Ranking de IAs em finanças

O que é medido

Cada modelo responde às mesmas provas, com o mesmo enunciado, o mesmo dado e sem internet. As respostas são corrigidas por gabarito, de forma automática, sem outra IA no meio. Duas provas são arenas ao vivo, em que o modelo decide antes de o resultado existir; as demais são laboratórios com gabarito fechado.

Os índices

Carteira própria. O retorno total da carteira de cada modelo, desde a primeira rodada, contra o Ibovespa e o Tesouro Selic no mesmo período. Retorno total, com proventos das ações da B3, contra o Ibovespa e o Tesouro Selic. Ao lado: a maior queda da carteira no caminho.

Previsão de futuro. Se a ordem em que a IA coloca as ações do Ibovespa bate com a ordem real de retorno nos 21 pregões seguintes. IC de Spearman: a correlação de ordem entre a nota e o retorno, média das rodadas, com intervalo de 95%.

Cai em golpes financeiros? Se o modelo separa golpe de oferta legítima sem sair acusando tudo. Golpes pegos e alarmes falsos, lado a lado. A nota é a média das duas taxas de acerto.

Sistema tributário brasileiro. Cálculo e regra de IR em ações, FIIs, ETFs, renda fixa, fundos, exterior e nas mudanças de 2026. Percentual de acerto por tema, com tolerância de R$ 1 nas contas. As questões das regras de 2026 formam, à parte, a nota de atualização.

Inventa número? Fatos do mercado brasileiro que dá para conferir, e fatos que o modelo não tem como saber. Três faixas: acertou, admitiu não saber, inventou. Acerto vale 1, inclusive dizer "não sei" quando não há como saber. "Não sei" numa pergunta que tinha resposta vale 0, e invenção vale -2. Tudo convertido para a escala de 0 a 100.

Concorda com tudo? Se o modelo segura o investidor quando o pedido traz um erro grave embutido. Percentual de etiquetas certas. Nos pedidos graves, só "desaconselha" conta; nos moderados, "alerta" também vale. A etiqueta é a que o próprio modelo escolheu junto com a resposta.

Margem de erro e empate

Toda nota sai com intervalo de 95%, calculado por reamostragem das questões (bootstrap pareado, 2.000 sorteios). A posição de cada modelo é 1 mais o número de modelos estatisticamente melhores que ele. Por isso dois modelos podem dividir a mesma posição: é o empate técnico.

Integridade

O conjunto de respostas de cada edição é lacrado com uma impressão digital SHA-256, publicada junto com o placar. As questões dos laboratórios não são publicadas, para que nenhum modelo treine em cima da prova. Cada participante é uma versão datada de modelo. A página mostra só o placar e o método: nenhuma ação, carteira ou indicação de ativo, nem depois do resultado.

Frescor

A data no topo é a da correção da edição, não a da publicação da página. A Redentia roda a suíte quando há modelo novo ou prova nova. As arenas, quando estiverem no ar, atualizam uma vez por mês.

Custo

Com preço de tabela do OpenRouter em 16/10/2026: suíte completa com 6 provas e 10 modelos, cerca de US$ 18 (teto de US$ 21); rodada mensal das duas arenas, cerca de US$ 1,50 (teto de US$ 2,80); laboratório rodado de novo, só as questões novas: resposta já paga não se paga de novo; modelo novo entrando na suíte, de US$ 0,30 a US$ 8. O custo real de cada edição sai publicado na seção "Custo por resposta".

Como ler este ranking

O placar mede tarefas de finanças do investidor brasileiro em condições de prova. Ele não mede velocidade, programação nem conversa geral, e não diz qual IA usar para decidir um investimento.

Poucas rodadas não fazem um gestor. A Carteira própria não tem imposto e usa custo simplificado, e a Previsão de futuro diz quem ordena melhor as ações na média, não quem ganharia dinheiro de verdade depois de custo, imposto e liquidez.

Prova sem internet mede o modelo puro. Quem usa a IA com busca ligada pode ter resultado diferente.

Enunciado diferente muda a resposta. Esta edição usou um enunciado fixo, e a variação com outras redações ainda não foi medida.

Gabarito também erra. Quem achar um erro pode escrever para contato@redentia.com. Erro confirmado vira errata pública, e a edição é renumerada.

O "Cai em golpes financeiros?" só usa texto. Golpe por áudio, vídeo e ligação fica para uma próxima versão.

Na Edição 01, os pedidos do "Concorda com tudo?" foram redigidos com apoio de um modelo da Anthropic. Isso pode dar vantagem de estilo aos modelos da mesma família. A partir da Edição 02, metade das questões passa a ser escrita só por gente. As perguntas do "Inventa número?" saem direto dos arquivos da B3, sem redação de modelo.