İçeriğe geç
Seviye A — Öncü
Çalıştığı yer:USYapıldığı yer:United States
OpenAI

gpt-6-astra

Seviye A — Öncü · 1.05M token

Tokonomix Editöryel Ekibi·İnceleyen Mes Kalkan··
Bölüm 01

Hız analizi

Tüm benchmark çalıştırmalarında ölçülen gecikme. P50 (medyan) ve P95 (95. yüzdelik) normal ve yoğun yük altında yanıt hızının gerçekçi bir resmini verir.

P50 gecikme (medyan)P95 gecikme107 runs
882274446066467832910-2611-22ms
Bölüm 02

Kalite puanları

Bu modelin her soru kategorisinde sahanın geri kalanına göre nerede durduğu; aynı sorular üzerinde ikili karşılaştırmayla hesaplanır. Ham jüri puanı her sayının altındadır.

78%
Kod üretimi
jüri ortalaması 91
80%
Yaratıcı
jüri ortalaması 81
75%
Olgusal
jüri ortalaması 75
52%
Akıl yürütme
jüri ortalaması 95

Kategori başına kazanma oranı: bu modelin o kategoriden bir soruda ortalama bir modeli ne sıklıkla yendiği. %50 ortalamadır, kalma notu değildir. Doğru cevap yüzdesi de değildir.

Bölüm 03

Fiyatlar

Bu modeli Tokonomix üzerinden kullandığınızda milyon token başına ödediğiniz tutar ve tipik bir konuşma için tahmini maliyet.

💰
API tarifeleri — gpt-6-astra
$13.00 1M giriş token başına
$65.00 1M çıkış token başına
≈ $0.0208 tipik konuşma başına (800 token)
Giriş vs çıkış fiyatı (1M token başına)
1M giriş token başına$13.00
1M çıkış token başına$65.00
Bölüm 04

Saniye başına token

Ölçülen P50 gecikmesinden türetilen saniye başına token verimi. Yüksek daha iyidir; dalgalanmalar sağlayıcı tarafındaki yükü yansıtır.

Verim (token / s)204 / avg 135
22522

P50 gecikme × 200 çıkış token tahmininden hesaplandı — mutlak rakam bu varsayıma bağlıdır; önemli olan eğilimdir.

Bölüm 05

Yetenekler

toolssource: seed-newest-generation-2026-09-30visionjson modepdf inputreasoningjson schemaparallel toolsprompt cachingmax output tokens: 128000
Bölüm 06

Kullanılabilirlik

Kullanılabilirlik

Bu modelin çağrıldığında ne sıklıkla yanıt verdiği — son 30 gün içindeki gerçek API istekleri ve canlı testler üzerinden ölçülmüştür. Bu kaliteden bağımsızdır: bu sayılar yalnızca modelin yanıt verip vermediğini gösterir, yanıtın ne kadar iyi olduğunu değil.

Son 7 gün

100.0%

n=1

Son 30 gün

100.0%

n=1

Medyan yanıt süresi

2,195ms

n=1

Baz alınan 375 ölçüm son 30 gün içinde.

Teknik detaylar

Yalnızca gerçek API çağrıları ve canlı test istekleri sayılır — dahili yoklamalar ve kıyaslama çalıştırmaları hariçtir.

Özel API anahtarıyla (BYOK) yapılan çağrılar hariçtir: bu hatalar anahtara özgüdür, model kesintisinin işareti değildir.

Başarısız çağrılar kalite puanlarına DAHİL EDİLMEZ — kalite yalnızca başarılı yanıtlar üzerinden ölçülür. Kullanılabilirlik ve kalite bağımsız sinyallerdir.

Kaydedilmiş süreye sahip başarılı çağrılarda medyan yanıt süresi (p50). Aykırı değerler medyanı ortalamadan daha az etkiler.

Toplam çağrı (30d)

1

OK yanıtlar (30d)

1

Toplam çağrı (7d)

1

OK yanıtlar (7d)

1

Bölüm 07

Tokonomix kıyaslama kararları

⚖️
Endorsed by 1 judge
Independent LLM judges evaluated this model on our weekly intelligence tests
claude-sonnet-4-586/100 · 28 runs
22 correct3 partial3 wrong79% accuracy
● 2026-11-22

GPT-6-Astra shows major quality leap with 32-point improvement

GPT-6-Astra has demonstrated substantial improvement in its second benchmark window, with overall quality jumping from 59 to 91 points. The model achieved a perfect 100 score in coding tasks, up from 74, indicating significant refinement in code generation and problem-solving capabilities. Creative performance reached 81 points in the current window, though direct comparison is limited by the absence of this metric in previous testing. Reasoning remained exceptionally stable at 92 points across both windows, suggesting this was already a strength. Notably, the previous factual category score of 11 is not present in current results, making it unclear whether this weakness was addressed or simply not retested. Latency improvements are equally impressive, with response times dropping 41 percent from 6389ms to 3764ms at the median. However, the current window includes only 3 test runs compared to 4 previously, which may affect statistical confidence. Users can expect substantially faster responses and notably stronger coding assistance, while reasoning capabilities continue to perform at their established high level. The model appears to have undergone significant optimization between benchmark periods.

Kalite

91.0

Gecikme p50

3,764 ms

Test çalıştırmaları

3

✓ Quality improved 32 points✓ Perfect coding score achieved✓ Latency reduced 41 percent✗ Fewer test runs this window
Son otomatik test
22 Kas 2026 · 08:04 UTC · Hız testi
P50 gecikme
980 ms
P95 gecikme
1207 ms
Hatalar
0 / 6 çalıştırma
Son inceleyen Tokonomix Ekibi·22 Kasım 2026