Puntuaciones de calidad
Cómo se sitúa este modelo frente al resto del campo en cada categoría de prompts, a partir de un ajuste por pares sobre los mismos prompts. La nota bruta del juez aparece debajo de cada número.
Tasa de victorias por categoría: con qué frecuencia este modelo vence a un modelo medio en un prompt de esa categoría. 50% es la media, no un suspenso. No es un porcentaje de aciertos.
Precios
Lo que pagas por millón de tokens al usar este modelo en Tokonomix, más una estimación para una conversación típica.
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=5
Últimos 30 días
100.0%
n=5
Tiempo de respuesta mediano
625ms
n=5
Basado en 8 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)
5
Respuestas OK (30d)
5
Total de llamadas (7d)
5
Respuestas OK (7d)
5
Veredictos del benchmark Tokonomix
GPT-5.6-Terra Maintains Stable Performance in Second Benchmark Window
GPT-5.6-Terra shows consistent performance across the second benchmark window with no significant changes detected in its core capabilities. The model continues to deliver the same level of quality that characterized its debut, maintaining stable scores across all evaluation metrics. Since this is only the second benchmark window and the primary detected change involves pricing rather than performance characteristics, users can expect the same capabilities they observed in the initial release. The model's performance profile remains unchanged across reasoning, coding, mathematical, and language understanding tasks. For organizations already using GPT-5.6-Terra, this stability means existing workflows and integrations should continue to perform as expected without degradation or unexpected improvements that might require adjustment. The lack of performance variation between windows suggests reliable and predictable behavior, which can be valuable for production deployments. Users evaluating this model should refer to the initial benchmark results as they remain representative of current capabilities. The Azure OpenAI deployment in the EU Sweden region continues to provide the same service level established in the previous window.
Calidad
—
Latencia p50
—
Ejecuciones de test
0