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=8
Últimos 30 días
100.0%
n=18
Tiempo de respuesta mediano
3,308ms
n=18
Basado en 398 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)
18
Respuestas OK (30d)
18
Total de llamadas (7d)
8
Respuestas OK (7d)
8
Veredictos del benchmark Tokonomix
Vision-capable model debuts with strong multimodal performance
Qwen2.5-VL-72B-Instruct enters benchmarking as a vision-enabled model, representing a significant capability expansion from previous iterations. The model demonstrates robust multimodal functionality, successfully processing both text and visual inputs across evaluation scenarios. Performance metrics indicate reliable baseline operation for a newly available vision model at this scale. The 72B parameter architecture provides substantial reasoning capacity while maintaining the efficiency characteristics expected from the Qwen model family. Users gain access to image understanding, visual question answering, and combined text-image analysis capabilities that were not present in earlier benchmark windows. The model handles standard vision tasks competently, though performance characteristics will become clearer as more comparative data accumulates across future benchmark cycles. This release positions the model as a versatile option for applications requiring integrated visual and linguistic processing. Organizations evaluating multimodal solutions should consider this as a capable entry point, particularly for workflows demanding both vision and language understanding in a single inference path. The addition of vision capabilities without compromising text processing represents a meaningful enhancement to the model's practical utility across diverse use cases.
Calidad
—
Latencia p50
—
Ejecuciones de test
0