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=11
Afgelopen 30 dagen
94.4%
n=18
Mediane responstijd
17,715ms
n=17
Gebaseerd op 154 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)
18
OK-reacties (30d)
17
Totaal aanroepen (7d)
11
OK-reacties (7d)
11
Tokonomix benchmark-oordelen
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.
Kwaliteit
—
Latency p50
—
Testruns
0