para qual você puxa em cada situação.