Gemini 3.7 Flash
O Gemini 3.7 Flash saiu em 13/08/2026 e virou geração anterior em 02/09/2026, quando o 3.8 Flash chegou pelo mesmo preço: US$ 0,75 por milhão de tokens de entrada e US$ 3,75 de saída até 31/12/2026, e o dobro a partir de 2027. Segue com suporte completo e sem data de desligamento anunciada. Vale manter quando o custo por tarefa pesa mais que a nota: o 3.8 marca mais nas 14 provas do Google, mas gasta mais tokens por tarefa.
O Gemini 3.7 Flash em números oficiais
Dados publicados pelo fabricante na documentação e no anúncio. Fonte de cada um no fim da página.
- Fabricante
- Google DeepMind
- Identificador na API
gemini-3.7-flash(estável, GA)- Lançamento
- 13/08/2026
- Situação
- geração anterior desde 02/09/2026; sem data de desligamento anunciada
- Substituto indicado
gemini-3.8-flash, pelo mesmo preço- Entrada
- US$ 0,75 por milhão até 31/12/2026; US$ 1,50 a partir de 01/01/2027
- Saída (inclui raciocínio)
- US$ 3,75 por milhão até 31/12/2026; US$ 7,50 a partir de 01/01/2027
- Leitura de cache
- US$ 0,075 por milhão (US$ 0,15 em 2027), mais armazenamento por hora
- Lote e Flex
- metade do preço: US$ 0,375 e US$ 1,875 até 31/12/2026
- Janela de contexto
- 1.048.576 tokens
- Resposta máxima
- 65.536 tokens
- Conhecimento confiável
- até março de 2026; em alguns domínios, até janeiro de 2025
- Raciocínio
- low, medium (padrão) e high; minimal devolve erro
- Entrada e saída
- entra texto, imagem, vídeo, áudio e PDF; sai só texto
- Plano gratuito
- sim, na Gemini API e no Google AI Studio
- Onde roda
- Gemini API, Google AI Studio, Google Cloud, Antigravity, Android Studio, app Gemini Enterprise e o agente Spark do app Gemini
Onde o Gemini 3.7 Flash vai bem, onde fica atrás e para quem serve
Onde vai bem
- Mesmo preço, menos tokens por tarefa: o Google diz que o 3.8 Flash gasta mais tokens por design e indica o 3.7 quando eficiência é a restrição principal.
- Vídeo longo mais barato: a compreensão agêntica de vídeo, liberada em 01/09/2026, usa até 88% menos tokens em conteúdo longo, segundo o Google. No Google Cloud, o recurso aparece como não suportado no 3.8.
- Segurança fora do inglês: no model card do 3.8, o teste automático de segurança multilíngue piorou 5,4 pontos percentuais em relação ao 3.7.
- Salto sobre o 3.6 Flash: DeepSWE v1.1 de 48,6% para 65,3%, AutomationBench de 17,0% para 30,4% e GDP.pdf de 22,0% para 34,0%, na tabela do lançamento.
- Contexto longo: 97,0% no GDM-MRCR v2 a 128 mil tokens, contra 81,5% do Claude Sonnet 5 e 93,5% do GPT-5.6 Terra, nos números do Google.
Onde fica atrás
- Abaixo do sucessor em tudo: na tabela do 3.8 Flash, o 3.7 fica atrás nas 14 provas, com distância maior em programação de longo prazo (65,3% contra 73,7% no DeepSWE v1.1) e uso de computador (50,6% contra 59,0% no OSWorld 2.0).
- Trabalho longo em terminal: 11,2% no Terminal-Bench 4.0, contra 19,1% do 3.8 Flash e 51,8% do Claude Opus 5 na mesma tabela.
- Injeção de prompt: no gráfico da Gray Swan publicado pelo Google, ataques tiveram 9,2% de sucesso no 3.7, contra 5,5% no 3.8 Flash.
- Prazo incerto: o Google Cloud o lista entre os modelos de disponibilidade curta, com o 3.8 como substituto. Quando a data sair, o aviso mínimo é de 45 dias.
- Preço dobra em 2027: US$ 1,50 e US$ 7,50 a partir de 01/01/2027, como no 3.8 Flash.
Para quem faz sentido
- Aplicação em produção no 3.7 que já atende bem e onde o custo por tarefa importa: trocar pelo mesmo preço por token pode encarecer a tarefa.
- Análise de vídeo longo com compreensão agêntica, que o Google Cloud lista para o 3.7 e não para o 3.8.
- Atendimento em português com tema sensível, onde o 3.7 tem a nota de segurança multilíngue melhor que a do 3.8 nos números do Google.
- Leitura de PDF e documento longo em volume, com 34,0% no GDP.pdf e 97,0% no GDM-MRCR v2, por US$ 0,75 de entrada até o fim do ano.
Quando escolher outro
- Projeto novo: a lista de modelos da Gemini API já trata o 3.7 como geração anterior, e o 3.8 custa o mesmo.
- Agente de programação de longo prazo ou que opera tela: o 3.8 é bem mais forte no DeepSWE, no Terminal-Bench 4.0 e no OSWorld 2.0.
- Agente que lê e-mail ou página da web: o 3.8 resiste melhor a injeção de prompt no gráfico da Gray Swan.
- Ajuste fino: o Google Cloud não oferece tuning para o 3.7 Flash.
O que o Google publicou no lançamento
O 3.7 Flash saiu em 13/08/2026, três semanas depois do 3.6 Flash, com preço introdutório pela metade do preço original do 3.6, segundo o Google. O foco era programação e agentes: código mais pronto para produção, uso de ferramentas melhor e instruções seguidas com mais fidelidade.
A tabela compara o 3.7 com o 3.6 Flash, o Claude Sonnet 5 e o GPT-5.6 Terra. O 3.7 lidera sete das onze provas abaixo, mas perde para o GPT-5.6 Terra em programação de longo prazo, terminal e uso de computador, e para o Sonnet 5 em trabalho de escritório.
Um cuidado: no model card do 3.8 Flash, de setembro, o Google publicou notas diferentes para o mesmo 3.7. O GDPVal-AA v2 caiu de 1.525 para 1.482, e o OSWorld 2.0 subiu de 47,9% para 50,6%, este com chamada de ferramenta em lote.
| 3.7 Flash | 3.6 Flash | Sonnet 5 Anthropic | GPT-5.6 Terra OpenAI | |
|---|---|---|---|---|
| Preço de entrada US$ por milhão, sem cache |
0,75 (1,50 depois) | 0,75 (1,50 depois) | 2,00 | 2,00 |
| Preço de saída US$ por milhão |
3,75 (7,50 depois) | 3,75 (7,50 depois) | 10,00 | 12,00 |
| FrontierCode 1.1 Main qualidade de código |
43,6% | 34,4% | 42,7% | 41,3% |
| DeepSWE v1.1 programação de longo prazo |
65,3% | 48,6% | 53,8% | 69,6% |
| Terminal-Bench 2.1 terminal |
85,8% | 78,0% | 80,4% | 87,4% |
| AutomationBench automação de empresa |
30,4% | 17,0% | 10,7% | 23,6% |
| GDPVal-AA v2 trabalho de escritório, Elo |
1.525 | 1.422 | 1.598 | 1.578 |
| GDP.pdf PDF de especialista |
34,0% | 22,0% | 28,0% | 24,7% |
| Harvey LAB-AA trabalho jurídico |
90,7% | 85,1% | 90,1% | 85,2% |
| LVBench vídeo longo |
85,4% | 84,2% | 68,5% | 78,9% |
| GDM-MRCR v2 contexto longo, 128 mil tokens |
97,0% | 91,8% | 81,5% | 93,5% |
| OSWorld 2.0 uso de computador |
47,9% | 33,8% | não publicado | 50,2% |
| HLE-Verified conhecimento difícil |
53,6% | 51,2% | 31,0% | 51,1% |
Números do model card do Gemini 3.7 Flash, de agosto de 2026, com os preços que o Google publicou na mesma tabela; o do 3.7 e do 3.6 Flash é introdutório até 31/12/2026. O ponto marca o melhor de cada linha.
Ainda vale usar o 3.7 com o 3.8 pelo mesmo preço?
Para projeto novo, o 3.8 Flash é o ponto de partida: custa o mesmo por token e marca mais nas 14 provas que o Google publicou com os dois. Ganha com folga em programação de longo prazo, terminal e uso de computador, e resiste melhor a injeção de prompt.
O 3.7 continua fazendo sentido em três casos. Primeiro, quando o custo por tarefa manda: o 3.8 gasta mais tokens por design, e o próprio Google sugere baixar o esforço ou ficar no 3.7, que segue com suporte completo. Segundo, em vídeo longo: a compreensão agêntica de vídeo aparece como suportada no 3.7 e não suportada no 3.8 na documentação do Google Cloud. Terceiro, em atendimento fora do inglês, onde o 3.8 piorou 5,4 pontos percentuais no teste automático de segurança.
O risco de ficar é o prazo. A Gemini API não anunciou data de desligamento, mas o Google Cloud lista o 3.7 entre os modelos de disponibilidade curta, com o 3.8 como substituto e aviso mínimo de 45 dias quando a data sair. Quem fica no 3.7 deve deixar a migração pronta.
| 3.7 Flash | 3.8 Flash | |
|---|---|---|
| Preço até 31/12/2026 entrada e saída, por milhão |
US$ 0,75 e US$ 3,75 | US$ 0,75 e US$ 3,75 |
| Preço a partir de 2027 entrada e saída, por milhão |
US$ 1,50 e US$ 7,50 | US$ 1,50 e US$ 7,50 |
| DeepSWE v1.1 programação de longo prazo |
65,3% | 73,7% |
| Terminal-Bench 4.0 trabalho longo em terminal |
11,2% | 19,1% |
| OSWorld 2.0 uso de computador |
50,6% | 59,0% |
| GDPVal-AA v2 trabalho de escritório, Elo |
1.482 | 1.545 |
| BioMysteryBench biologia, difícil para humanos |
43,5% | 56,5% |
| HLE-Verified conhecimento difícil |
53,6% | 54,9% |
| Segurança multilíngue teste automático, menor é melhor |
base | 5,4 pp pior |
| Gray Swan injeção de prompt, menor é melhor |
9,2% | 5,5% |
| Compreensão agêntica de vídeo no Google Cloud |
suportada | não suportada |
| Situação | geração anterior | atual |
Provas do model card do 3.8 Flash, de setembro, onde o 3.7 aparece com notas diferentes das de agosto. Segurança multilíngue: model card do 3.8. Gray Swan: gráfico do anúncio do 3.8 Flash Cyber. Vídeo: páginas dos dois modelos no Google Cloud, consultadas em 01/10/2026.
O que muda ao migrar para o 3.8 Flash
Preço, janela de 1.048.576 tokens, resposta de 65.536 tokens, níveis de raciocínio e tipos de entrada são iguais. O guia de migração do Google para o 3.8 pede estes ajustes no código:
- Trocar o identificador para
gemini-3.8-flash. - Tirar
temperature,top_petop_kda configuração; o Google Cloud ainda lista valores padrão para eles, então confira na sua plataforma. - Usar
thinking_levelno lugar dethinking_budgete removercandidate_count. - Padronizar conversas de vários turnos com
previous_interaction_ide remover turnos do modelo preenchidos de antemão. - Revisar chamadas de função: no generateContent, toda resposta de função precisa de
call_idename. - Antes de trocar, rodar dez tarefas reais nos dois modelos em esforço medium e comparar acerto e custo por tarefa, já com o preço de 2027, incluindo vídeo longo e atendimento em português se a aplicação tiver.
Exemplos de uso do Gemini 3.7 Flash
Uma gravação de cerca de 45 minutos com áudio, limite documentado no Google Cloud, vira ata com decisões e responsáveis. Com a compreensão agêntica de vídeo, o modelo busca só os trechos, quadros ou áudio de que precisa, e o Google fala em até 88% menos tokens em conteúdo longo.
Um assistente responde clientes em português, com moderação própria por cima. No teste automático de segurança multilíngue, o 3.7 tem nota melhor que o 3.8, segundo o model card do sucessor, e o preço por token é o mesmo.
Relatórios anuais e contratos em PDF entram no mesmo pedido, até 1.048.576 tokens; no Google Cloud, arquivos de até 50 MB e 3.000 páginas. O 3.7 marcou 34,0% no GDP.pdf, contra 22,0% do 3.6 Flash, e 97,0% no teste de contexto longo GDM-MRCR v2.
Onde o Gemini 3.7 Flash se destaca e onde fica atrás, pelos números
O Gemini 3.7 Flash tem resultado publicado em 23 provas compiladas pela Epoch AI. A régua aqui é a geração: a posição dele entre os modelos lançados entre 16/11/2025 e 11/11/2026 que fizeram a mesma prova. Contra o acervo inteiro, que tem modelos de 2023, um lançamento recente fica no topo de quase tudo, e isso não diz nada.
Onde se destaca
Provas em que fica no terço de cima da própria geração.
Onde fica atrás
Provas em que fica na metade de baixo da própria geração.
Ver as 23 provas, uma a uma
| Prova | Nota | Na geração | No geral | Recorde da prova |
|---|---|---|---|---|
| GPQA Diamond | 94,8% | 6º / 79 | 6º / 173 | 96,4% Gemini 4 Argon |
| AIME 2024 e 2025 (OTIS) | 97,2% | 31º / 81 (empatado com 1) | 31º / 168 | 100,0% GPT-5.5 |
| Dtbench | 96,8% | 9º / 68 | 9º / 148 | 98,9% Claude Opus 5.5 |
| Lmca | 50,38 | 20º / 68 | 20º / 121 | 68,23 Claude Opus 5.5 |
| CritPt | 14,3% | 39º / 78 (empatado com 1) | 39º / 112 | 32,3% GPT-5.6 Sol |
| SciCode | 59,8% | 8º / 75 | 8º / 104 | 66,9% Claude Opus 5.5 |
| Frontiermath Tiers 1 3 V2 | 71,6% | 25º / 68 | 25º / 86 | 93,7% GPT-6 Astra |
| ARC-AGI 2 | 84,6% | 11º / 49 | 11º / 83 | 95,0% GPT-6 Astra |
| ALE-Bench | 904 | 45º / 62 | 48º / 82 | 2.951 GPT-6 Astra |
| WebDev Arena | 1.587 | 22º / 73 | 22º / 82 | 1.820 Claude Opus 5.5 |
| ARC-AGI | 95,5% | 12º / 49 (empatado com 1) | 12º / 81 | 98,5% Claude Fable 5 |
| SimpleQA Verified | 69,2% | 10º / 63 | 10º / 81 | 76,0% Gemini 4 Argon |
| Xadrez (problemas) | 66,0% | 5º / 63 | 5º / 80 | 76,0% GPT-6 Astra |
| Enigmas de jogo | 37,0% | 17º / 61 (empatado com 1) | 17º / 77 | 84,0% GPT-6 Astra |
| ProofBench | 58,0% | 21º / 70 (empatado com 2) | 21º / 74 | 100,0% Claude Fable 5.1 |
| Frontiermath Tier 4 V2 | 36,6% | 25º / 58 | 25º / 67 | 100,0% GPT-6.1 Sol |
| Apex Agents | 67,8% | 5º / 49 | 5º / 50 | 82,4% Gemini 4 Argon |
| FrontierCode | 43,6% | 18º / 43 | 18º / 43 | 54,6% Claude Opus 5.5 |
| Gdp Pdf | 23,8% | 16º / 37 | 16º / 37 | 35,0% GPT-6.1 Sol |
| Furniture Assembly | 26,7% | 27º / 34 (empatado com 1) | 27º / 34 | 83,3% Claude Opus 5.5 |
| DeepSWE | 65,5% | 12º / 26 | 12º / 26 | 74,1% GPT-6 Astra |
| FrontierSWE | 20,3% | 15º / 20 | 15º / 20 | 65,5% GPT-6 Astra |
| Rli | 5,0% | 8º / 12 | 8º / 15 | 21,3% Claude Opus 5.5 |
Em cada prova vale o melhor nível de esforço que o modelo fez, como no ranking. Fonte das notas: Epoch AI, sob CC BY 4.0.
Com quem comparar o Gemini 3.7 Flash
Os modelos de outros laboratórios mais próximos em capacidade e lançados na mesma época, no máximo dois por laboratório. Clique em qualquer um para ver a página dele.
| Modelo | Laboratório | ECI | ELO | LiveBench | Lançamento |
|---|---|---|---|---|---|
| Kimi K3 | Moonshot | 157,42 | 1.528 | 79,2 | 16/07/2026 |
| Gemini 3.7 Flash | Google DeepMind | 157,22 | 1.551 | 78,8 | 13/08/2026 |
| Qwen 3.8 Max | Alibaba | 156,88 | 1.536 | 78,5 | 02/08/2026 |
| Muse Spark 1.3 | Meta AI | 156,76 | 1.528 | 81,6 | 02/09/2026 |
| GPT-5.3 Codex | OpenAI | 156,76 | n/d | n/d | 05/02/2026 |
| GPT-5.4 | OpenAI | 156,72 | 1.519 | 78,0 | 05/03/2026 |
| Claude Sonnet 5 | Anthropic | 156,36 | 1.491 | 76,0 | 30/06/2026 |
Gemini 3.7 Flash ou Kimi K3?
O Kimi K3 é o modelo de outro laboratório mais próximo do Gemini 3.7 Flash em capacidade. Nas 22 provas que os dois fizeram, o placar é este:
| Prova | Gemini 3.7 Flash | Kimi K3 |
|---|---|---|
| Xadrez (problemas) | 66,0% | 36,0% |
| ALE-Bench | 904 | 1.524 |
| CritPt | 14,3% | 23,4% |
| ProofBench | 58,0% | 87,0% |
| Enigmas de jogo | 37,0% | 26,0% |
| ARC-AGI 2 | 84,6% | 60,4% |
| SimpleQA Verified | 69,2% | 50,6% |
| Apex Agents | 67,8% | 50,6% |
| Furniture Assembly | 26,7% | 34,2% |
| FrontierSWE | 20,3% | 25,9% |
Placar sem peso: cada prova conta um ponto, seja de matemática, seja de programação. O ponto marca quem foi melhor em cada linha.
Quanto o Gemini 3.7 Flash custa para entregar cada tarefa
Preço por token é o que está na tabela; custo por tarefa é o que chega na fatura, porque depende de quantos tokens o modelo gasta. Cada ponto é um nível de esforço, publicado por quem rodou a prova e compilado pela Epoch AI. Quanto mais para cima e para a esquerda, mais nota por dólar.
DeepSWE
A escala de nota não começa em zero.
Os outros modelos da Google DeepMind
Os modelos do mesmo laboratório mais próximos no tempo, do mais novo para o mais antigo.
| Modelo | Lançamento | ECI | ELO | LiveBench | Acesso |
|---|---|---|---|---|---|
| Gemini 4 Argon | 30/09/2026 | 164,56 | 1.608 | n/d | Limited access |
| Gemini 3.8 Flash | 02/09/2026 | 157,20 | 1.551 | 75,8 | API access |
| Gemini 3.7 Flash | 13/08/2026 | 157,22 | 1.551 | 78,8 | API access |
| Gemini 3.6 Flash | 21/07/2026 | 154,24 | 1.530 | 73,6 | API access |
| Gemini 3.5 Flash-Lite | 21/07/2026 | 145,15 | 1.467 | 63,9 | API access |
| Gemini 3.5 Flash | 19/05/2026 | 154,38 | 1.526 | 74,6 | API access |
| Gemma 4 31B IT | 02/04/2026 | 142,86 | n/d | n/d | Open weights (restricted use) |
| Gemma 4 26B A4B | 02/04/2026 | 141,81 | 1.495 | n/d | Open weights (unrestricted) |
| Gemini 3.1 Pro | 19/02/2026 | 154,67 | 1.528 | 77,0 | API access |
Já usou o Gemini 3.7 Flash? Dê sua nota
Opinião de quem usa, não medição: a nota fica separada do ranking e não mexe na posição de ninguém. Um voto por navegador, sem cadastro, e dá para trocar a nota depois.
O que as pessoas perguntam sobre o Gemini 3.7 Flash
Quanto custa o Gemini 3.7 Flash?
Até 31/12/2026, US$ 0,75 por milhão de tokens de entrada e US$ 3,75 por milhão de saída, com o raciocínio cobrado como saída. A partir de 01/01/2027, US$ 1,50 e US$ 7,50. Lote e Flex custam metade, e a leitura de cache custa US$ 0,075 por milhão neste ano. É o mesmo preço do 3.8 Flash em todos os modos.
O Gemini 3.7 Flash vai ser desligado?
Não há data anunciada. Em 01/10/2026, a página de desligamentos da Gemini API não trazia data para o gemini-3.7-flash. No Google Cloud, ele está entre os modelos de disponibilidade curta, com o 3.8 Flash como substituto, e o Google promete pelo menos 45 dias de aviso quando marcar a data.
Gemini 3.7 Flash ou 3.8 Flash?
Para projeto novo, o 3.8 Flash: mesmo preço e nota maior nas 14 provas que o Google publicou com os dois. O 3.7 vale quando o custo por tarefa pesa mais, porque o 3.8 gasta mais tokens, quando o fluxo depende da compreensão agêntica de vídeo, e em atendimento fora do inglês, onde o 3.8 piorou 5,4 pontos percentuais no teste automático de segurança.
O que muda no código ao migrar para o 3.8?
Trocar o identificador para gemini-3.8-flash, tirar temperature, top_p e top_k, usar thinking_level no lugar de thinking_budget, remover candidate_count e padronizar conversas com previous_interaction_id. Preço, janela de contexto e resposta máxima não mudam.
O Gemini 3.7 Flash tem plano gratuito?
Tem, na Gemini API e no Google AI Studio. No plano gratuito, o Google pode usar os dados para melhorar os produtos dele; no plano pago, não. Para dado de cliente, use o plano pago.
Qual a posição do Gemini 3.7 Flash no ranking de IA?
No AI Benchmark da ROO3, ordenado pelo ECI da Epoch AI, o Gemini 3.7 Flash está em 18º lugar entre 267 modelos, com ECI de 157,22. O ECI é um índice composto que junta vários benchmarks difíceis numa escala só. A posição muda quando sai modelo novo, e a página é apurada seis vezes por dia.
O Gemini 3.7 Flash é melhor que o Kimi K3?
Nas 22 provas que os dois fizeram e que a Epoch AI compilou, o Gemini 3.7 Flash fica à frente em 10, atrás em 11 e empata em 1. É uma comparação prova a prova, sem peso: uma vitória em matemática conta igual a uma em programação. Para escolher entre os dois, vale olhar as provas que se parecem com o seu uso.
Em que o Gemini 3.7 Flash vai melhor?
Comparado aos modelos da mesma geração (lançados até 9 meses antes e até 3 meses depois dele), os melhores resultados relativos do Gemini 3.7 Flash são: GPQA Diamond (6º de 79); Xadrez (problemas) (5º de 63); Apex Agents (5º de 49). A régua é a posição entre os modelos daquela época que fizeram a mesma prova.
De onde vêm os números desta página?
Das mesmas três fontes do ranking, todas com licença aberta: Epoch AI (ECI e provas individuais, CC BY 4.0), Arena (ELO de preferência humana, CC BY 4.0) e LiveBench (média geral, CC BY-SA 4.0). A ROO3 não mede modelo nenhum. Quando a página traz número publicado pelo próprio fabricante, ele aparece na análise escrita, dito como sendo do fabricante, e nunca entra no ranking.
De onde vem cada número
- Google, anúncio do Gemini 3.7 Flash
- Google DeepMind, model card do Gemini 3.7 Flash
- Google DeepMind, metodologia de avaliação do Gemini 3.7 Flash (PDF)
- Gemini API, página do Gemini 3.7 Flash
- Gemini API, tabela de preços
- Gemini API, desligamentos de modelos
- Gemini API, notas de versão (compreensão agêntica de vídeo)
- Gemini API, guia do modelo mais recente (migração para o 3.8)
- Google Cloud, página do Gemini 3.7 Flash
- Google Cloud, página do Gemini 3.8 Flash
- Google Cloud, versões e ciclo de vida dos modelos
- Google DeepMind, model card do Gemini 3.8 Flash
- Google, anúncio do Gemini 3.8 Flash e do 3.8 Flash Cyber (gráfico Gray Swan)
Epoch AI, "AI Benchmarking Hub". Publicado em epoch.ai. Dados sob licença CC BY 4.0, reordenados por roo3.co.
Leaderboard da Arena (LMArena), do dataset público lmarena-ai/leaderboard-dataset no Hugging Face, sob licença CC BY 4.0. Não somos afiliados à Arena.
LiveBench, da equipe do LiveBench, publicado em livebench.ai sob licença CC BY-SA 4.0. A média geral é recalculada por roo3.co com a mesma conta do site (média das categorias), e esses números seguem sob CC BY-SA 4.0. Não somos afiliados ao LiveBench.
← Ver o ranking completo