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=7
Tiempo de respuesta mediano
10,144ms
n=7
Basado en 387 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)
7
Respuestas OK (30d)
7
Total de llamadas (7d)
0
Respuestas OK (7d)
0
Veredictos del benchmark Tokonomix
Qwen3.5-9B quality plummets 51 points with 53% latency increase
Qwen3.5-9B by OVH AI Endpoints experienced a severe performance degradation in the current benchmark window. The overall quality score collapsed from 96.0 to 45.0, representing a 51-point drop that signals significant model capability issues. Multilingual performance, the only category with current data, fell from a perfect 100 to just 45, while coding scores disappeared entirely from the current window. Latency performance also deteriorated substantially, with the median response time climbing from 14,645ms to 22,418ms, a 53% increase that pushes the p50 past 22 seconds. The current window shows only a single test run compared to two in the previous period, which may indicate reduced service reliability or availability. This dramatic regression across both quality and performance metrics suggests potential infrastructure problems, model version issues, or service disruptions at the GRA endpoint. Users should exercise caution and may experience inconsistent results until these issues are resolved.
Calidad
45.0
Latencia p50
22,418 ms
Ejecuciones de test
1