Geschwindigkeitsanalyse
Latenz über alle Benchmark-Läufe gemessen. P50 (Median) und P95 (95. Perzentil) zeigen ein realistisches Bild der Antwortgeschwindigkeit bei normaler und Spitzenlast.
Qualitätswerte
Auswertungsergebnisse aus Judge-Model-Bewertungen über verschiedene Aufgabenkategorien. Werte spiegeln Kohärenz, Genauigkeit und Anweisungsbefolgung wider.
Preisverlauf
Direkte Provider-Tarife pro Million Tokens, plus eine typische Gesprächskostenschätzung.
Pricing over time
Input & output per 1M tokens · step-line = price changes
$0.9100
input / 1M
— stable
$0.9100
output / 1M
— stable
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=36
Mediane Antwortzeit
4,186ms
n=36
Basierend auf 426 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)
36
OK-Antworten (30d)
36
Gesamte Aufrufe (7d)
0
OK-Antworten (7d)
0
Tokonomix-Benchmark-Urteile
Quality drops 10 points with slower response times and factual weakness
Qwen2.5-VL-72B-Instruct experienced a notable decline in this benchmark window, with overall quality falling from 98.8 to 88.8 points while latency increased by 37 percent to 8.9 seconds at the median. The model demonstrates exceptional strength in multilingual and reasoning tasks, both scoring perfect 100s, and maintains outstanding creative capabilities at 98 points. However, factual accuracy emerged as a significant weakness, scoring just 57 points and representing a substantial gap in the model's performance profile. The previous window included coding benchmarks where the model scored 98, but this category was not tested in the current window, making direct comparison incomplete. Thelatency increase from 6.5 to 8.9 seconds suggests either infrastructure changes or increased processing complexity. Despite the quality decline, the model retains strong capabilities in three of four tested categories. Users should be aware of the factual accuracy limitations when deploying this model for knowledge-intensive applications, while the model remains well-suited for creative, multilingual, and reasoning-heavy workloads where it continues to excel.
Quality
88.8
Latency p50
8,876 ms
Test runs
5
Qwen2.5-VL-72B-Instruct
von OVH AI Endpoints (GRA)
- Kontextfenster
- — tokens
- Eingabepreis
- $0.9100 / 1M
- Ausgabepreis
- $0.9100 / 1M
- Tier
- Tier B — Produktion
- Modalität
- Text + Bild
- API-Typ
- REST · Streaming
- Benchmark-Läufe
- 301
Mehr von OVH AI Endpoints (GRA)