Hız analizi
Tüm benchmark çalıştırmalarında ölçülen gecikme. P50 (medyan) ve P95 (95. yüzdelik) normal ve yoğun yük altında yanıt hızının gerçekçi bir resmini verir.
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.
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.
Fiyatlar
Bu modeli Tokonomix üzerinden kullandığınızda milyon token başına ödediğiniz tutar ve tipik bir konuşma için tahmini maliyet.
Saniye başına token
Ölçülen P50 gecikmesinden türetilen saniye başına token verimi. Yüksek daha iyidir; dalgalanmalar sağlayıcı tarafındaki yükü yansıtır.
P50 gecikme × 200 çıkış token tahmininden hesaplandı — mutlak rakam bu varsayıma bağlıdır; önemli olan eğilimdir.
Yetenekler
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
—
Son 30 gün
100.0%
n=1
Medyan yanıt süresi
1,205ms
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)
0
OK yanıtlar (7d)
0
Tokonomix kıyaslama kararları
gpt-6-luna achieves significant quality gains with 43% faster response times
OpenAI's gpt-6-luna demonstrates substantial improvement across multiple dimensions in this benchmark window. The overall quality score jumped from 82.8 to 94.7, representing an 11.9 point increase that places it among top-tier models. Most notably, coding performance surged from 74 to a perfect 100, suggesting major enhancements to the model's programming capabilities. Response latency improved dramatically, with p50 times dropping from 5196ms to 2959ms, a 43% reduction that should meaningfully improve user experience. Reasoning scores held steady at 92, indicating consistent logical performance. A new creative writing category emerged with a score of 92, though direct comparison is unavailable. The benchmark window remains limited with only 3 test runs, which constrains statistical confidence but shows clear directional improvement. Users working with coding tasks will likely see the most dramatic benefits, while those focused on reasoning can expect maintained quality with significantly faster delivery. The combination of quality and speed improvements suggests meaningful architectural or optimization work between versions.
Kalite
94.7
Gecikme p50
2,959 ms
Test çalıştırmaları
3
gpt-6-luna
OpenAI tarafından
- Bağlam penceresi
- 1.05M tokens
- Giriş fiyatı
- $0.2000 / 1M
- Çıkış fiyatı
- $0.9800 / 1M
- Seviye
- Seviye B — Üretim
- Modalite
- Metin + görüntü
- API türü
- REST · akış
- Benchmark çalıştırmaları
- 241
OpenAI tarafından daha fazla
Benzer modeller