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=7
Letzte 30 Tage
100.0%
n=7
Mediane Antwortzeit
676ms
n=7
Basierend auf 387 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)
7
OK-Antworten (30d)
7
Gesamte Aufrufe (7d)
7
OK-Antworten (7d)
7
Tokonomix-Benchmark-Urteile
Quality rebounds 12.9 points to 85.1 as factual performance recovers
Qwen3-Coder-30B-A3B-Instruct has demonstrated a significant recovery in this benchmark window, climbing from 72.2 to 85.1 in overall quality score. The most dramatic improvement came from factual performance, which surged from a critically low 14 to a respectable 71, addressing the collapse that defined the previous period. Coding performance remains rock-solid at 92, maintaining consistency across both windows, while multilingual capabilities continue to excel at 92. The reasoning category, which scored a perfect 100 previously, was not tested in the current window, and creative writing was also absent from this evaluation period. Latency increased moderately from 2544ms to 2898ms at the median, representing approximately a 14% slowdown. This trade-off between speed and quality suggests potential model adjustments or infrastructure changes. With five test runs in both windows, the sample size provides reasonable confidence in these results. Users can expect strong coding and multilingual capabilities with much-improved factual accuracy compared to the previous window, though the latency increase may impact time-sensitive applications. The model appears to have stabilized after its previous quality drop.
Qualität
85.1
Latenz p50
2,898 ms
Testläufe
5