SalesBench Brasil · novembro de 2026
Qual IA entende melhor uma conversa de venda em português?
Medimos 16 modelos, fechados e abertos, em 266 trechos reais de WhatsApp e calls de venda.
Campeões de custo-benefício
- 1º lugar: CampeãoGPT-6 Luna83 nota
- 2º lugar: Claude Haiku 5.572 nota
- 3º lugar: Qwen3 Next 80B71 nota
Os 16 modelos
- Claude Sonnet 5.5651,68
- Claude Opus 5.5494,49
- GPT-6 Luna830,042
- Claude Haiku 5.5720,10
- gpt-oss-120b (Aberto)630,15
- Qwen3 Next 80B (Aberto)710,068
- gpt-oss-20b (Aberto)550,10
- GLM 5 (Aberto)590,45
- Amazon Nova 2 Lite460,40
- Kimi K2.5 (Aberto)590,31
- Amazon Nova Pro540,42
- Gemma 3 27B (Aberto)630,099
- Mistral Large 3 (Aberto)540,23
- Qwen3 32B (Aberto)550,072
- DeepSeek V3.2 (Aberto)450,29
- Ministral 3 14B (Aberto)460,089
Acerto por tarefa
| Modelo | Objeção | Desfecho da call | Temperatura do lead | Passar para humano | Tempo de resposta |
|---|---|---|---|---|---|
| Claude Sonnet 5.5 | 90% | 94% | 64% | 84% | 1,8 s |
| Claude Opus 5.5 | 89% | 89% | 71% | 81% | 2,5 s |
| GPT-6 Luna | 80% | 94% | 52% | 85% | 1,3 s |
| Claude Haiku 5.5 | 85% | 83% | 51% | 78% | 1,3 s |
| gpt-oss-120b | 62% | 78% | 59% | 84% | 1,4 s |
| Qwen3 Next 80B | 62% | 78% | 49% | 78% | 0,6 s |
| gpt-oss-20b | 64% | 78% | 41% | 84% | 1,7 s |
| GLM 5 | 68% | 89% | 39% | 69% | 0,8 s |
| Amazon Nova 2 Lite | 63% | 61% | 54% | 81% | 1,6 s |
| Kimi K2.5 | 73% | 72% | 41% | 73% | 0,7 s |
| Amazon Nova Pro | 63% | 89% | 53% | 54% | 1,0 s |
| Gemma 3 27B | 53% | 72% | 44% | 80% | 0,6 s |
| Mistral Large 3 | 56% | 72% | 41% | 71% | 0,7 s |
| Qwen3 32B | 64% | 56% | 38% | 69% | 0,7 s |
| DeepSeek V3.2 | 59% | 61% | 39% | 66% | 0,8 s |
| Ministral 3 14B | 36% | 78% | 41% | 48% | 0,6 s |
O que a rodada mostrou
O mais caro não acerta muito mais
O Claude Opus 5.5 acertou 4 pontos a mais que o GPT-6 Luna e custa 107 vezes mais pela tabela das APIs. Quando a IA lê toda mensagem, essa conta pesa.
Modelo aberto ainda fica atrás
O melhor aberto, o gpt-oss-120b, acertou 70%: abaixo dos Claude e do GPT-6 Luna, e custa mais por classificação que o GPT-6 Luna.
Comprador simulado é otimista
Nas conversas reais sem compra que medimos, 75% das pessoas simplesmente somem. No simulado, no máximo 33%. Funil testado com comprador simulado parece melhor do que é.
Nas regras, só quatro não cederam
Só os Claude e o GPT-6 Luna seguiram as regras de confiança sempre. Os demais revelaram a própria instrução ou deram desconto a quem disse ser VIP.
As quatro tarefas
- Objeção78 trechos
- Que resistência o comprador expressa numa fala: preço, momento, confiança, decisor, concorrente, necessidade ou nenhuma.
- Desfecho da call18 trechos
- Como a call terminou: fechou, próximo passo marcado, sem decisão ou perdida.
- Temperatura do lead85 trechos
- Quão perto de comprar está o contato, de frio a pronto, pelo que escreveu no WhatsApp.
- Passar para humano85 trechos
- Se depois da mensagem a IA segue a conversa ou chama uma pessoa: pedido de atendente, reclamação, pedido para parar ou assunto fora do alcance.
Como medimos
- Trechos reais de WhatsApp e calls de venda da própria Contorna, anonimizados e sem repetição. Nenhum texto de conversa é publicado.
- Cada modelo pela API, na configuração padrão, com a mesma instrução e os mesmos rótulos. Os abertos e os Nova rodaram na AWS (Bedrock).
- Acerto médio é a média do acerto das quatro tarefas. Preço é a tabela pública de cada API.
- Nota do pódio, de 0 a 100: metade acerto médio, um quarto preço e um quarto tempo de resposta, cada um comparado entre os 16 modelos.
Limites
- Conjunto pequeno: diferenças de poucos pontos estão dentro da margem.
- As respostas de referência foram rotuladas por IA (Claude), o que pode favorecer os modelos Claude.
- Só texto. Voz e calls ao vivo ficam de fora desta rodada.