İçeriğe geç
Seviye B — Üretim
Çalıştığı yer:USYapıldığı yer:United States
OpenAI

gpt-6-luna

Seviye B — Üretim · 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
50846428775129091704210-2611-22ms
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.

69%
Kod üretimi
jüri ortalaması 89
97%
Yaratıcı
jüri ortalaması 92
84%
Olgusal
jüri ortalaması 84
57%
Akıl yürütme
jüri ortalaması 94

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-luna
$0.2000 1M giriş token başına
$0.9800 1M çıkış token başına
≈ $0.0003 tipik konuşma başına (800 token)
Giriş vs çıkış fiyatı (1M token başına)
1M giriş token başına$0.2000
1M çıkış token başına$0.9800
Bölüm 04

Saniye başına token

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

Verim (token / s)205 / avg 248
39020

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

—

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

Bölüm 07

Tokonomix kıyaslama kararları

⚖️
Endorsed by 1 judge
Independent LLM judges evaluated this model on our weekly intelligence tests
claude-sonnet-4-589/100 · 27 runs
22 correct3 partial2 wrong81% accuracy
● 2026-11-22

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

✓ Quality up 11.9 points✓ 43% latency reduction✓ Coding score reached 100✗ Limited test run sample
Son otomatik test
22 Kas 2026 · 14:02 UTC · Hız testi
P50 gecikme
974 ms
P95 gecikme
1120 ms
Hatalar
0 / 6 çalıştırma
Son inceleyen Tokonomix Ekibi·22 Kasım 2026