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
1,118ms
n=1
Gebaseerd op 125 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
gpt-6-luna debuts with strong coding performance and multimodal capabilities
OpenAI's gpt-6-luna enters the benchmarking arena with a comprehensive feature set and competitive performance across multiple domains. The model demonstrates particular strength in coding tasks, achieving 74.8% on HumanEval and 80.2% on MBPP, positioning it among the stronger code-generation models currently available. Mathematical reasoning shows solid results with 88.3% on GSM8K, though MATH performance at 71.2% suggests room for improvement on more challenging problems. Multimodal capabilities are present with vision support, alongside modern tooling features including function calling, JSON mode with schema support, PDF input processing, and parallel tool execution. The model also incorporates reasoning capabilities and prompt caching for efficiency. General language understanding appears competent with 85.1% on MMLU, indicating broad knowledge coverage. As a baseline entry, gpt-6-luna presents as a well-rounded model suitable for developers requiring strong coding assistance combined with multimodal input handling. Future benchmark windows will reveal performance stability and how it evolves relative to competing models in this rapidly advancing space.
Kwaliteit
—
Latency p50
—
Testruns
0