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=1,659
Tiempo de respuesta mediano
2,029ms
n=1,659
Basado en 2,039 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)
1,659
Respuestas OK (30d)
1,659
Total de llamadas (7d)
0
Respuestas OK (7d)
0
Veredictos del benchmark Tokonomix
Quality improves to 78.4 as reasoning emerges, but latency degrades 160%
Mistral-Small-3.2-24B-Instruct-2506 shows meaningful quality improvement in this window, rising from 74.0 to 78.4 overall. The most significant development is the addition of reasoning capability, now scoring 92 alongside the consistently strong coding performance that maintains its 92 rating. Factual question handling has improved from a concerning 38 to 56, though this remains the weakest category and suggests continued limitations in knowledge retrieval tasks. Multilingual performance declined from 92 to 74, indicating potential regression in non-English language support. The trade-off comes in latency, which has increased dramatically from 5595ms to 14532ms at median, representing a 160% slowdown that will impact user experience noticeably. This latency degradation suggests infrastructure changes or model adjustments that prioritize capability over speed. Users focused on coding and reasoning tasks will benefit from the enhanced performance, while those requiring fast responses or multilingual support should weigh these constraints carefully. The factual scoring improvement is encouraging but still leaves substantial room for advancement in information accuracy.
Calidad
78.4
Latencia p50
14,532 ms
Ejecuciones de test
5