GPT-6.1 Sol es el modelo de razonamiento de OpenAI para programación compleja, uso de la computadora y trabajo profesional. Sucede a GPT-6 Sol y ofrece un perfil equilibrado para tareas exigentes que requieren un análisis considerable. El modelo del proveedor acepta texto e imágenes y genera texto, incluidas explicaciones, código y resultados estructurados. Este perfil estándar se mantiene separado del modo de razonamiento Pro y de GPT-6 Sol.
Para trabajos de software, proporciona el código pertinente, el comportamiento esperado, la falla observada y las especificaciones del software que el cambio debe conservar. Especifica el entregable final y qué permitiría dar la tarea por completada. Un enunciado práctico es: «Compara estas dos implementaciones con los requisitos, identifica las dependencias a las que afecta cada una y devuelve una corrección concreta con las pruebas que la respaldan». Una tarea en un repositorio debe mantener visibles los nombres de archivos y los límites de los módulos en las consultas posteriores.
Para un análisis profesional, indica las fuentes y la decisión que debe tomarse. Especifica los criterios de comparación, la terminología requerida y el tratamiento de la información ausente. Si una imagen contiene pruebas, identifica si es un gráfico, un diagrama o un estado de la interfaz y qué detalle resulta importante. Pide que el resultado distinga un hallazgo visible o respaldado por las fuentes de una interpretación.
OpenAI indica un contexto de 1,050,000 tokens, una entrada máxima de 922,000 tokens y una salida máxima de 128,000 tokens. La fecha de corte de conocimientos documentada es el 30 de abril de 2026. El razonamiento ocupa espacio junto con el material fuente y la respuesta visible; agotar el presupuesto de generación puede dejar una respuesta incompleta. Prepara un contexto pertinente y deja espacio para el análisis y el entregable final, en lugar de tratar el límite de entrada como el presupuesto de toda la tarea.
Este modelo concreto admite los niveles de esfuerzo de razonamiento low, medium, high, xhigh y max, con medium como valor predeterminado. No admite none ni minimal. El esfuerzo controla cuánto razonamiento se aplica, mientras que los modos estándar y Pro representan una opción de ejecución independiente. Define la respuesta con independencia de esa profundidad: un cambio de código, un informe de decisión, un procedimiento o un registro especificado.
El proveedor utiliza Responses para las llamadas a herramientas; su interfaz Chat Completions acepta solicitudes de GPT-6.1 Sol sin herramientas. La ficha del modelo incluye Structured Outputs, respuestas en flujo y llamadas a funciones, junto con búsqueda web y en archivos, herramientas de generación de imágenes, un intérprete de código, herramientas de línea de comandos y de aplicación de cambios en archivos, habilidades, uso de la computadora, conexiones MCP y búsqueda de herramientas. La salida propia del modelo sigue siendo texto, mientras que una herramienta de generación de imágenes produce un entregable independiente.
La aplicación que lo integra proporciona y ejecuta sus operaciones y devuelve observaciones. Mantén cada resultado asociado a su llamada y su fuente para que la tarea en curso utilice pruebas reales. La guía de la familia GPT-6 también describe trabajo asíncrono con herramientas, reorientación durante un turno, conservación del razonamiento y compactación del contexto para flujos más largos; son capacidades de los flujos del proveedor, no una garantía de que cada solicitud ordinaria las active.
Indica las condiciones que permiten dar la tarea por completada y las pruebas necesarias para una conclusión. Para código, inspecciona la implementación y devuelve observaciones reales de validación. Para documentos, pide que la respuesta final identifique los hechos proporcionados, los supuestos y las preguntas sin resolver. El resultado útil es un entregable de texto o código que pueda revisarse y esté vinculado al objetivo y las fuentes originales, conservando el perfil exacto de GPT-6.1 Sol.
", "aboutText": "GPT-6.1 Sol es el modelo de razonamiento de OpenAI para programación compleja, uso de la computadora y trabajo profesional. Sucede a GPT-6 Sol y ofrece un perfil equilibrado para tareas exigentes que requieren un análisis considerable. El modelo del proveedor acepta texto e imágenes y genera texto, incluidas explicaciones, código y resultados estructurados. Este perfil estándar se mantiene separado del modo de razonamiento Pro y de GPT-6 Sol.\n\n### Preparar la tarea y la entrada\n\nPara trabajos de software, proporciona el código pertinente, el comportamiento esperado, la falla observada y las especificaciones del software que el cambio debe conservar. Especifica el entregable final y qué permitiría dar la tarea por completada. Un enunciado práctico es: «Compara estas dos implementaciones con los requisitos, identifica las dependencias a las que afecta cada una y devuelve una corrección concreta con las pruebas que la respaldan». Una tarea en un repositorio debe mantener visibles los nombres de archivos y los límites de los módulos en las consultas posteriores.\n\nPara un análisis profesional, indica las fuentes y la decisión que debe tomarse. Especifica los criterios de comparación, la terminología requerida y el tratamiento de la información ausente. Si una imagen contiene pruebas, identifica si es un gráfico, un diagrama o un estado de la interfaz y qué detalle resulta importante. Pide que el resultado distinga un hallazgo visible o respaldado por las fuentes de una interpretación.\n\n### Contexto y razonamiento\n\nOpenAI indica un contexto de 1,050,000 tokens, una entrada máxima de 922,000 tokens y una salida máxima de 128,000 tokens. La fecha de corte de conocimientos documentada es el 30 de abril de 2026. El razonamiento ocupa espacio junto con el material fuente y la respuesta visible; agotar el presupuesto de generación puede dejar una respuesta incompleta. Prepara un contexto pertinente y deja espacio para el análisis y el entregable final, en lugar de tratar el límite de entrada como el presupuesto de toda la tarea.\n\nEste modelo concreto admite los niveles de esfuerzo de razonamiento low, medium, high, xhigh y max, con medium como valor predeterminado. No admite none ni minimal. El esfuerzo controla cuánto razonamiento se aplica, mientras que los modos estándar y Pro representan una opción de ejecución independiente. Define la respuesta con independencia de esa profundidad: un cambio de código, un informe de decisión, un procedimiento o un registro especificado.\n\n### Interfaces y herramientas\n\nEl proveedor utiliza Responses para las llamadas a herramientas; su interfaz Chat Completions acepta solicitudes de GPT-6.1 Sol sin herramientas. La ficha del modelo incluye Structured Outputs, respuestas en flujo y llamadas a funciones, junto con búsqueda web y en archivos, herramientas de generación de imágenes, un intérprete de código, herramientas de línea de comandos y de aplicación de cambios en archivos, habilidades, uso de la computadora, conexiones MCP y búsqueda de herramientas. La salida propia del modelo sigue siendo texto, mientras que una herramienta de generación de imágenes produce un entregable independiente.\n\nLa aplicación que lo integra proporciona y ejecuta sus operaciones y devuelve observaciones. Mantén cada resultado asociado a su llamada y su fuente para que la tarea en curso utilice pruebas reales. La guía de la familia GPT-6 también describe trabajo asíncrono con herramientas, reorientación durante un turno, conservación del razonamiento y compactación del contexto para flujos más largos; son capacidades de los flujos del proveedor, no una garantía de que cada solicitud ordinaria las active.\n\n### Resultados útiles\n\nIndica las condiciones que permiten dar la tarea por completada y las pruebas necesarias para una conclusión. Para código, inspecciona la implementación y devuelve observaciones reales de validación. Para documentos, pide que la respuesta final identifique los hechos proporcionados, los supuestos y las preguntas sin resolver. El resultado útil es un entregable de texto o código que pueda revisarse y esté vinculado al objetivo y las fuentes originales, conservando el perfil exacto de GPT-6.1 Sol.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "07482fd1dc1ea1e143917508f19fa7e36d8cb0381c1c06312fa14e102bc620a6", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es-mx", "methods": [ { "html": "openai/gpt-6.1-sol:batchGPT-6.1 Sol es el modelo de razonamiento de OpenAI para programación compleja, uso de la computadora y análisis profesional. Acepta texto e imágenes y produce texto, con un contexto de 1,050,000 tokens y ajustes de esfuerzo que desarrollan una respuesta a partir de las pruebas aportadas y las observaciones de herramientas.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GPT-6.1 Sol es el modelo de razonamiento de OpenAI para programación compleja, uso de la computadora y trabajo profesional. Sucede a GPT-6 Sol y ofrece un perfil equilibrado para tareas exigentes que requieren un análisis considerable. El modelo del proveedor acepta texto e imágenes y genera texto, incluidas explicaciones, código y resultados estructurados. Este perfil estándar se mantiene separado del modo de razonamiento Pro y de GPT-6 Sol.
Para trabajos de software, proporciona el código pertinente, el comportamiento esperado, la falla observada y las especificaciones del software que el cambio debe conservar. Especifica el entregable final y qué permitiría dar la tarea por completada. Un enunciado práctico es: «Compara estas dos implementaciones con los requisitos, identifica las dependencias a las que afecta cada una y devuelve una corrección concreta con las pruebas que la respaldan». Una tarea en un repositorio debe mantener visibles los nombres de archivos y los límites de los módulos en las consultas posteriores.
Para un análisis profesional, indica las fuentes y la decisión que debe tomarse. Especifica los criterios de comparación, la terminología requerida y el tratamiento de la información ausente. Si una imagen contiene pruebas, identifica si es un gráfico, un diagrama o un estado de la interfaz y qué detalle resulta importante. Pide que el resultado distinga un hallazgo visible o respaldado por las fuentes de una interpretación.
OpenAI indica un contexto de 1,050,000 tokens, una entrada máxima de 922,000 tokens y una salida máxima de 128,000 tokens. La fecha de corte de conocimientos documentada es el 30 de abril de 2026. El razonamiento ocupa espacio junto con el material fuente y la respuesta visible; agotar el presupuesto de generación puede dejar una respuesta incompleta. Prepara un contexto pertinente y deja espacio para el análisis y el entregable final, en lugar de tratar el límite de entrada como el presupuesto de toda la tarea.
Este modelo concreto admite los niveles de esfuerzo de razonamiento low, medium, high, xhigh y max, con medium como valor predeterminado. No admite none ni minimal. El esfuerzo controla cuánto razonamiento se aplica, mientras que los modos estándar y Pro representan una opción de ejecución independiente. Define la respuesta con independencia de esa profundidad: un cambio de código, un informe de decisión, un procedimiento o un registro especificado.
El proveedor utiliza Responses para las llamadas a herramientas; su interfaz Chat Completions acepta solicitudes de GPT-6.1 Sol sin herramientas. La ficha del modelo incluye Structured Outputs, respuestas en flujo y llamadas a funciones, junto con búsqueda web y en archivos, herramientas de generación de imágenes, un intérprete de código, herramientas de línea de comandos y de aplicación de cambios en archivos, habilidades, uso de la computadora, conexiones MCP y búsqueda de herramientas. La salida propia del modelo sigue siendo texto, mientras que una herramienta de generación de imágenes produce un entregable independiente.
La aplicación que lo integra proporciona y ejecuta sus operaciones y devuelve observaciones. Mantén cada resultado asociado a su llamada y su fuente para que la tarea en curso utilice pruebas reales. La guía de la familia GPT-6 también describe trabajo asíncrono con herramientas, reorientación durante un turno, conservación del razonamiento y compactación del contexto para flujos más largos; son capacidades de los flujos del proveedor, no una garantía de que cada solicitud ordinaria las active.
Indica las condiciones que permiten dar la tarea por completada y las pruebas necesarias para una conclusión. Para código, inspecciona la implementación y devuelve observaciones reales de validación. Para documentos, pide que la respuesta final identifique los hechos proporcionados, los supuestos y las preguntas sin resolver. El resultado útil es un entregable de texto o código que pueda revisarse y esté vinculado al objetivo y las fuentes originales, conservando el perfil exacto de GPT-6.1 Sol.
POST /v1/batchestexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campoendpoint | Tipostring | RequisitoObligatorio | Valores y límites /v1/chat/completions | Predeterminado— |
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/gpt-6.1-sol:batch | Predeterminado— |
Camporequests | Tipobatch_item[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Camporequests[].custom_id | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Camporequests[].body.messages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campocompletion_window | Tipostring | RequisitoOpcional | Valores y límites 24h | Predeterminado— |
Campoprovider | Tipoobject|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Camporequests[].body.model | Tipostring | RequisitoOpcional | Valores y límites openai/gpt-6.1-sol:batch, openai/gpt-6.1-sol | Predeterminado— |
Campoprovider.only | Tipostring[] | RequisitoOpcional | Valores y límites openai | Predeterminado— |
Campoprovider.allow_fallbacks | Tipoboolean|null | RequisitoOpcional | Valores y límites false, null | Predeterminado— |
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratoendpoint, model, requests |
Parámetromaterial_types | Contratotext |
Parámetrorepresentation | Contratorequests[] en línea; cada elemento tiene custom_id y body |
Parámetrorequest_endpoint_profile | Contrato/v1/chat/completions |
Parámetrofile_material | ContratoQuien realiza la llamada puede leer localmente el JSONL UTF-8 real e incorporarlo a requests[]. No se utiliza el campo purpose para cargas, ni input_file_id ni referencias a archivos. Si falta el material del cliente o está vacío, la preparación se detiene antes del POST. |
Parámetroserialization_order | Contratoendpoint, model, provider (si se proporciona), completion_window (si se proporciona), requests al final |
Parámetrooptional_controls | Contratoprovider.only, provider.allow_fallbacks, completion_window |
Parámetroschema_scope | ContratoCuerpos de solicitudes de texto de Chat Completions dentro de la estructura Batch en línea documentada. |
Ciclo de vida: asynchronous
GET /v1/batches/{operation_id} · El response.id real de la respuesta de creación original; el mismo usuario, clave y grupo
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.002 / 1K tokens Salida · Tokens de salida $0.01 / 1K tokens Entrada · Lectura de caché $0.0001 / 1K tokens Entrada · Escritura en caché $0.0025 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusive272,000 | Cargo Entrada · Tokens de entrada $0.002 / 1K tokens Salida · Tokens de salida $0.01 / 1K tokens Entrada · Lectura de caché $0.0001 / 1K tokens Entrada · Escritura en caché $0.0025 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 2 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de272,000 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.004 / 1K tokens Salida · Tokens de salida $0.015 / 1K tokens Entrada · Lectura de caché $0.0002 / 1K tokens Entrada · Escritura en caché $0.005 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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: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:batch', 'openai/gpt-6.1-sol']: 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: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 de results[].response.body en línea
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\nConserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva el JSON completo del estado original, cada result/custom_id y el cuerpo completo de la respuesta o del error. Guarda results[] completados como JSONL sin filtrar.
Conserva el ID de la operación original. La respuesta 503 result_pending_check incluye X-Should-Retry:false; nunca vuelvas a enviar un lote original cuyo resultado sea desconocido.
| Campo | Tipo |
|---|---|
Camporesults[].custom_id | Tipostring |
Camporesults[].response.body.choices[].message.content | Tipostring|null |
Camporesults[].error | Tipoobject|null |
Campousage | Tipoobject|null |
Campoid | Tipostring |
Campomodel | Tipostring |
Campoendpoint | Tipostring |
Campostatus | Tipostring |
Camporequest_counts | Tipoobject |
Camporesults[].id | Tipostring |
Camporesults[].response.status_code | Tipointeger |
Camporesults[].response.request_id | Tipostring |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónLa estructura en línea documentada no es válida, hay claves duplicadas, existe un problema con la identidad de los elementos o hay un conflicto entre las capacidades configuradas del modelo. | Siguiente pasoCorrige los campos indicados antes de realizar cualquier nuevo envío. |
Respuesta401 · authentication_error | CondiciónClave de API no válida. | Siguiente pasoUsa la clave de Ailoot autorizada. |
Respuesta403 · permission_error | CondiciónGrupo de Batch no disponible. | Siguiente pasoVerifica los permisos de la clave y el grupo. |
Respuesta422 · invalid_request_error | CondiciónBatch usa facturación contra saldo; se rechazan las solicitudes de creación con una suscripción. | Siguiente pasoUsa el grupo autorizado con facturación contra saldo. |
Respuesta422 · price_unavailable | CondiciónNo se puede cotizar la entrada de Batch. | Siguiente pasoConserva la respuesta; usa la entrada documentada para la familia. |
Respuesta402 · billing_error | CondiciónReserva de Batch no disponible. | Siguiente pasoResuelve los requisitos de admisión antes de realizar una nueva solicitud. |
Respuesta503 · price_unavailable | CondiciónPrecio del método Batch o tarifas nativas no disponibles. | Siguiente pasoConserva la respuesta; no sustituyas los precios. |
Respuesta503 · api_error | CondiciónLa ruta exacta del proveedor no está disponible. | Siguiente pasoConserva la respuesta para reparar la ruta. |
Respuesta503 · result_pending_check | CondiciónEl resultado original requiere una revisión; X-Should-Retry:false. | Siguiente pasoConserva el operation_id/id original y consulta su estado; nunca repitas el POST original. |
Respuesta404 · not_found | CondiciónLa operación de consulta de estado de Batch no existe o pertenece a otra identidad. | Siguiente pasoUsa el id original exacto y el mismo usuario, clave y grupo. |
Ailoot Ultra openai/gpt-6.1-sol:batch
Usa las rutas de método indicadas arriba.