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=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
Tokonomix kıyaslama kararları
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
gpt-6-sol
OpenAI tarafından
- Bağlam penceresi
- 1.05M tokens
- Giriş fiyatı
- $2.60 / 1M
- Çıkış fiyatı
- $13.00 / 1M
- Seviye
- Seviye A — Öncü
- Modalite
- Metin + görüntü
- API türü
- REST · akış
- Benchmark çalıştırmaları
- 241
OpenAI tarafından daha fazla