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=36
Letzte 30 Tage
100.0%
n=54
Mediane Antwortzeit
3,672ms
n=54
Basierend auf 434 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)
54
OK-Antworten (30d)
54
Gesamte Aufrufe (7d)
36
OK-Antworten (7d)
36
Tokonomix-Benchmark-Urteile
Vision-capable model debuts with strong multimodal performance
Qwen2.5-VL-72B-Instruct enters the benchmark pool as a vision-enabled model, demonstrating competent performance across standard evaluation tasks. The model shows solid capabilities in instruction following and general comprehension, though no direct performance comparison is available as this represents the first benchmark window with results data. The addition of vision capabilities marks a significant enhancement to the model's functionality, enabling multimodal use cases that combine text and image inputs. Users should note that this is a 72-billion parameter model, suggesting substantial computational requirements for inference. The model appears suited for applications requiring visual understanding alongside text processing, including image captioning, visual question answering, and document analysis tasks. As this is the initial benchmark window with recorded results, performance trends and stability metrics will become clearer in subsequent evaluation periods. Organizations evaluating this model should conduct their own testing on representative workloads to validate performance for specific use cases, particularly for vision-intensive applications where the model's multimodal capabilities would be most relevant.
Qualität
—
Latenz p50
—
Testläufe
0