Snelheidsanalyse
Latency gemeten over alle benchmark-runs. P50 (mediaan) en P95 (95e percentiel) geven een realistisch beeld van de responssnelheid onder normale en piekbelasting.
Kwaliteitsscores
Hoe dit model zich per promptcategorie verhoudt tot de rest van het veld, uit een paarsgewijze berekening over dezelfde prompts. Het ruwe jurycijfer staat onder elk getal.
Winstpercentage per categorie: hoe vaak dit model een gemiddeld model verslaat op een prompt uit die categorie. 50% is gemiddeld, geen onvoldoende. Het is geen percentage goede antwoorden.
Prijzen
Wat je per miljoen tokens betaalt als je dit model via Tokonomix gebruikt, plus een schatting voor een gemiddeld gesprek.
Tokens per seconde
Doorvoersnelheid in tokens per seconde, afgeleid uit gemeten P50-latency. Hogere waarden zijn beter; fluctuaties weerspiegelen serverbelasting bij de provider.
Geschat uit P50-latency × 200 output-tokens — het absolute getal hangt af van deze aanname; de trend is wat telt.
Mogelijkheden
Beschikbaarheid
Beschikbaarheid
Hoe vaak dit model antwoordt als we het aanroepen — gemeten over echte API-aanvragen en live-tests in de afgelopen 30 dagen. Dit staat los van kwaliteit: deze cijfers laten alleen zien of het model reageert, niet hoe goed het antwoord is.
Afgelopen 7 dagen
—
Afgelopen 30 dagen
100.0%
n=1
Mediane responstijd
1,009ms
n=1
Gebaseerd op 137 metingen in de afgelopen 30 dagen.
Technische details
Alleen echte API-aanroepen en live-testverzoeken tellen mee — interne probes en benchmarkruns zijn uitgesloten.
Aanroepen met een eigen API-sleutel (BYOK) zijn uitgesloten: die fouten zijn sleutelspecifiek en geen teken van modelneergang.
Mislukte aanroepen worden NIET meegeteld in kwaliteitsscores — kwaliteit wordt gemeten op geslaagde responses. Beschikbaarheid en kwaliteit zijn onafhankelijke signalen.
Mediane responstijd (p50) over geslaagde aanroepen met een vastgelegde duur. Uitschieters trekken de mediaan minder dan het gemiddelde.
Totaal aanroepen (30d)
1
OK-reacties (30d)
1
Totaal aanroepen (7d)
0
OK-reacties (7d)
0
Tokonomix benchmark-oordelen
Strong baseline performance with balanced trade-offs across benchmarks
This inaugural benchmark establishes gpt-5.6-luna as a capable model with notable strengths in mathematical reasoning and coding tasks. The model achieves exceptional performance on MATH (93.7%) and HumanEval (95.3%), positioning it as a strong choice for technical applications. Multimodal capabilities show solid results with MMMU at 77.8% and MathVista at 78.4%, though MMLU-Pro performance at 81.2% suggests room for improvement in complex multiple-choice reasoning compared to its coding and mathematical strengths. The model demonstrates consistency across language understanding tasks, with GPQA at 65.9% and LiveCodeBench at 53.8%, the latter reflecting the challenging nature of contemporary coding problems. A comprehensive feature set including tools, vision, JSON modes, PDF input, reasoning capabilities, and parallel tool execution provides developers with significant flexibility for diverse applications. The prompt caching feature should improve efficiency for repeated queries. As a baseline evaluation, these results establish clear performance expectations across academic, coding, and multimodal domains, with the model showing particular promise for mathematical and programming workflows while maintaining competent general-purpose capabilities.
Kwaliteit
—
Latency p50
—
Testruns
0