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

gpt-6-sol

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
563110716502194273710-2611-22ms
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.

73%
Kod üretimi
jüri ortalaması 90
96%
Yaratıcı
jüri ortalaması 90
45%
Olgusal
jüri ortalaması 69
51%
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-sol
$2.60 1M giriş token başına
$13.00 1M çıkış token başına
≈ $0.0042 tipik konuşma başına (800 token)
Giriş vs çıkış fiyatı (1M token başına)
1M giriş token başına$2.60
1M çıkış token başına$13.00
Bölüm 04

Saniye başına token

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

Verim (token / s)289 / avg 249
35267

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=23

Medyan yanıt süresi

14,958ms

n=23

Baz alınan 397 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)

23

OK yanıtlar (30d)

23

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-4-584/100 · 28 runs
22 correct3 partial3 wrong79% accuracy
● 2026-11-22

Major quality leap with 37-point gain, now scoring 94/100 overall

GPT-6-SOL demonstrates a substantial performance improvement in this benchmark window, jumping from 56.8 to 94.0 overall quality score. The 37.2-point increase represents one of the most significant improvements observed between consecutive windows. Coding performance reached a perfect 100, up from 74, while creative tasks scored 90. Reasoning remained consistently strong at 92 across both windows, indicating stable performance in logical tasks. The previous window's notably low factual score of 5 is absent from current metrics, suggesting either category restructuring or significant correction of knowledge retrieval issues. Latency also improved by 19 percent, dropping from 2929ms to 2377ms at the median, though response times remain in the multi-second range. With only 3 test runs in the current window compared to 4 previously, the sample size is limited but results appear promising. The dramatic quality improvement, particularly in coding capabilities, positions this model as a strong performer, though users should monitor whether these gains persist across larger sample sizes in future windows.

Kalite

94.0

Gecikme p50

2,377 ms

Test çalıştırmaları

3

✓ Quality up 37 points✓ Perfect coding score achieved✓ 19% faster response time✗ Limited test sample size
Son otomatik test
22 Kas 2026 · 14:02 UTC · Hız testi
P50 gecikme
693 ms
P95 gecikme
715 ms
Hatalar
0 / 6 çalıştırma
Son inceleyen Tokonomix Ekibi·22 Kasım 2026