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
1,118ms
n=1
Basé sur 201 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-6-luna adds reasoning and multimodal features, benchmark data pending
OpenAI's gpt-6-luna has expanded its capabilities significantly since the previous benchmark window, adding reasoning functionality, vision support, PDF input processing, and multiple tool-related features including parallel tool execution and prompt caching. The model now supports both standard JSON mode and JSON schema validation, alongside its existing coding and multimodal capabilities. However, no benchmark performance data is available for the current window, making it impossible to assess how these new features translate into measurable improvements across standard evaluation metrics. The previous window showed strong performance, but without current data we cannot determine whether quality has improved, degraded, or remained stable with the addition of these features. Users should note that while the feature set has expanded considerably, independent verification of performance across reasoning tasks, vision understanding, and the various tool execution modes awaits benchmark results. The model's practical effectiveness in production scenarios remains to be demonstrated through systematic testing. Organizations considering adoption should wait for comprehensive benchmark data before making deployment decisions.
Qualité
—
Latence p50
—
Exécutions de test
0