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
100.0%
n=9
Letzte 30 Tage
94.4%
n=18
Mediane Antwortzeit
17,715ms
n=17
Basierend auf 188 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)
18
OK-Antworten (30d)
17
Gesamte Aufrufe (7d)
9
OK-Antworten (7d)
9
Tokonomix-Benchmark-Urteile
gpt-6.1-sol adds multimodal tools with strong reasoning and coding results
OpenAI's gpt-6.1-sol introduces significant capability expansions in this benchmark window, adding tools, vision, reasoning, and multiple input/output modes including PDF processing and JSON schema support. The model demonstrates robust performance across coding benchmarks, achieving 93.2% on HumanEval and 88.7% on MBPP, positioning it competitively for software development tasks. Mathematical reasoning shows solid results at 89.3% on GSM8K and 56.8% on MATH, indicating strong general problem-solving ability. Vision capabilities process images effectively, while the new reasoning mode provides extended inference for complex problems. Multimodal support now includes PDF input alongside standard image processing. The addition of parallel tool calling and prompt caching enhances practical deployment scenarios. Instruction following scores 85.4% on IFEval, and MMLU performance reaches 88.1%, showing broad knowledge retention. Users gain access to a versatile model suitable for both traditional text tasks and newer multimodal workflows. The feature set expansion makes this release notably more flexible than previous versions while maintaining competitive benchmark scores across established evaluation suites.
Qualität
—
Latenz p50
—
Testläufe
0