Kullanımdan kaldırma tarihi
Sağlayıcı bu modeli 4 Kasım 2026 tarihinde kullanımdan kaldıracak. O zamana kadar her zamanki gibi çalışır.
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=1,671
Medyan yanıt süresi
2,034ms
n=1,671
Baz alınan 2,051 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)
1,671
OK yanıtlar (30d)
1,671
Toplam çağrı (7d)
0
OK yanıtlar (7d)
0
Görüntü kalite kontrolü pilotu (2026-06-10)
Geri çağırma
9.4%
n=300
Yanlış alarm
12.1%
n=300
Tokonomix kıyaslama kararları
Quality improves to 78.4 as reasoning emerges, but latency degrades 160%
Mistral-Small-3.2-24B-Instruct-2506 shows meaningful quality improvement in this window, rising from 74.0 to 78.4 overall. The most significant development is the addition of reasoning capability, now scoring 92 alongside the consistently strong coding performance that maintains its 92 rating. Factual question handling has improved from a concerning 38 to 56, though this remains the weakest category and suggests continued limitations in knowledge retrieval tasks. Multilingual performance declined from 92 to 74, indicating potential regression in non-English language support. The trade-off comes in latency, which has increased dramatically from 5595ms to 14532ms at median, representing a 160% slowdown that will impact user experience noticeably. This latency degradation suggests infrastructure changes or model adjustments that prioritize capability over speed. Users focused on coding and reasoning tasks will benefit from the enhanced performance, while those requiring fast responses or multilingual support should weigh these constraints carefully. The factual scoring improvement is encouraging but still leaves substantial room for advancement in information accuracy.
Kalite
78.4
Gecikme p50
14,532 ms
Test çalıştırmaları
5