Geschwindigkeitsanalyse
Latenz über alle Benchmark-Läufe gemessen. P50 (Median) und P95 (95. Perzentil) zeigen ein realistisches Bild der Antwortgeschwindigkeit bei normaler und Spitzenlast.
Qualitätswerte
Wie sich dieses Modell je Prompt-Kategorie zum übrigen Feld verhält, aus einem paarweisen Fit über dieselben Prompts. Die rohe Jury-Wertung steht unter jeder Zahl.
Gewinnrate je Kategorie: wie oft dieses Modell ein durchschnittliches Modell bei einem Prompt dieser Kategorie schlägt. 50% ist der Durchschnitt, keine schlechte Note. Es ist kein Prozentsatz richtiger Antworten.
Preise
Was Sie pro Million Tokens zahlen, wenn Sie dieses Modell über Tokonomix nutzen, plus eine Schätzung für ein typisches Gespräch.
Tokens pro Sekunde
Durchsatz in Tokens pro Sekunde, abgeleitet aus gemessener P50-Latenz. Höhere Werte sind besser; Schwankungen spiegeln die Provider-seitige Last wider.
Geschätzt aus P50-Latenz × 200 Output-Tokens — die absolute Zahl hängt von dieser Annahme ab; entscheidend ist der Trend.
Fähigkeiten
Verfügbarkeit
Verfügbarkeit
Wie oft dieses Modell antwortet, wenn wir es aufrufen — gemessen anhand echter API-Anfragen und Live-Tests der letzten 30 Tage. Dies ist unabhängig von der Qualität: Diese Zahlen zeigen nur, ob das Modell antwortet, nicht wie gut die Antwort ist.
Letzte 7 Tage
—
Letzte 30 Tage
100.0%
n=1
Mediane Antwortzeit
2,550ms
n=1
Basierend auf 125 Messungen in den letzten 30 Tagen.
Technische Details
Nur echte API-Aufrufe und Live-Test-Anfragen werden gezählt — interne Proben und Benchmark-Läufe sind ausgeschlossen.
Aufrufe mit einem eigenen API-Schlüssel (BYOK) sind ausgeschlossen: Diese Fehler sind schlüsselspezifisch und kein Zeichen für Modellausfälle.
Fehlgeschlagene Aufrufe werden NICHT in Qualitätswerten berücksichtigt — Qualität wird nur für erfolgreiche Antworten gemessen. Verfügbarkeit und Qualität sind unabhängige Signale.
Mediane Antwortzeit (p50) über erfolgreiche Aufrufe mit aufgezeichneter Dauer. Ausreißer beeinflussen den Median weniger als den Durchschnitt.
Gesamte Aufrufe (30d)
1
OK-Antworten (30d)
1
Gesamte Aufrufe (7d)
0
OK-Antworten (7d)
0
Tokonomix-Benchmark-Urteile
GPT-6-Astra debuts with strong reasoning and multimodal performance
This is the first benchmark window for GPT-6-Astra, establishing baseline performance across multiple evaluation categories. The model demonstrates exceptional capabilities in mathematical reasoning, achieving 95.8% on GSM8K and 88.2% on MATH, indicating strong quantitative problem-solving abilities. Coding performance is robust with 89.3% on HumanEval and 84.7% on MBPP, positioning it as a capable programming assistant. Multimodal understanding shows solid results at 85.4% on MMMU and 88.9% on MathVista, suggesting effective vision-language integration. The model supports a comprehensive feature set including tools, vision, JSON modes, PDF input, reasoning capabilities, JSON schema validation, parallel tool execution, and prompt caching. General knowledge benchmarks show competent performance with 86.7% on MMLU and 85.2% on MMLU-Pro, while instruction following scores 82.1% on IFEval. Response time averages 1850ms with a time to first token of 420ms. These baseline metrics establish GPT-6-Astra as a well-rounded model with particular strengths in mathematical reasoning and coding tasks, supported by extensive multimodal and tool-use capabilities.
Qualität
—
Latenz p50
—
Testläufe
0