Imagine abrir o ranking mais honesto de modelos de IA para WebDev, com 422 mil votos de desenvolvedores reais, e encontrar isso: oito das dez primeiras posições ocupadas por Claude. O modelo #1 voltou há dois dias após 19 dias suspenso por ordem do governo dos EUA. E quieto ali no #2, rodeado de Anthropic por todos os lados, está o GLM-5.2 da Z.AI. Score 1584 no Elo Arena. $0.90 por milhão de tokens, enquanto o #1 custa $7.70.
Esse é o WebDev Arena de julho de 2026. E os números contam uma história diferente do que a maioria está publicando sobre o "domínio da Anthropic em IA".
Neste post, vamos abrir o ranking completo com custo real por token, cruzar com o Intelligence Index da Artificial Analysis, e mostrar o que isso significa na prática para o dev BR que precisa escolher onde botar sua energia e seu dinheiro.
O que é o WebDev Arena e por que ele importa diferente do SWE-bench?
O SWE-bench mede a capacidade de um modelo de corrigir bugs em repositórios Python reais. É rigoroso, automatizável e favorece modelos treinados especificamente para esse benchmark. O WebDev Arena faz algo diferente: coloca dois modelos frente a frente respondendo a uma tarefa de WebDev (HTML, CSS, JavaScript, frameworks) e um desenvolvedor humano vota em qual saída é melhor.
Com 422 mil votos e 92 modelos avaliados, o WebDev Arena tem o maior corpus de avaliação humana para tarefas de frontend com IA disponível hoje. O viés existe (humanos preferem código visualmente limpo mesmo quando menos eficiente), mas é exatamente o viés que importa se você está gerando componentes, landing pages, dashboards ou protótipos que outra pessoa vai olhar e usar.
Elo Arena vs SWE-bench: se seu trabalho envolve geração de interfaces, prototipagem ou fullstack com foco em UX, o Elo Arena tem a maior correlação com o seu caso de uso real. SWE-bench é melhor para bug fixing automatizado em código Python e tarefas agentic de longa duração em repositórios.
Cruzar os dois benchmarks é o que este artigo faz. Porque o modelo que você vai usar o dia todo precisa ser bom e viável financeiramente.
O ranking completo de julho de 2026
Dados coletados do WebDev Arena em 3 de julho de 2026:
| # | Modelo | Elo Score | Organização | Preço API ($/M input/output) | Acesso BR |
|---|---|---|---|---|---|
| 1 | Claude Fable 5 | 1653 | Anthropic | $10 / $50 | Sim (voltou 01/jul) |
| 2 | GLM-5.2 (max) | 1584 | Z.AI | $1.40 / $4.40 | Sim |
| 3 | Claude Opus 4.8 (thinking) | 1561 | Anthropic | $5 / $25 | Sim |
| 4 | Claude Opus 4.7 (thinking) | 1559 | Anthropic | $5 / $25 | Sim |
| 5 | Claude Opus 4.7 | 1557 | Anthropic | $5 / $25 | Sim |
| 6 | Claude Sonnet 5 (thinking) | 1551 | Anthropic | $2 / $10 | Sim |
| 7 | Claude Opus 4.6 (thinking) | 1542 | Anthropic | $5 / $25 | Sim |
| 8 | Seed-2.1-pro-preview | 1539 | ByteDance | N/D | Preview fechado |
| 9 | Claude Opus 4.6 | 1536 | Anthropic | $5 / $25 | Sim |
| 10 | Claude Opus 4.8 | 1535 | Anthropic | $5 / $25 | Sim |
Fonte: WebDev Arena, 422.204 votos, 92 modelos avaliados, 3 jul/2026.
Por que 8 de 10 ser Anthropic não é a história que você pensa?
À primeira vista, o ranking parece um manifesto da Anthropic. Oito posições. Mas olhe com mais cuidado para o que está acontecendo:
O Fable 5 acabou de voltar. Entre 12 de junho e 30 de junho de 2026, o Fable 5 ficou suspenso por um decreto de controle de exportação do governo dos EUA que bloqueava acesso a não-americanos. Voltou em 01 de julho. O score Elo de 1653 reflete votos acumulados antes da suspensão. Com novos votos entrando agora, o score vai se ajustar nas próximas semanas.
O bloco Opus 4.x é estatisticamente estreito. As posições #3 ao #10 têm uma dispersão de apenas 26 pontos no Elo (1561 a 1535). Com 422 mil votos distribuídos entre 92 modelos, essa diferença está dentro da margem esperada de variação. Na prática, Claude Opus 4.6, 4.7 e 4.8 têm performance equivalente em WebDev Arena.
O #8 não existe para você. O Seed-2.1-pro-preview da ByteDance está no ranking mas sem acesso público, sem preço divulgado e sem API estável. É uma curiosidade estatística, não uma opção de trabalho.
Retire o Fable 5 (score instável pós-retorno) e o Seed-2.1 (inacessível), e a imagem fica diferente: o GLM-5.2 é o segundo melhor modelo realmente usável no planeta para WebDev. E custa $0.90 por milhão de tokens blended.
Entre o #1 (Fable 5, 1653) e o #2 (GLM-5.2, 1584) a diferença de Elo é de 69 pontos, ou 4.2% de performance. A diferença de preço de input é de $10 vs $1.40, ou 7.1x mais caro. Para output: $50 vs $4.40, ou 11.4x mais caro.
O segundo eixo que o ranking não mostra: Intelligence Index
Elo Arena mede performance em tarefas humanas de WebDev. O Intelligence Index da Artificial Analysis mede raciocínio geral, instrução following e capacidade de resolução de problemas em benchmarks padronizados. São dimensões complementares, e cruzar as duas é o que separa uma decisão de modelo de uma aposta no escuro.
| Modelo | Intelligence Index | Preço Blended ($/M tokens) | Velocidade (tokens/s) |
|---|---|---|---|
| Claude Fable 5 | 60 | $7.70 | 75 |
| Claude Opus 4.8 (max) | 56 | $3.85 | 68 |
| GPT-5.5 (xhigh) | 55 | $4.35 | 70 |
| Claude Opus 4.7 (max) | 54 | $3.85 | 50 |
| Claude Sonnet 5 (max) | 53 | $2.31 | 78 |
| GLM-5.2 (max) | 51 | $0.90 | 169 |
| Gemini 3.5 Flash | 50 | $1.31 | 169 |
| Gemini 3.1 Pro Preview | 46 | $1.74 | 130 |
| DeepSeek V4 Pro (max) | 44 | $0.18 | 68 |
| MiMo-V2.5-Pro | 42 | $0.18 | 43 |
| Qwen3.6 Plus | 40 | $0.43 | 51 |
Fonte: Artificial Analysis Intelligence Leaderboard, julho de 2026.
O GLM-5.2 aparece com Intelligence Index 51, a 9 pontos do Claude Fable 5 (60). Isso é uma diferença de 15% em raciocínio geral, com 8.5x de diferença de preço blended ($7.70 vs $0.90). O GLM-5.2 também roda a 169 tokens por segundo, mais que o dobro da velocidade do Fable 5 (75 t/s). Em sessões de geração de código com streaming, essa diferença de velocidade é percebida no teclado.
Como usar esses dois eixos para escolher o modelo certo?
Quatro quadrantes práticos:
Alto Elo Arena + alto custo (Fable 5, Opus 4.8): Escolha se você tem budget sem teto e precisa do melhor absoluto em frontend complexo ou componentes de alta fidelidade. Para a maioria dos projetos, a diferença de qualidade sobre o GLM-5.2 não justifica o delta de preço.
Alto Elo Arena + baixo custo (GLM-5.2): O sweet spot para quem usa IA no dia a dia de WebDev. Score 1584 no Arena, Intelligence 51, $0.90/M blended via API ou tokens ilimitados via Verboo Code. Essa combinação não existia há seis meses.
Performance sólida + custo controlado (Claude Sonnet 5, Gemini 3.5 Flash): Bons para volume médio com orçamento definido por time. Sonnet 5 em $2.31/M blended com Intelligence 53 é razoável se você quer Anthropic com custo menor que Opus.
Custo mínimo + tarefas específicas (DeepSeek V4 Pro, MiMo-V2.5-Pro): A $0.18/M, fazem sentido para tarefas de baixa complexidade em alto volume, pipelines de geração de testes ou contextos onde qualidade levemente inferior não impacta o output final.
Regra prática: use WebDev Arena Elo para tarefas de frontend e geração de interface. Use o Intelligence Index para estimar custo-benefício em raciocínio geral. Para bug fixing em repositórios reais, olhe o SWE-bench Pro. Os três rankings medem coisas diferentes o suficiente para importar na decisão.
O que o SWE-bench Pro revela que o WebDev Arena não captura?
Para coding agents que trabalham em repositórios reais, o SWE-bench Pro tem a maior correlação com resultados em produção. Dados de julho de 2026:
- Claude Mythos Preview: 93.9% SWE-bench Pro. Inacessível para devs fora dos EUA. Suspensão de exportação ainda em vigor para esse modelo específico.
- GPT-5.3 Codex: 85.0%. Disponível globalmente.
- Gemini 3.5 Flash: 83.6%. Disponível, com excelente custo-benefício ($1.31/M blended).
- Claude Opus 4.8: 77.8% SWE-bench Pro. O mais capaz da linha Anthropic com acesso global.
- GLM-5.2: 62.1% SWE-bench Pro. Melhor score entre modelos open source disponíveis.
GLM-5.2 lidera o WebDev Arena entre os modelos acessíveis e lidera o SWE-bench Pro entre os modelos open source. Para um único modelo que você vai manter aberto o dia inteiro, a proposta de custo-benefício é difícil de refutar.
Quem é o modelo misterioso do #8?
A posição #8, com Elo 1539, é do Seed-2.1-pro-preview da ByteDance. Zero documentação pública estável, preço não divulgado, sem acesso via API para desenvolvedores fora de um programa de preview fechado. Aparece no ranking porque existe um grupo de avaliadores com acesso antecipado, mas para fins práticos não é uma opção hoje.
Esse padrão não é novidade no WebDev Arena. Modelos de labs chineses e institutos de pesquisa aparecem periodicamente com scores impressionantes e desaparecem sem lançamento público. O Seed-2.1 pode ou não chegar ao mercado aberto. Por ora, é uma anomalia estatística que vale observar nos próximos meses.
GLM-5.2 no Verboo Code: a conta real
O GLM-5.2 está disponível no Verboo Code com tokens ilimitados. Não $0.90 por milhão via API. Tokens ilimitados, sem medidor de consumo, pelo plano fixo mensal.
A matemática fica clara quando você simula uso real:
- Acesso via API (Z.AI): $1.40/M input + $4.40/M output. Numa sessão de coding agent com 10 iterações de refactor em arquivo de 5.000 linhas, você facilmente consome 500k tokens de output por dia. Isso é $2.20/dia via API direta. Em 22 dias úteis, são $48.40/mês só para esse uso. E isso é um único dev numa tarefa específica.
- Acesso via Verboo Code: R$ 75/mês (plano Junior) ou R$ 174/mês (plano Pro). Tokens ilimitados. Endpoint OpenAI-compatible incluído. Sem surpresa de fatura.
A diferença começa a ser expressiva a partir de 3-4M tokens de output por mês. Qualquer sessão de geração de componentes em volume ou refactor de codebase maior cruza esse limiar com facilidade.
Os modelos do Verboo Code no contexto global
Para referência, os sete modelos disponíveis no Verboo Code em julho de 2026, cruzados com benchmarks:
| Modelo | Contexto | WebDev Arena | Intelligence Index | SWE-bench Pro |
|---|---|---|---|---|
| glm-5.2 | 1.0M tokens | #2 global (1584) | 51 | 62.1% (open #1) |
| deepseek-v4-pro | 1.0M tokens | Top-30 | 44 | ~74% (familia V4) |
| deepseek-v4-flash | 1.0M tokens | Top-30 | ~42 | ~74% (familia V4) |
| mimo-v2.5-pro | 1.0M tokens | Top-50 | 42 | N/D publico |
| qwen3.6-27b | 262k tokens | Top-50 | 40 | N/D publico |
| gemma-4-31b-it | 262k tokens | Top-60 | ~38 | N/D publico |
| @preset/glm4-7-flash | 203k tokens | Top-70 | ~32 | N/D publico |
O GLM-5.2 é o único modelo no Verboo Code que aparece no top-10 do WebDev Arena, e está em #2. Para tarefas de backend e coding agent em repositórios Python, deepseek-v4-flash e deepseek-v4-pro da familia V4 têm scores robustos no Aider Polyglot (~74%). Para contexto longo em refactors de monolito, mimo-v2.5-pro com 1M tokens resolve sem comprometer custo.
O que muda nos próximos meses?
Alguns movimentos previsíveis:
Claude Fable 5 acabou de voltar de 19 dias fora. O score Elo ainda reflete a base de votos anterior. Com novos votos de desenvolvedores que não tinham acesso durante a suspensão, o score pode variar 20-40 pontos nas próximas semanas até se estabilizar. O #1 está sujeito a revisão.
GLM-5.2 ainda está em fase de adoção inicial. Lançado com licença MIT em junho, o modelo está sendo integrado em providers e testado por times que antes usavam exclusivamente Anthropic. Mais votos no Arena tendem a consolidar ou elevar o score conforme mais devs testam em condições reais.
Modelos de nova geração estão em preview. Claude Opus 4.9, GPT-5.6 e Qwen 3.9 têm lançamentos projetados para agosto/setembro. O ranking vai mudar. O que provavelmente não vai mudar tão cedo: a assimetria de preço entre frontier Anthropic e open source de qualidade competitiva. Se GLM-5.2 chegar a Intelligence 54 na próxima versão e custar $1.10/M blended, o gap com Fable 5 a $7.70/M só aumenta.
Resumo executivo
- WebDev Arena julho/2026: 422 mil votos, 92 modelos. #1 Claude Fable 5 (1653), #2 GLM-5.2 (1584).
- 8 de 10 posições são Claude, mas a dispersão entre #3 e #10 é de apenas 26 pontos de Elo.
- Diferenca de score entre #1 e #2: 4.2%. Diferenca de preco blended: 8.5x ($7.70 vs $0.90/M).
- Seed-2.1-pro-preview (ByteDance, #8): no ranking sem acesso publico real.
- GLM-5.2 lidera o SWE-bench Pro open source com 62.1%.
- GLM-5.2 roda a 169 tokens/s, mais que o dobro do Fable 5 (75 t/s).
- Disponivel no Verboo Code com tokens ilimitados a partir de R$ 75/mes.
- 130 assinantes ativos. MRR R$ 18.884,90 (+8%). Fonte: Lista MRR, 03/jul/2026.
Quer testar esses modelos sem pagar por token? Verboo Code roda os principais open source com tokens ilimitados.
