GPT-6.1 Sol Pro betegner OpenAI’s GPT-6.1 Sol med Pro-ræsonnering. Basismodellen er udformet til kompleks programmering, computerbrug og professionelt arbejde. Den modtager tekst og billeder og producerer tekst. Pro tilføjer modelarbejde for at udvikle det endelige svar; det beskriver, hvordan den valgte model arbejder på anmodningen, mens ræsonneringsindsatsen styrer mængden af ræsonnering inden for tilstanden. Denne forskel holder identiteten som GPT-6.1 Sol adskilt fra Pro-eksekveringsindstillingen.
Til en krævende ingeniøropgave skal den påkrævede adfærd, de relevante filer eller kodeuddrag og de krav, ændringen skal bevare, leveres. En eksempelanmodning er at undersøge to mulige implementeringer, identificere de afhængigheder, hver af dem påvirker, og udarbejde et ændringsforslag med en kortfattet forklaring af afvejningerne. Ved professionel analyse skal dokumenterne, den beslutning, der skal træffes, og kriterierne for at sammenligne alternativer leveres. Hvis et billede indeholder vigtig dokumentation, skal det grænsefladeelement, diagram eller den detalje, svaret skal behandle, angives.
OpenAI angiver et kontekstvindue på 1.050.000 tokens for basismodellen, et maksimalt input på 922.000 tokens og et maksimalt output på 128.000 tokens. Dens dokumenterede vidensgrænse er den 30. april 2026. Ræsonnering optager også tokenplads, så et langt input og et langt synligt svar skal give plads til modellens analyse. Forbered det relevante materiale med tydelige mærkater og definitioner, og angiv slutresultatet: en kodeændring, et beslutningsnotat, en procedure eller en struktureret samling fund.
Basismodellens dokumenterede ræsonneringsindsatser er low, medium, high, xhigh og max; medium er standard. Den understøtter ikke none eller minimal. OpenAI dokumenterer Pro i Responses API til vanskeligt arbejde, der kan rumme ekstra ventetid og modelaktivitet. For GPT-6.1 Sol bruger værktøjskald Responses; producentens Chat Completions-grænseflade accepterer anmodninger uden værktøjer. Disse forskelle er vigtige ved udformning af en arbejdsgang omkring modellen frem for at behandle alle grænseflader og ræsonneringsindstillinger som udskiftelige.
Producenten angiver streaming, Structured Outputs og funktionskald sammen med web- og filsøgning, billedgenereringsværktøjer, en kodefortolker, shell- og patchværktøjer, skills, computerbrug, MCP-forbindelser og værktøjssøgning. Basismodellens output forbliver tekst; et billedgenereringsværktøj er en separat operation. En applikation definerer de tilgængelige værktøjer, udfører sine egne operationer og returnerer deres resultater, så modellen kan fortsætte. GPT-6-dokumentationen beskriver også asynkront værktøjsarbejde, justering af et aktivt svarforløb, bevarelse af ræsonnering mellem kald og komprimering af en lang samtale.
Giv modellen et tydeligt afslutningskriterium og den dokumentation, den skal bruge til at kontrollere resultatet. Ved kodegennemgang skal den berørte adfærd og en konkret forklaring af hvert væsentligt problem efterspørges. Ved en dokumentbeslutning skal de leverede fakta, den valgte tilgang og de betingelser, konklusionen afhænger af, efterspørges. Et nyttigt slutresultat gør beslutningen og dens grundlag eksplicitte, så næste person eller applikationstrin kan handle på et konkret resultat.
", "aboutText": "GPT-6.1 Sol Pro betegner OpenAI’s GPT-6.1 Sol med Pro-ræsonnering. Basismodellen er udformet til kompleks programmering, computerbrug og professionelt arbejde. Den modtager tekst og billeder og producerer tekst. Pro tilføjer modelarbejde for at udvikle det endelige svar; det beskriver, hvordan den valgte model arbejder på anmodningen, mens ræsonneringsindsatsen styrer mængden af ræsonnering inden for tilstanden. Denne forskel holder identiteten som GPT-6.1 Sol adskilt fra Pro-eksekveringsindstillingen.\n\nTil en krævende ingeniøropgave skal den påkrævede adfærd, de relevante filer eller kodeuddrag og de krav, ændringen skal bevare, leveres. En eksempelanmodning er at undersøge to mulige implementeringer, identificere de afhængigheder, hver af dem påvirker, og udarbejde et ændringsforslag med en kortfattet forklaring af afvejningerne. Ved professionel analyse skal dokumenterne, den beslutning, der skal træffes, og kriterierne for at sammenligne alternativer leveres. Hvis et billede indeholder vigtig dokumentation, skal det grænsefladeelement, diagram eller den detalje, svaret skal behandle, angives.\n\nOpenAI angiver et kontekstvindue på 1.050.000 tokens for basismodellen, et maksimalt input på 922.000 tokens og et maksimalt output på 128.000 tokens. Dens dokumenterede vidensgrænse er den 30. april 2026. Ræsonnering optager også tokenplads, så et langt input og et langt synligt svar skal give plads til modellens analyse. Forbered det relevante materiale med tydelige mærkater og definitioner, og angiv slutresultatet: en kodeændring, et beslutningsnotat, en procedure eller en struktureret samling fund.\n\nBasismodellens dokumenterede ræsonneringsindsatser er low, medium, high, xhigh og max; medium er standard. Den understøtter ikke none eller minimal. OpenAI dokumenterer Pro i Responses API til vanskeligt arbejde, der kan rumme ekstra ventetid og modelaktivitet. For GPT-6.1 Sol bruger værktøjskald Responses; producentens Chat Completions-grænseflade accepterer anmodninger uden værktøjer. Disse forskelle er vigtige ved udformning af en arbejdsgang omkring modellen frem for at behandle alle grænseflader og ræsonneringsindstillinger som udskiftelige.\n\nProducenten angiver streaming, Structured Outputs og funktionskald sammen med web- og filsøgning, billedgenereringsværktøjer, en kodefortolker, shell- og patchværktøjer, skills, computerbrug, MCP-forbindelser og værktøjssøgning. Basismodellens output forbliver tekst; et billedgenereringsværktøj er en separat operation. En applikation definerer de tilgængelige værktøjer, udfører sine egne operationer og returnerer deres resultater, så modellen kan fortsætte. GPT-6-dokumentationen beskriver også asynkront værktøjsarbejde, justering af et aktivt svarforløb, bevarelse af ræsonnering mellem kald og komprimering af en lang samtale.\n\nGiv modellen et tydeligt afslutningskriterium og den dokumentation, den skal bruge til at kontrollere resultatet. Ved kodegennemgang skal den berørte adfærd og en konkret forklaring af hvert væsentligt problem efterspørges. Ved en dokumentbeslutning skal de leverede fakta, den valgte tilgang og de betingelser, konklusionen afhænger af, efterspørges. Et nyttigt slutresultat gør beslutningen og dens grundlag eksplicitte, så næste person eller applikationstrin kan handle på et konkret resultat.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "9502c76c7e9c22ab2a470770c472f28666ac8825d431d6b06f8efe78f3241f62", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "openai/gpt-6.1-sol-pro:batchGPT-6.1 Sol med Pro-ræsonnering til kompleks programmering, computerbrug og professionel analyse. Pro tilføjer modelarbejde før det endelige svar, mens den underliggende model håndterer tekst og billeder og producerer tekst.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GPT-6.1 Sol Pro betegner OpenAI’s GPT-6.1 Sol med Pro-ræsonnering. Basismodellen er udformet til kompleks programmering, computerbrug og professionelt arbejde. Den modtager tekst og billeder og producerer tekst. Pro tilføjer modelarbejde for at udvikle det endelige svar; det beskriver, hvordan den valgte model arbejder på anmodningen, mens ræsonneringsindsatsen styrer mængden af ræsonnering inden for tilstanden. Denne forskel holder identiteten som GPT-6.1 Sol adskilt fra Pro-eksekveringsindstillingen.
Til en krævende ingeniøropgave skal den påkrævede adfærd, de relevante filer eller kodeuddrag og de krav, ændringen skal bevare, leveres. En eksempelanmodning er at undersøge to mulige implementeringer, identificere de afhængigheder, hver af dem påvirker, og udarbejde et ændringsforslag med en kortfattet forklaring af afvejningerne. Ved professionel analyse skal dokumenterne, den beslutning, der skal træffes, og kriterierne for at sammenligne alternativer leveres. Hvis et billede indeholder vigtig dokumentation, skal det grænsefladeelement, diagram eller den detalje, svaret skal behandle, angives.
OpenAI angiver et kontekstvindue på 1.050.000 tokens for basismodellen, et maksimalt input på 922.000 tokens og et maksimalt output på 128.000 tokens. Dens dokumenterede vidensgrænse er den 30. april 2026. Ræsonnering optager også tokenplads, så et langt input og et langt synligt svar skal give plads til modellens analyse. Forbered det relevante materiale med tydelige mærkater og definitioner, og angiv slutresultatet: en kodeændring, et beslutningsnotat, en procedure eller en struktureret samling fund.
Basismodellens dokumenterede ræsonneringsindsatser er low, medium, high, xhigh og max; medium er standard. Den understøtter ikke none eller minimal. OpenAI dokumenterer Pro i Responses API til vanskeligt arbejde, der kan rumme ekstra ventetid og modelaktivitet. For GPT-6.1 Sol bruger værktøjskald Responses; producentens Chat Completions-grænseflade accepterer anmodninger uden værktøjer. Disse forskelle er vigtige ved udformning af en arbejdsgang omkring modellen frem for at behandle alle grænseflader og ræsonneringsindstillinger som udskiftelige.
Producenten angiver streaming, Structured Outputs og funktionskald sammen med web- og filsøgning, billedgenereringsværktøjer, en kodefortolker, shell- og patchværktøjer, skills, computerbrug, MCP-forbindelser og værktøjssøgning. Basismodellens output forbliver tekst; et billedgenereringsværktøj er en separat operation. En applikation definerer de tilgængelige værktøjer, udfører sine egne operationer og returnerer deres resultater, så modellen kan fortsætte. GPT-6-dokumentationen beskriver også asynkront værktøjsarbejde, justering af et aktivt svarforløb, bevarelse af ræsonnering mellem kald og komprimering af en lang samtale.
Giv modellen et tydeligt afslutningskriterium og den dokumentation, den skal bruge til at kontrollere resultatet. Ved kodegennemgang skal den berørte adfærd og en konkret forklaring af hvert væsentligt problem efterspørges. Ved en dokumentbeslutning skal de leverede fakta, den valgte tilgang og de betingelser, konklusionen afhænger af, efterspørges. Et nyttigt slutresultat gør beslutningen og dens grundlag eksplicitte, så næste person eller applikationstrin kan handle på et konkret resultat.
POST /v1/batchestexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltendpoint | Typestring | KravPåkrævet | Værdier og grænser /v1/chat/completions | Standard— |
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser openai/gpt-6.1-sol-pro:batch | Standard— |
Feltrequests | Typebatch_item[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltrequests[].custom_id | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltrequests[].body.messages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltcompletion_window | Typestring | KravValgfrit | Værdier og grænser 24h | Standard— |
Feltprovider | Typeobject|null | KravValgfrit | Værdier og grænser | Standard— |
Feltrequests[].body.model | Typestring | KravValgfrit | Værdier og grænser openai/gpt-6.1-sol-pro:batch, openai/gpt-6.1-sol-pro | Standard— |
Feltprovider.only | Typestring[] | KravValgfrit | Værdier og grænser openai | Standard— |
Feltprovider.allow_fallbacks | Typeboolean|null | KravValgfrit | Værdier og grænser false, null | Standard— |
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktendpoint, model, requests |
Parametermaterial_types | Kontrakttext |
Parameterrepresentation | Kontraktrequests[] direkte i anmodningen; hvert element har custom_id og body |
Parameterrequest_endpoint_profile | Kontrakt/v1/chat/completions |
Parameterfile_material | KontraktDen kaldende part kan læse det faktiske JSONL-indhold i UTF-8 lokalt ind i requests[]. Der angives hverken purpose til upload, input_file_id eller en filreference. Hvis kundematerialet mangler eller er tomt, stoppes forberedelsen før POST. |
Parameterserialization_order | Kontraktendpoint, model, provider (hvis angivet), completion_window (hvis angivet), requests til sidst |
Parameteroptional_controls | Kontraktprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | KontraktAnmodningsindhold for Chat Completions med tekst i den dokumenterede inline Batch-struktur. |
Livscyklus: asynchronous
GET /v1/batches/{operation_id} · det faktiske response.id fra den oprindelige oprettelse; samme bruger/nøgle/gruppe
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.002 / 1K tokens Output · Outputtokens $0.01 / 1K tokens Input · Cachelæsning $0.0001 / 1K tokens Input · Cacheskrivning $0.0025 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og med272.000 | Beløb Input · Inputtokens $0.002 / 1K tokens Output · Outputtokens $0.01 / 1K tokens Input · Cachelæsning $0.0001 / 1K tokens Input · Cacheskrivning $0.0025 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 2 | Takstplan— | Konteksttokens, mere end272.000 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.004 / 1K tokens Output · Outputtokens $0.015 / 1K tokens Input · Cachelæsning $0.0002 / 1K tokens Input · Cacheskrivning $0.005 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-6.1-sol-pro:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['openai/gpt-6.1-sol-pro:batch', 'openai/gpt-6.1-sol-pro']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-6.1-sol-pro:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON direkte i results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nGem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Gem hele den oprindelige status i JSON, hvert resultat/custom_id og det fulde svar- eller fejlindhold. Gem færdige results[] som JSONL uden filtrering.
Gem det oprindelige operations-ID. 503 result_pending_check har X-Should-Retry:false; send aldrig en oprindelig batch igen, hvis dens udfald er ukendt.
| Felt | Type |
|---|---|
Feltresults[].custom_id | Typestring |
Feltresults[].response.body.choices[].message.content | Typestring|null |
Feltresults[].error | Typeobject|null |
Feltusage | Typeobject|null |
Feltid | Typestring |
Feltmodel | Typestring |
Feltendpoint | Typestring |
Feltstatus | Typestring |
Feltrequest_counts | Typeobject |
Feltresults[].id | Typestring |
Feltresults[].response.status_code | Typeinteger |
Feltresults[].response.request_id | Typestring |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldig dokumenteret inline-struktur, dublerede nøgler, ugyldig elementidentitet eller konflikt med modellens konfigurerede funktioner. | Næste trinRet de angivne felter, før du sender en ny anmodning. |
Svar401 · authentication_error | BetingelseUgyldig API-nøgle. | Næste trinBrug den godkendte Ailoot-nøgle. |
Svar403 · permission_error | BetingelseBatch-gruppen er ikke tilgængelig. | Næste trinKontrollér nøglens/gruppens adgangsrettigheder. |
Svar422 · invalid_request_error | BetingelseBatch afregnes via saldoen; oprettelse via et abonnement afvises. | Næste trinBrug den godkendte gruppe med saldoafregning. |
Svar422 · price_unavailable | BetingelseDer kan ikke beregnes en pris for Batch-inputtet. | Næste trinGem svaret; brug det dokumenterede input for API-familien. |
Svar402 · billing_error | BetingelseReservationen til Batch er ikke tilgængelig. | Næste trinAfklar adgangen, før du sender en ny anmodning. |
Svar503 · price_unavailable | BetingelsePrisen for Batch-metoden eller de native satser er ikke tilgængelige. | Næste trinGem svaret; erstat ikke priserne med andre priser. |
Svar503 · api_error | BetingelseDen præcise leverandørrute er ikke tilgængelig. | Næste trinGem svaret, så ruten kan repareres. |
Svar503 · result_pending_check | BetingelseDet oprindelige resultat skal kontrolleres; X-Should-Retry:false. | Næste trinGem det oprindelige operation_id/id, og læs dets status; gentag aldrig den oprindelige POST. |
Svar404 · not_found | BetingelseOperationen til Batch-status findes ikke eller tilhører en anden identitet. | Næste trinBrug det nøjagtige oprindelige id og samme bruger/nøgle/gruppe. |
Ailoot Ultra openai/gpt-6.1-sol-pro:batch
Brug metodestierne vist ovenfor.