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
Resultados de evaluación de modelos juez en diversas categorías de tareas. Las puntuaciones reflejan coherencia, precisión y seguimiento de instrucciones.
Historial de precios
Tarifas directas del proveedor por millón de tokens, más una estimación del coste de una conversación típica.
Pricing over time
Input & output per 1M tokens · step-line = price changes
$0.9100
input / 1M
— stable
$0.9100
output / 1M
— stable
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=3
Últimos 30 días
100.0%
n=27
Tiempo de respuesta mediano
4,412ms
n=27
Basado en 422 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)
27
Respuestas OK (30d)
27
Total de llamadas (7d)
3
Respuestas OK (7d)
3
Veredictos del benchmark Tokonomix
Quality rebounds to 93.3 with vision added, but latency doubles to 16s
Qwen2.5-VL-72B-Instruct shows significant quality improvement this window, climbing from 88.8 to 93.3 overall. The model has gained vision capabilities, marking its first multimodal offering. Performance across categories is more balanced than before, with factual scores recovering from a previous low of 57 to reach 87, though still the weakest category. Creative writing maintains excellence at 100, while reasoning holds steady at a perfect score. Multilingual capabilities remain strong at 87. The major concern is latency, which has doubled from 8.9 seconds to 16.4 seconds at the median. This substantial slowdown likely correlates with the addition of vision processing, but represents a notable degradation in responsiveness that will impact user experience. The model processed 13 test runs this window compared to 5 previously, providing a more robust sample size for these metrics. Users gain a more capable model with improved factual accuracy and new visual understanding, but must weigh this against significantly longer wait times. The quality gains are meaningful, particularly for applications requiring balanced performance across diverse tasks, though latency-sensitive use cases may find the slower response problematic.
Calidad
—
Latencia p50
—
Ejecuciones de test
0