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
100.0%
n=7
30 derniers jours
100.0%
n=16
Temps de réponse médian
9,770ms
n=16
Basé sur 140 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)
16
Réponses OK (30d)
16
Total des appels (7d)
7
Réponses OK (7d)
7
Verdicts benchmark Tokonomix
Initial baseline established with strong multimodal capabilities
This is the first benchmark window for gpt-6-sol, establishing baseline performance metrics across all evaluation categories. The model demonstrates strong multimodal capabilities with support for tools, vision, JSON mode, PDF input, reasoning, JSON schema, parallel tools, and prompt caching. Performance shows notable strengths in mathematical reasoning with a MATH score of 94.2 and competitive coding ability reflected in a LiveCodeBench score of 52.5. The model achieves 88.0 on MMLU, indicating solid general knowledge capabilities. GPQA performance at 65.8 suggests good scientific reasoning ability, while MMMU scores 73.5 for multimodal understanding. Creative writing achieves a score of 78.2. The model supports a 128,000 token context window, providing substantial capacity for complex tasks. With no previous benchmark data available, these metrics serve as the reference point for future performance tracking. Users should note this is a capable multimodal model with particular strength in mathematical and coding tasks, supported by a comprehensive feature set including vision and reasoning capabilities.
Qualité
—
Latence p50
—
Exécutions de test
0