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
100.0%
n=7
Afgelopen 30 dagen
100.0%
n=16
Mediane responstijd
9,770ms
n=16
Gebaseerd op 140 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)
16
OK-reacties (30d)
16
Totaal aanroepen (7d)
7
OK-reacties (7d)
7
Tokonomix benchmark-oordelen
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.
Kwaliteit
—
Latency p50
—
Testruns
0