GPT-6.1 Sol Pro designa GPT-6.1 Sol de OpenAI con razonamiento Pro. El modelo base está diseñado para programación compleja, uso del ordenador y trabajo profesional. Acepta texto e imágenes y produce texto. Pro hace que el modelo trabaje más para elaborar la respuesta final; describe cómo trabaja el modelo seleccionado en la solicitud, mientras que el esfuerzo de razonamiento controla la cantidad de razonamiento dentro de ese modo. Esta distinción mantiene separada la identidad de GPT-6.1 Sol del ajuste de ejecución Pro.
Para una tarea de ingeniería exigente, proporciona el comportamiento requerido, los archivos o fragmentos de código pertinentes y las restricciones que el cambio debe conservar. Una solicitud ilustrativa consiste en examinar dos posibles implementaciones, identificar las dependencias a las que afecta cada una y producir una propuesta de cambio con una explicación breve de sus ventajas e inconvenientes. Para un análisis profesional, proporciona los documentos, la decisión que debe tomarse y los criterios para comparar alternativas. Si una imagen contiene pruebas importantes, identifica el elemento de la interfaz, el diagrama o el detalle que debe abordar la respuesta.
OpenAI indica una ventana de contexto de 1.050.000 tokens para el modelo base, una entrada máxima de 922.000 tokens y una salida máxima de 128.000 tokens. Su fecha de corte de conocimientos documentada es el 30 de abril de 2026. El razonamiento también ocupa espacio en tokens, por lo que una entrada larga y una respuesta visible larga necesitan dejar espacio para el análisis del modelo. Prepara el material pertinente con etiquetas y definiciones claras y especifica el entregable: un cambio de código, un informe de decisión, un procedimiento o un conjunto estructurado de hallazgos.
Las opciones de esfuerzo de razonamiento documentadas para el modelo base son low, medium, high, xhigh y max; medium es el valor predeterminado. No admite none ni minimal. OpenAI documenta Pro en la API Responses para trabajos difíciles que pueden tolerar una mayor latencia y más actividad del modelo. Para GPT-6.1 Sol, las llamadas a herramientas utilizan Responses; la interfaz Chat Completions del proveedor acepta solicitudes sin herramientas. Estas distinciones importan al diseñar un flujo de trabajo con el modelo, en lugar de tratar todas las interfaces y ajustes de razonamiento como intercambiables.
El proveedor incluye respuestas en flujo, Structured Outputs 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 del ordenador, conexiones MCP y búsqueda de herramientas. La salida del modelo base sigue siendo texto; una herramienta de generación de imágenes es una operación independiente. La aplicación define las herramientas disponibles, ejecuta sus propias operaciones y devuelve sus resultados para que el modelo pueda continuar. La documentación de GPT-6 también describe trabajo asíncrono con herramientas, reorientación de un turno activo, conservación del razonamiento entre llamadas y compactación de una conversación larga.
Proporciona al modelo un criterio de finalización claro y las pruebas que debe utilizar para comprobar el resultado. En una revisión de código, pide el comportamiento afectado y una explicación concreta de cada problema importante. En una decisión basada en documentos, pide los hechos proporcionados, la solución seleccionada y las condiciones de las que depende la conclusión. Un entregable final útil hace explícitas la decisión y su fundamento para que la siguiente persona o el siguiente paso de la aplicación actúen a partir de un resultado concreto.
", "aboutText": "GPT-6.1 Sol Pro designa GPT-6.1 Sol de OpenAI con razonamiento Pro. El modelo base está diseñado para programación compleja, uso del ordenador y trabajo profesional. Acepta texto e imágenes y produce texto. Pro hace que el modelo trabaje más para elaborar la respuesta final; describe cómo trabaja el modelo seleccionado en la solicitud, mientras que el esfuerzo de razonamiento controla la cantidad de razonamiento dentro de ese modo. Esta distinción mantiene separada la identidad de GPT-6.1 Sol del ajuste de ejecución Pro.\n\nPara una tarea de ingeniería exigente, proporciona el comportamiento requerido, los archivos o fragmentos de código pertinentes y las restricciones que el cambio debe conservar. Una solicitud ilustrativa consiste en examinar dos posibles implementaciones, identificar las dependencias a las que afecta cada una y producir una propuesta de cambio con una explicación breve de sus ventajas e inconvenientes. Para un análisis profesional, proporciona los documentos, la decisión que debe tomarse y los criterios para comparar alternativas. Si una imagen contiene pruebas importantes, identifica el elemento de la interfaz, el diagrama o el detalle que debe abordar la respuesta.\n\nOpenAI indica una ventana de contexto de 1.050.000 tokens para el modelo base, una entrada máxima de 922.000 tokens y una salida máxima de 128.000 tokens. Su fecha de corte de conocimientos documentada es el 30 de abril de 2026. El razonamiento también ocupa espacio en tokens, por lo que una entrada larga y una respuesta visible larga necesitan dejar espacio para el análisis del modelo. Prepara el material pertinente con etiquetas y definiciones claras y especifica el entregable: un cambio de código, un informe de decisión, un procedimiento o un conjunto estructurado de hallazgos.\n\nLas opciones de esfuerzo de razonamiento documentadas para el modelo base son low, medium, high, xhigh y max; medium es el valor predeterminado. No admite none ni minimal. OpenAI documenta Pro en la API Responses para trabajos difíciles que pueden tolerar una mayor latencia y más actividad del modelo. Para GPT-6.1 Sol, las llamadas a herramientas utilizan Responses; la interfaz Chat Completions del proveedor acepta solicitudes sin herramientas. Estas distinciones importan al diseñar un flujo de trabajo con el modelo, en lugar de tratar todas las interfaces y ajustes de razonamiento como intercambiables.\n\nEl proveedor incluye respuestas en flujo, Structured Outputs 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 del ordenador, conexiones MCP y búsqueda de herramientas. La salida del modelo base sigue siendo texto; una herramienta de generación de imágenes es una operación independiente. La aplicación define las herramientas disponibles, ejecuta sus propias operaciones y devuelve sus resultados para que el modelo pueda continuar. La documentación de GPT-6 también describe trabajo asíncrono con herramientas, reorientación de un turno activo, conservación del razonamiento entre llamadas y compactación de una conversación larga.\n\nProporciona al modelo un criterio de finalización claro y las pruebas que debe utilizar para comprobar el resultado. En una revisión de código, pide el comportamiento afectado y una explicación concreta de cada problema importante. En una decisión basada en documentos, pide los hechos proporcionados, la solución seleccionada y las condiciones de las que depende la conclusión. Un entregable final útil hace explícitas la decisión y su fundamento para que la siguiente persona o el siguiente paso de la aplicación actúen a partir de un resultado concreto.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Compare duplicate-prevention designs\n\nCompare two job designs using these supplied facts. A records completion after a remote send. B records 'started' before the send and skips all started jobs. The process may crash before or after the send, and the receiver supports an idempotency key. Propose a recoverable design, explain the failure windows and give scenario checks without performing any sends.A design comparison, proposed state transitions and crash-window checks using the stated receiver capability.Check the proposal handles both unsent started jobs and sends completed before local recording.openai/gpt-6.1-sol-proGPT-6.1 Sol con razonamiento Pro para programación compleja, uso del ordenador y análisis profesional. Pro hace que el modelo trabaje más antes de la respuesta final, mientras que el modelo subyacente procesa texto e imágenes y produce texto.
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 Pro designa GPT-6.1 Sol de OpenAI con razonamiento Pro. El modelo base está diseñado para programación compleja, uso del ordenador y trabajo profesional. Acepta texto e imágenes y produce texto. Pro hace que el modelo trabaje más para elaborar la respuesta final; describe cómo trabaja el modelo seleccionado en la solicitud, mientras que el esfuerzo de razonamiento controla la cantidad de razonamiento dentro de ese modo. Esta distinción mantiene separada la identidad de GPT-6.1 Sol del ajuste de ejecución Pro.
Para una tarea de ingeniería exigente, proporciona el comportamiento requerido, los archivos o fragmentos de código pertinentes y las restricciones que el cambio debe conservar. Una solicitud ilustrativa consiste en examinar dos posibles implementaciones, identificar las dependencias a las que afecta cada una y producir una propuesta de cambio con una explicación breve de sus ventajas e inconvenientes. Para un análisis profesional, proporciona los documentos, la decisión que debe tomarse y los criterios para comparar alternativas. Si una imagen contiene pruebas importantes, identifica el elemento de la interfaz, el diagrama o el detalle que debe abordar la respuesta.
OpenAI indica una ventana de contexto de 1.050.000 tokens para el modelo base, una entrada máxima de 922.000 tokens y una salida máxima de 128.000 tokens. Su fecha de corte de conocimientos documentada es el 30 de abril de 2026. El razonamiento también ocupa espacio en tokens, por lo que una entrada larga y una respuesta visible larga necesitan dejar espacio para el análisis del modelo. Prepara el material pertinente con etiquetas y definiciones claras y especifica el entregable: un cambio de código, un informe de decisión, un procedimiento o un conjunto estructurado de hallazgos.
Las opciones de esfuerzo de razonamiento documentadas para el modelo base son low, medium, high, xhigh y max; medium es el valor predeterminado. No admite none ni minimal. OpenAI documenta Pro en la API Responses para trabajos difíciles que pueden tolerar una mayor latencia y más actividad del modelo. Para GPT-6.1 Sol, las llamadas a herramientas utilizan Responses; la interfaz Chat Completions del proveedor acepta solicitudes sin herramientas. Estas distinciones importan al diseñar un flujo de trabajo con el modelo, en lugar de tratar todas las interfaces y ajustes de razonamiento como intercambiables.
El proveedor incluye respuestas en flujo, Structured Outputs 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 del ordenador, conexiones MCP y búsqueda de herramientas. La salida del modelo base sigue siendo texto; una herramienta de generación de imágenes es una operación independiente. La aplicación define las herramientas disponibles, ejecuta sus propias operaciones y devuelve sus resultados para que el modelo pueda continuar. La documentación de GPT-6 también describe trabajo asíncrono con herramientas, reorientación de un turno activo, conservación del razonamiento entre llamadas y compactación de una conversación larga.
Proporciona al modelo un criterio de finalización claro y las pruebas que debe utilizar para comprobar el resultado. En una revisión de código, pide el comportamiento afectado y una explicación concreta de cada problema importante. En una decisión basada en documentos, pide los hechos proporcionados, la solución seleccionada y las condiciones de las que depende la conclusión. Un entregable final útil hace explícitas la decisión y su fundamento para que la siguiente persona o el siguiente paso de la aplicación actúen a partir de un resultado concreto.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/gpt-6.1-sol-pro | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
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 $0.004 / 1K tokens Salida · Tokens de salida $0.02 / 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 |
| ConfiguraciónTramo 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 $0.004 / 1K tokens Salida · Tokens de salida $0.02 / 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 |
| ConfiguraciónTramo 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 $0.008 / 1K tokens Salida · Tokens de salida $0.03 / 1K tokens Entrada · Lectura de caché $0.0004 / 1K tokens Entrada · Escritura en caché $0.01 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-6.1-sol-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-6.1-sol-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-6.1-sol-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra openai/gpt-6.1-sol-pro
Usa las rutas de método indicadas arriba.
openai/gpt-6.1-sol-proGPT-6.1 Sol con razonamiento Pro para programación compleja, uso del ordenador y análisis profesional. Pro hace que el modelo trabaje más antes de la respuesta final, mientras que el modelo subyacente procesa texto e imágenes y produce texto.
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 Pro designa GPT-6.1 Sol de OpenAI con razonamiento Pro. El modelo base está diseñado para programación compleja, uso del ordenador y trabajo profesional. Acepta texto e imágenes y produce texto. Pro hace que el modelo trabaje más para elaborar la respuesta final; describe cómo trabaja el modelo seleccionado en la solicitud, mientras que el esfuerzo de razonamiento controla la cantidad de razonamiento dentro de ese modo. Esta distinción mantiene separada la identidad de GPT-6.1 Sol del ajuste de ejecución Pro.
Para una tarea de ingeniería exigente, proporciona el comportamiento requerido, los archivos o fragmentos de código pertinentes y las restricciones que el cambio debe conservar. Una solicitud ilustrativa consiste en examinar dos posibles implementaciones, identificar las dependencias a las que afecta cada una y producir una propuesta de cambio con una explicación breve de sus ventajas e inconvenientes. Para un análisis profesional, proporciona los documentos, la decisión que debe tomarse y los criterios para comparar alternativas. Si una imagen contiene pruebas importantes, identifica el elemento de la interfaz, el diagrama o el detalle que debe abordar la respuesta.
OpenAI indica una ventana de contexto de 1.050.000 tokens para el modelo base, una entrada máxima de 922.000 tokens y una salida máxima de 128.000 tokens. Su fecha de corte de conocimientos documentada es el 30 de abril de 2026. El razonamiento también ocupa espacio en tokens, por lo que una entrada larga y una respuesta visible larga necesitan dejar espacio para el análisis del modelo. Prepara el material pertinente con etiquetas y definiciones claras y especifica el entregable: un cambio de código, un informe de decisión, un procedimiento o un conjunto estructurado de hallazgos.
Las opciones de esfuerzo de razonamiento documentadas para el modelo base son low, medium, high, xhigh y max; medium es el valor predeterminado. No admite none ni minimal. OpenAI documenta Pro en la API Responses para trabajos difíciles que pueden tolerar una mayor latencia y más actividad del modelo. Para GPT-6.1 Sol, las llamadas a herramientas utilizan Responses; la interfaz Chat Completions del proveedor acepta solicitudes sin herramientas. Estas distinciones importan al diseñar un flujo de trabajo con el modelo, en lugar de tratar todas las interfaces y ajustes de razonamiento como intercambiables.
El proveedor incluye respuestas en flujo, Structured Outputs 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 del ordenador, conexiones MCP y búsqueda de herramientas. La salida del modelo base sigue siendo texto; una herramienta de generación de imágenes es una operación independiente. La aplicación define las herramientas disponibles, ejecuta sus propias operaciones y devuelve sus resultados para que el modelo pueda continuar. La documentación de GPT-6 también describe trabajo asíncrono con herramientas, reorientación de un turno activo, conservación del razonamiento entre llamadas y compactación de una conversación larga.
Proporciona al modelo un criterio de finalización claro y las pruebas que debe utilizar para comprobar el resultado. En una revisión de código, pide el comportamiento afectado y una explicación concreta de cada problema importante. En una decisión basada en documentos, pide los hechos proporcionados, la solución seleccionada y las condiciones de las que depende la conclusión. Un entregable final útil hace explícitas la decisión y su fundamento para que la siguiente persona o el siguiente paso de la aplicación actúen a partir de un resultado concreto.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/gpt-6.1-sol-pro | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
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 $0.004 / 1K tokens Salida · Tokens de salida $0.02 / 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 |
| ConfiguraciónTramo 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 $0.004 / 1K tokens Salida · Tokens de salida $0.02 / 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 |
| ConfiguraciónTramo 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 $0.008 / 1K tokens Salida · Tokens de salida $0.03 / 1K tokens Entrada · Lectura de caché $0.0004 / 1K tokens Entrada · Escritura en caché $0.01 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "openai/gpt-6.1-sol-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6.1-sol-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6.1-sol-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra openai/gpt-6.1-sol-pro
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Compare duplicate-prevention designs\n\nCompare two job designs using these supplied facts. A records completion after a remote send. B records 'started' before the send and skips all started jobs. The process may crash before or after the send, and the receiver supports an idempotency key. Propose a recoverable design, explain the failure windows and give scenario checks without performing any sends.A design comparison, proposed state transitions and crash-window checks using the stated receiver capability.Check the proposal handles both unsent started jobs and sends completed before local recording.