GPT-6.1 Sol Ultrafast ist eine Modellkarte für die Analyse von Code, technischen Anforderungen und professionellen Materialien. OpenAI ordnet das zugrunde liegende GPT-6.1 Sol den Reasoning-Modellen zu und nennt anspruchsvolle Programmierung und professionelle Arbeit als Hauptschwerpunkte. Solche Modelle verwenden bei der Antwortvorbereitung interne Reasoning-Token; das sichtbare Ergebnis lässt sich als Erklärung, Programmtext oder vollständiges Dokument anfordern.
Nützliche Programmieranwendungen sind die Analyse des Verhaltens einer Funktion, die Vorbereitung einer Änderung nach Anforderungen und die Erstellung eines Refactoring-Plans. Übergeben Sie den Quellcode, Schnittstelleneinschränkungen und Beispiele von Eingabedaten und fordern Sie anschliessend ein konkretes Ergebnis an. Ergänzen Sie für die Fehlersuche erwartetes und tatsächliches Verhalten. Das Modell liefert Text: Vorgeschlagenen Code, Befehle und Prüfungen können Sie in Ihrer Arbeitsumgebung verwenden.
Bei professionellen Aufgaben lässt sich Sol in die Analyse umfangreicher Spezifikationen und die Erstellung von Materialien anhand mehrerer Quellen einbinden. Beispielsweise können Sie Anforderungen zu einer gemeinsamen Beschreibung zusammenführen, Implementierungsvarianten vergleichen, eine technische Lösung für eine andere Zielgruppe erklären oder einen Dokumententwurf vorbereiten lassen. Vergleichskriterien und Ausgangsinformationen bilden die Antwortgrundlage; das gewünschte Format hilft, ein Ergebnis zu erhalten, das sich gut prüfen und weiterverwenden lässt.
Für das zugrunde liegende GPT-6.1 Sol gibt OpenAI ein Fenster von 1 050 000 Token an. Die Modellkarte in Ailoot API sieht eine Eingabegrenze von 922 000 und eine Ausgabegrenze von 128 000 Token vor. Damit lassen sich der Umfang der Ausgangsmaterialien und der des Ergebnisses getrennt planen. Auch Reasoning-Token zählen zum Generierungsbudget; die maximale Ausgabe ist daher keine Zusage für eine Antwort derselben Länge.
Übergeben Sie bei einem grossen Projekt Dateinamen und Abschnittsbezeichnungen zusammen mit den Inhalten. Wenn sich die Frage auf eine konkrete Komponente oder ein Dokument bezieht, kennzeichnen Sie dessen Grenzen. So bleibt die Aufgabe an das relevante Material gebunden, und die vorgeschlagenen Änderungen lassen sich leichter mit den Ausgangsdaten abgleichen.
Die Modellkarte nimmt Text entgegen und liefert Text. Verfügbar sind Chat Completions, Responses und das Gemini-kompatible generateContent. Für Dokumente und Bilder wird in diesem Anwendungsfall vorab extrahierter Text oder eine Textbeschreibung verwendet. Wählen Sie die Schnittstelle Ihres Clients und geben Sie das Endergebnis, verbindliche Einschränkungen und die Antwortstruktur vor.
", "aboutText": "### Code und komplexe Arbeitsaufgaben\n\nGPT-6.1 Sol Ultrafast ist eine Modellkarte für die Analyse von Code, technischen Anforderungen und professionellen Materialien. OpenAI ordnet das zugrunde liegende GPT-6.1 Sol den Reasoning-Modellen zu und nennt anspruchsvolle Programmierung und professionelle Arbeit als Hauptschwerpunkte. Solche Modelle verwenden bei der Antwortvorbereitung interne Reasoning-Token; das sichtbare Ergebnis lässt sich als Erklärung, Programmtext oder vollständiges Dokument anfordern.\n\n### Von der Ausgangsaufgabe zur Lösung\n\nNützliche Programmieranwendungen sind die Analyse des Verhaltens einer Funktion, die Vorbereitung einer Änderung nach Anforderungen und die Erstellung eines Refactoring-Plans. Übergeben Sie den Quellcode, Schnittstelleneinschränkungen und Beispiele von Eingabedaten und fordern Sie anschliessend ein konkretes Ergebnis an. Ergänzen Sie für die Fehlersuche erwartetes und tatsächliches Verhalten. Das Modell liefert Text: Vorgeschlagenen Code, Befehle und Prüfungen können Sie in Ihrer Arbeitsumgebung verwenden.\n\nBei professionellen Aufgaben lässt sich Sol in die Analyse umfangreicher Spezifikationen und die Erstellung von Materialien anhand mehrerer Quellen einbinden. Beispielsweise können Sie Anforderungen zu einer gemeinsamen Beschreibung zusammenführen, Implementierungsvarianten vergleichen, eine technische Lösung für eine andere Zielgruppe erklären oder einen Dokumententwurf vorbereiten lassen. Vergleichskriterien und Ausgangsinformationen bilden die Antwortgrundlage; das gewünschte Format hilft, ein Ergebnis zu erhalten, das sich gut prüfen und weiterverwenden lässt.\n\n### Grosser Textkontext\n\nFür das zugrunde liegende GPT-6.1 Sol gibt OpenAI ein Fenster von 1 050 000 Token an. Die Modellkarte in Ailoot API sieht eine Eingabegrenze von 922 000 und eine Ausgabegrenze von 128 000 Token vor. Damit lassen sich der Umfang der Ausgangsmaterialien und der des Ergebnisses getrennt planen. Auch Reasoning-Token zählen zum Generierungsbudget; die maximale Ausgabe ist daher keine Zusage für eine Antwort derselben Länge.\n\nÜbergeben Sie bei einem grossen Projekt Dateinamen und Abschnittsbezeichnungen zusammen mit den Inhalten. Wenn sich die Frage auf eine konkrete Komponente oder ein Dokument bezieht, kennzeichnen Sie dessen Grenzen. So bleibt die Aufgabe an das relevante Material gebunden, und die vorgeschlagenen Änderungen lassen sich leichter mit den Ausgangsdaten abgleichen.\n\n### Eingabe und Ergebnis in Ailoot API\n\nDie Modellkarte nimmt Text entgegen und liefert Text. Verfügbar sind Chat Completions, Responses und das Gemini-kompatible generateContent. Für Dokumente und Bilder wird in diesem Anwendungsfall vorab extrahierter Text oder eine Textbeschreibung verwendet. Wählen Sie die Schnittstelle Ihres Clients und geben Sie das Endergebnis, verbindliche Einschränkungen und die Antwortstruktur vor.", "locale": "de-ch", "methods": [ { "html": "POST /v1/chat/completionstexttext| Anfrageumfang in Tokens | Eingabe | Ausgabe | Cache lesen | Cache schreiben | Cache 5 Min. | Cache 1 Stunde |
|---|---|---|---|---|---|---|
| Anfrageumfang in Tokens(0; 272'000] | Eingabe$ 0.004 | Ausgabe$ 0.02 | Cache lesen$ 0.0002 | Cache schreiben$ 0.005 | Cache 5 Min.$ 0.005 | Cache 1 Stunde$ 0.005 |
| Anfrageumfang in Tokens(272'000; ∞) | Eingabe$ 0.008 | Ausgabe$ 0.03 | Cache lesen$ 0.0004 | Cache schreiben$ 0.01 | Cache 5 Min.$ 0.01 | Cache 1 Stunde$ 0.01 |
Tarife in USD pro 1K Token. Ist kein Tarif festgelegt, wird der Grundtarif dieser Methode übernommen; «—» bedeutet, dass kein Grundtarif festgelegt ist.
POST /v1/responsestexttext| Anfrageumfang in Tokens | Eingabe | Ausgabe | Cache lesen | Cache schreiben | Cache 5 Min. | Cache 1 Stunde |
|---|---|---|---|---|---|---|
| Anfrageumfang in Tokens(0; 272'000] | Eingabe$ 0.004 | Ausgabe$ 0.02 | Cache lesen$ 0.0002 | Cache schreiben$ 0.005 | Cache 5 Min.$ 0.005 | Cache 1 Stunde$ 0.005 |
| Anfrageumfang in Tokens(272'000; ∞) | Eingabe$ 0.008 | Ausgabe$ 0.03 | Cache lesen$ 0.0004 | Cache schreiben$ 0.01 | Cache 5 Min.$ 0.01 | Cache 1 Stunde$ 0.01 |
Tarife in USD pro 1K Token. Ist kein Tarif festgelegt, wird der Grundtarif dieser Methode übernommen; «—» bedeutet, dass kein Grundtarif festgelegt ist.
POST /v1beta/models/gpt-6.1-sol-ultrafast:generateContenttexttext| Anfrageumfang in Tokens | Eingabe | Ausgabe | Cache lesen | Cache schreiben | Cache 5 Min. | Cache 1 Stunde |
|---|---|---|---|---|---|---|
| Anfrageumfang in Tokens(0; 272'000] | Eingabe$ 0.004 | Ausgabe$ 0.02 | Cache lesen$ 0.0002 | Cache schreiben$ 0.005 | Cache 5 Min.$ 0.005 | Cache 1 Stunde$ 0.005 |
| Anfrageumfang in Tokens(272'000; ∞) | Eingabe$ 0.008 | Ausgabe$ 0.03 | Cache lesen$ 0.0004 | Cache schreiben$ 0.01 | Cache 5 Min.$ 0.01 | Cache 1 Stunde$ 0.01 |
Tarife in USD pro 1K Token. Ist kein Tarif festgelegt, wird der Grundtarif dieser Methode übernommen; «—» bedeutet, dass kein Grundtarif festgelegt ist.