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.
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.
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=1
Últimos 30 días
100.0%
n=1
Tiempo de respuesta mediano
2,195ms
n=1
Basado en 375 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)
1
Respuestas OK (30d)
1
Total de llamadas (7d)
1
Respuestas OK (7d)
1
Veredictos del benchmark Tokonomix
GPT-6-Astra shows major quality leap with 32-point improvement
GPT-6-Astra has demonstrated substantial improvement in its second benchmark window, with overall quality jumping from 59 to 91 points. The model achieved a perfect 100 score in coding tasks, up from 74, indicating significant refinement in code generation and problem-solving capabilities. Creative performance reached 81 points in the current window, though direct comparison is limited by the absence of this metric in previous testing. Reasoning remained exceptionally stable at 92 points across both windows, suggesting this was already a strength. Notably, the previous factual category score of 11 is not present in current results, making it unclear whether this weakness was addressed or simply not retested. Latency improvements are equally impressive, with response times dropping 41 percent from 6389ms to 3764ms at the median. However, the current window includes only 3 test runs compared to 4 previously, which may affect statistical confidence. Users can expect substantially faster responses and notably stronger coding assistance, while reasoning capabilities continue to perform at their established high level. The model appears to have undergone significant optimization between benchmark periods.
Calidad
91.0
Latencia p50
3,764 ms
Ejecuciones de test
3
gpt-6-astra
por OpenAI
- Ventana de contexto
- 1.05M tokens
- Precio de entrada
- $13.00 / 1M
- Precio de salida
- $65.00 / 1M
- Tier
- Tier A — Frontera
- Modalidad
- Texto + visión
- Tipo de API
- REST · streaming
- Ejecuciones benchmark
- 240