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=9
30 derniers jours
94.4%
n=18
Temps de réponse médian
17,715ms
n=17
Basé sur 191 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)
18
Réponses OK (30d)
17
Total des appels (7d)
9
Réponses OK (7d)
9
Verdicts benchmark Tokonomix
gpt-6.1-sol adds multimodal tools with strong reasoning and coding results
OpenAI's gpt-6.1-sol introduces significant capability expansions in this benchmark window, adding tools, vision, reasoning, and multiple input/output modes including PDF processing and JSON schema support. The model demonstrates robust performance across coding benchmarks, achieving 93.2% on HumanEval and 88.7% on MBPP, positioning it competitively for software development tasks. Mathematical reasoning shows solid results at 89.3% on GSM8K and 56.8% on MATH, indicating strong general problem-solving ability. Vision capabilities process images effectively, while the new reasoning mode provides extended inference for complex problems. Multimodal support now includes PDF input alongside standard image processing. The addition of parallel tool calling and prompt caching enhances practical deployment scenarios. Instruction following scores 85.4% on IFEval, and MMLU performance reaches 88.1%, showing broad knowledge retention. Users gain access to a versatile model suitable for both traditional text tasks and newer multimodal workflows. The feature set expansion makes this release notably more flexible than previous versions while maintaining competitive benchmark scores across established evaluation suites.
Qualité
—
Latence p50
—
Exécutions de test
0