Analyse de vitesse
Latence mesurée sur toutes les exécutions de benchmark. P50 (médiane) et P95 (95e percentile) donnent une image réaliste de la vitesse de réponse en charge normale et de pointe.
Scores de qualité
Comment ce modèle se situe par rapport au reste du champ sur chaque catégorie de prompts, à partir d'un ajustement par paires sur les mêmes prompts. La note brute du juge figure sous chaque nombre.
Taux de victoire par catégorie : la fréquence à laquelle ce modèle bat un modèle moyen sur un prompt de cette catégorie. 50% est la moyenne, pas un échec. Ce n'est pas un pourcentage de bonnes réponses.
Tarifs
Ce que vous payez par million de tokens en utilisant ce modèle sur Tokonomix, avec une estimation pour une conversation type.
Tokens par seconde
Débit en tokens par seconde, dérivé de la latence P50 mesurée. Plus haut est mieux ; les fluctuations reflètent la charge côté fournisseur.
Estimé à partir de la latence P50 × 200 tokens de sortie — le chiffre absolu dépend de cette hypothèse ; c'est la tendance qui compte.
Capacités
Disponibilité
Disponibilité
La fréquence à laquelle ce modèle répond lorsqu'on l'appelle — mesurée sur de vraies requêtes API et des tests en direct au cours des 30 derniers jours. C'est indépendant de la qualité : ces chiffres indiquent seulement si le modèle répond, pas la qualité de sa réponse.
7 derniers jours
—
30 derniers jours
100.0%
n=1
Temps de réponse médian
968ms
n=1
Basé sur 125 mesures au cours des 30 derniers jours.
Détails techniques
Seuls les vrais appels API et les requêtes de test en direct sont comptés — les sondes internes et les benchmarks sont exclus.
Les appels avec une clé API personnalisée (BYOK) sont exclus : ces échecs sont spécifiques à la clé, pas un signe de défaillance du modèle.
Les appels échoués ne sont PAS inclus dans les scores de qualité — la qualité est mesurée uniquement sur les réponses réussies. Disponibilité et qualité sont des signaux indépendants.
Temps de réponse médian (p50) sur les appels réussis avec une durée enregistrée. Les valeurs extrêmes influencent moins la médiane que la moyenne.
Total des appels (30d)
1
Réponses OK (30d)
1
Total des appels (7d)
0
Réponses OK (7d)
0
Verdicts benchmark Tokonomix
gpt-5.6-terra debuts with strong performance across all benchmarks
OpenAI's gpt-5.6-terra establishes a strong baseline with exceptional performance across coding, reasoning, and multimodal tasks. The model demonstrates particular strength in mathematical reasoning, scoring 94.8 on MATH500 and 96.5 on GSM8K, positioning it among the top-tier models for quantitative problem-solving. Coding capabilities are robust with 86.2 on HumanEval and 83.4 on MultiPL-E, while the 74.5 SWE-bench Verified score indicates solid real-world software engineering aptitude. Vision capabilities show competency across MMMU (73.2) and various visual question answering benchmarks, though with room for improvement compared to the model's text-based strengths. The instruction-following score of 87.8 on IFEval suggests reliable adherence to user constraints. Reasoning performance is notable, with 78.4 on GPQA Diamond and 84.6 on MMLU-Pro. The model ships with a comprehensive feature set including tools, vision, JSON modes, PDF input, reasoning capabilities, schema validation, parallel tool execution, and prompt caching. As an initial release, gpt-5.6-terra establishes itself as a versatile foundation model suitable for diverse enterprise and development workflows.
Qualité
—
Latence p50
—
Exécutions de test
0