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
100.0%
n=36
Son 30 gün
100.0%
n=54
Medyan yanıt süresi
3,672ms
n=54
Baz alınan 434 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)
54
OK yanıtlar (30d)
54
Toplam çağrı (7d)
36
OK yanıtlar (7d)
36
Tokonomix kıyaslama kararları
Vision-capable model debuts with strong multimodal performance
Qwen2.5-VL-72B-Instruct enters the benchmark pool as a vision-enabled model, demonstrating competent performance across standard evaluation tasks. The model shows solid capabilities in instruction following and general comprehension, though no direct performance comparison is available as this represents the first benchmark window with results data. The addition of vision capabilities marks a significant enhancement to the model's functionality, enabling multimodal use cases that combine text and image inputs. Users should note that this is a 72-billion parameter model, suggesting substantial computational requirements for inference. The model appears suited for applications requiring visual understanding alongside text processing, including image captioning, visual question answering, and document analysis tasks. As this is the initial benchmark window with recorded results, performance trends and stability metrics will become clearer in subsequent evaluation periods. Organizations evaluating this model should conduct their own testing on representative workloads to validate performance for specific use cases, particularly for vision-intensive applications where the model's multimodal capabilities would be most relevant.
Kalite
—
Gecikme p50
—
Test çalıştırmaları
0