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
Résultats d'évaluation issus des notations du modèle juge sur diverses catégories de tâches. Les scores reflètent la cohérence, la précision et le suivi des instructions.
Historique des tarifs
Tarifs directs du fournisseur par million de tokens, plus une estimation du coût d'une conversation typique.
Pricing over time
Input & output per 1M tokens · step-line = price changes
$0.9100
input / 1M
— stable
$0.9100
output / 1M
— stable
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=3
30 derniers jours
100.0%
n=27
Temps de réponse médian
4,412ms
n=27
Basé sur 422 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)
27
Réponses OK (30d)
27
Total des appels (7d)
3
Réponses OK (7d)
3
Verdicts benchmark Tokonomix
Quality rebounds to 93.3 with vision added, but latency doubles to 16s
Qwen2.5-VL-72B-Instruct shows significant quality improvement this window, climbing from 88.8 to 93.3 overall. The model has gained vision capabilities, marking its first multimodal offering. Performance across categories is more balanced than before, with factual scores recovering from a previous low of 57 to reach 87, though still the weakest category. Creative writing maintains excellence at 100, while reasoning holds steady at a perfect score. Multilingual capabilities remain strong at 87. The major concern is latency, which has doubled from 8.9 seconds to 16.4 seconds at the median. This substantial slowdown likely correlates with the addition of vision processing, but represents a notable degradation in responsiveness that will impact user experience. The model processed 13 test runs this window compared to 5 previously, providing a more robust sample size for these metrics. Users gain a more capable model with improved factual accuracy and new visual understanding, but must weigh this against significantly longer wait times. The quality gains are meaningful, particularly for applications requiring balanced performance across diverse tasks, though latency-sensitive use cases may find the slower response problematic.
Qualité
—
Latence p50
—
Exécutions de test
0