Fecha de retirada
El proveedor retirará este modelo el 4 de noviembre de 2026. Hasta entonces funciona con normalidad.
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
—
Últimos 30 días
100.0%
n=23
Tiempo de respuesta mediano
1,834ms
n=23
Basado en 403 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
Veredictos del benchmark Tokonomix
Major quality leap to 93 with factual scores up 37 points
Mistral-Small-3.2-24B-Instruct-2506 demonstrates a substantial quality improvement, jumping 13.8 points to reach an overall score of 93 out of 100. The most dramatic change is in factual accuracy, which surged from 55 to 92, resolving the critical weakness identified in the previous benchmark period. Reasoning capabilities now join the measured categories at a strong 92, indicating enhanced logical processing. Coding performance remains excellent, climbing slightly from 92 to 96, while multilingual support holds steady at 92, maintaining its previously strong position. Latency has increased moderately from 6438 ms to 7183 ms at the median, representing roughly an 11 percent slowdown. This tradeoff appears to correlate with the significant quality gains across categories. The model now presents a well-rounded performance profile without the factual quality gap that previously limited its reliability. Users requiring high-accuracy factual responses will find this iteration substantially more dependable, though those with strict latency requirements should account for the modest speed decrease. With consistent performance across five test runs in both windows, these improvements appear stable and reproducible.
Calidad
93.0
Latencia p50
7,183 ms
Ejecuciones de test
5