Análisis de velocidad
Latencia medida en todas las ejecuciones de benchmark. P50 (mediana) y P95 (percentil 95) dan una imagen realista de la velocidad de respuesta bajo carga normal y máxima.
Precios
Lo que pagas por millón de tokens al usar este modelo en Tokonomix, más una estimación para una conversación típica.
Tokens por segundo
Rendimiento en tokens por segundo, derivado de la latencia P50 medida. Más alto es mejor; las fluctuaciones reflejan la carga del lado del proveedor.
Estimado a partir de latencia P50 × 200 tokens de salida — el número absoluto depende de esta suposición; lo que importa es la tendencia.
Capacidades
Disponibilidad
Disponibilidad
Con qué frecuencia responde este modelo cuando lo llamamos — medido en solicitudes reales de API y pruebas en vivo durante los últimos 30 días. Esto es independiente de la calidad: estos números solo indican si el modelo responde, no qué tan buena es la respuesta.
Últimos 7 días
100.0%
n=314
Últimos 30 días
100.0%
n=323
Tiempo de respuesta mediano
43,455ms
n=323
Basado en 443 mediciones en los últimos 30 días.
Detalles técnicos
Solo cuentan las llamadas reales a la API y las solicitudes de prueba en vivo — las sondas internas y las ejecuciones de referencia están excluidas.
Las llamadas con una clave API propia (BYOK) están excluidas: esos fallos son específicos de la clave, no una señal de inactividad del modelo.
Las llamadas fallidas NO se incluyen en las puntuaciones de calidad — la calidad se mide solo en respuestas exitosas. Disponibilidad y calidad son señales independientes.
Tiempo de respuesta mediano (p50) en llamadas exitosas con una duración registrada. Los valores atípicos afectan menos a la mediana que a la media.
Total de llamadas (30d)
323
Respuestas OK (30d)
323
Total de llamadas (7d)
314
Respuestas OK (7d)
314
Veredictos del benchmark Tokonomix
Claude Opus 5.5 establishes baseline with strong reasoning performance
Claude Opus 5.5 enters benchmarking as Anthropic's flagship model with comprehensive multimodal capabilities including vision, PDF input, and structured output support through JSON mode and schema validation. The model demonstrates exceptional performance in mathematical reasoning, achieving 94.2% on MATH-500 and 96.7% on GSM8K, positioning it among the strongest quantitative reasoning models available. Coding capabilities are robust with 93.1% on HumanEval, though MMLU performance at 88.5% suggests room for improvement in broad knowledge tasks compared to top-tier models. The model supports tool use and prompt caching, enabling complex agenging workflows and cost optimization for repetitive tasks. Context handling extends to 200K tokens with a 64K output limit, providing substantial capacity for long-document processing. As a baseline entry, Claude Opus 5.5 establishes itself as a well-rounded model with particular strength in technical domains. Users requiring advanced mathematical reasoning or multimodal analysis will find strong capabilities, while those prioritizing broad knowledge coverage may need to evaluate against alternatives. The inclusion of extended thinking and reasoning features suggests optimization for complex problem-solving workflows.
Calidad
—
Latencia p50
—
Ejecuciones de test
0