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=23
Medyan yanıt süresi
1,834ms
n=23
Baz alınan 403 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
Görüntü kalite kontrolü pilotu (2026-06-10)
Geri çağırma
9.4%
n=300
Yanlış alarm
12.1%
n=300
Tokonomix kıyaslama kararları
Major quality leap to 93 with factual scores up 37 points
Mistral-Small-3.2-24B-Instruct-2506 demonstrates a substantial quality improvement, jumping 13.8 points to reach an overall score of 93 out of 100. The most dramatic change is in factual accuracy, which surged from 55 to 92, resolving the critical weakness identified in the previous benchmark period. Reasoning capabilities now join the measured categories at a strong 92, indicating enhanced logical processing. Coding performance remains excellent, climbing slightly from 92 to 96, while multilingual support holds steady at 92, maintaining its previously strong position. Latency has increased moderately from 6438 ms to 7183 ms at the median, representing roughly an 11 percent slowdown. This tradeoff appears to correlate with the significant quality gains across categories. The model now presents a well-rounded performance profile without the factual quality gap that previously limited its reliability. Users requiring high-accuracy factual responses will find this iteration substantially more dependable, though those with strict latency requirements should account for the modest speed decrease. With consistent performance across five test runs in both windows, these improvements appear stable and reproducible.
Kalite
93.0
Gecikme p50
7,183 ms
Test çalıştırmaları
5