Ir al contenido
Tier A — Frontera
Se ejecuta en:USCreado en:United States
OpenAI

gpt-6-sol

Tier A — Frontera · 1.05M tokens

Equipo editorial Tokonomix·Revisado por Mes Kalkan··
Sección 01

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.

Latencia P50 (mediana)Latencia P95107 runs
563110716502194273710-2611-22ms
Sección 02

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.

73%
Generación de código
media del juez 90
96%
Creativo
media del juez 90
45%
Factual
media del juez 69
51%
Razonamiento
media del juez 95

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.

Sección 03

Precios

Lo que pagas por millón de tokens al usar este modelo en Tokonomix, más una estimación para una conversación típica.

💰
Tarifas API — gpt-6-sol
$2.60 por 1M de tokens de entrada
$13.00 por 1M de tokens de salida
≈ $0.0042 por conversación típica (800 tokens)
Precio entrada vs salida (por 1M de tokens)
por 1M de tokens de entrada$2.60
por 1M de tokens de salida$13.00
Sección 04

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.

Rendimiento (tokens / s)289 / avg 249
35267

Estimado a partir de latencia P50 × 200 tokens de salida — el número absoluto depende de esta suposición; lo que importa es la tendencia.

Sección 05

Capacidades

toolssource: seed-newest-generation-2026-09-30visionjson modepdf inputreasoningjson schemaparallel toolsprompt cachingmax output tokens: 128000
Sección 06

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

—

Últimos 30 días

100.0%

n=23

Tiempo de respuesta mediano

14,958ms

n=23

Basado en 397 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)

23

Respuestas OK (30d)

23

Total de llamadas (7d)

0

Respuestas OK (7d)

0

Sección 07

Veredictos del benchmark Tokonomix

⚖️
Endorsed by 1 judge
Independent LLM judges evaluated this model on our weekly intelligence tests
claude-sonnet-4-584/100 · 28 runs
22 correct3 partial3 wrong79% accuracy
● 2026-11-22

Major quality leap with 37-point gain, now scoring 94/100 overall

GPT-6-SOL demonstrates a substantial performance improvement in this benchmark window, jumping from 56.8 to 94.0 overall quality score. The 37.2-point increase represents one of the most significant improvements observed between consecutive windows. Coding performance reached a perfect 100, up from 74, while creative tasks scored 90. Reasoning remained consistently strong at 92 across both windows, indicating stable performance in logical tasks. The previous window's notably low factual score of 5 is absent from current metrics, suggesting either category restructuring or significant correction of knowledge retrieval issues. Latency also improved by 19 percent, dropping from 2929ms to 2377ms at the median, though response times remain in the multi-second range. With only 3 test runs in the current window compared to 4 previously, the sample size is limited but results appear promising. The dramatic quality improvement, particularly in coding capabilities, positions this model as a strong performer, though users should monitor whether these gains persist across larger sample sizes in future windows.

Calidad

94.0

Latencia p50

2,377 ms

Ejecuciones de test

3

✓ Quality up 37 points✓ Perfect coding score achieved✓ 19% faster response time✗ Limited test sample size
Última prueba automática
22 nov 2026 · 14:02 UTC · Benchmark de velocidad
Latencia P50
693 ms
Latencia P95
715 ms
Errores
0 / 6 ejecuciones
Última revisión por Equipo Tokonomix·22 de noviembre de 2026