GPT-6 Sol è il modello di ragionamento di OpenAI per programmazione complessa e flussi di lavoro degli agenti. Lavora con testo e immagini e restituisce testo, come una spiegazione, un’implementazione, un record strutturato o una proposta di operazione di uno strumento. L’edizione denominata GPT-6 Sol resta distinta dal più recente GPT-6.1 Sol e dalla modalità di esecuzione Pro di Sol; i suoi controlli e il suo profilo di conoscenze vanno quindi preservati nel confronto dei risultati tra edizioni.
Fornite l’implementazione pertinente, il comportamento osservato, quello atteso e le condizioni che la modifica deve preservare. Identificate il risultato finale e le osservazioni necessarie per dimostrarne il completamento. Un esempio di incarico è: «Individuate perché questo input fallisce, proponete la correzione minima e restituite la funzione modificata con una spiegazione basata sulle fonti della condizione che gestisce».
Per un’attività che coinvolge più file, indicate i moduli interessati e le interfacce tra essi. Per un’interfaccia visiva, unite il codice e i requisiti di comportamento a una schermata o a un modello visivo leggibile e identificate gli stati visibili da implementare. Il codice generato è un risultato proposto finché non viene eseguito nell’applicazione prevista; gli errori effettivi o gli stati visualizzati sono le prove per la revisione successiva.
Il produttore supporta i livelli di impegno nel ragionamento none, low, medium, high, xhigh e max, con medium come valore predefinito. L’impegno seleziona la quantità di ragionamento; le modalità standard e Pro descrivono una scelta di esecuzione separata. Un’attività diretta può usare none, mentre il debug o la pianificazione più complessi possono beneficiare di un’analisi approfondita. Definite la risposta finale richiesta separatamente dal processo intermedio.
Un’attività analitica basata sulle fonti deve indicare la decisione, i criteri di confronto e il materiale autorevole. Chiedete che il risultato colleghi ogni conclusione al passaggio fornito e segnali le informazioni mancanti. Questo mantiene visibile l’obiettivo anche quando il modello sceglie diversi passaggi con gli strumenti.
Il profilo pubblicato ha un contesto di 1 050 000 token, un input massimo di 922 000 token e un output massimo di 128 000 token, con conoscenze aggiornate al 20 aprile 2026. Il ragionamento consuma parte del budget della risposta e del contesto. Lasciate spazio per l’analisi, le osservazioni degli strumenti e il risultato finale ed esaminate una risposta incompleta prima di considerare conclusa l’attività.
Usate il flusso Responses documentato per gli strumenti integrati e le chiamate di funzioni. Il profilo Chat Completions di OpenAI supporta le chiamate di funzioni con l’impegno nel ragionamento impostato su none. La scheda elenca lo streaming e Structured Outputs e gli strumenti per ricerca sul web, ricerca nei file, generazione di immagini, interpretazione di codice, operazioni da riga di comando, applicazione di modifiche ai file, competenze, uso del computer, connessioni MCP e individuazione di strumenti. Il modello restituisce testo; un’operazione eseguita o un’immagine generata appartiene al risultato dello strumento corrispondente.
L’applicazione circostante definisce ed esegue le operazioni e restituisce osservazioni. Mantenete il risultato effettivo insieme all’identificatore della chiamata e alla fonte. La guida della famiglia GPT-6 descrive inoltre l’uso asincrono degli strumenti, l’orientamento di un turno attivo, il ragionamento conservato e la compattazione della conversazione per attività più lunghe.
Un passaggio di consegne utile contiene l’implementazione o la conclusione, le prove che la sostengono e le eventuali condizioni ancora irrisolte. Verificate i valori ricavati dalle fonti e il codice generato rispetto ai requisiti. L’attività deve concludersi quando sono stati soddisfatti il risultato dichiarato e il criterio di completamento, anziché considerare un piano o un comando di validazione proposto come prova di lavoro eseguito.
", "aboutText": "GPT-6 Sol è il modello di ragionamento di OpenAI per programmazione complessa e flussi di lavoro degli agenti. Lavora con testo e immagini e restituisce testo, come una spiegazione, un’implementazione, un record strutturato o una proposta di operazione di uno strumento. L’edizione denominata GPT-6 Sol resta distinta dal più recente GPT-6.1 Sol e dalla modalità di esecuzione Pro di Sol; i suoi controlli e il suo profilo di conoscenze vanno quindi preservati nel confronto dei risultati tra edizioni.\n\n### Programmare a partire da una consegna concreta\n\nFornite l’implementazione pertinente, il comportamento osservato, quello atteso e le condizioni che la modifica deve preservare. Identificate il risultato finale e le osservazioni necessarie per dimostrarne il completamento. Un esempio di incarico è: «Individuate perché questo input fallisce, proponete la correzione minima e restituite la funzione modificata con una spiegazione basata sulle fonti della condizione che gestisce».\n\nPer un’attività che coinvolge più file, indicate i moduli interessati e le interfacce tra essi. Per un’interfaccia visiva, unite il codice e i requisiti di comportamento a una schermata o a un modello visivo leggibile e identificate gli stati visibili da implementare. Il codice generato è un risultato proposto finché non viene eseguito nell’applicazione prevista; gli errori effettivi o gli stati visualizzati sono le prove per la revisione successiva.\n\n### Ragionamento e profondità dell’attività\n\nIl produttore supporta i livelli di impegno nel ragionamento none, low, medium, high, xhigh e max, con medium come valore predefinito. L’impegno seleziona la quantità di ragionamento; le modalità standard e Pro descrivono una scelta di esecuzione separata. Un’attività diretta può usare none, mentre il debug o la pianificazione più complessi possono beneficiare di un’analisi approfondita. Definite la risposta finale richiesta separatamente dal processo intermedio.\n\nUn’attività analitica basata sulle fonti deve indicare la decisione, i criteri di confronto e il materiale autorevole. Chiedete che il risultato colleghi ogni conclusione al passaggio fornito e segnali le informazioni mancanti. Questo mantiene visibile l’obiettivo anche quando il modello sceglie diversi passaggi con gli strumenti.\n\n### Contesto e limiti\n\nIl profilo pubblicato ha un contesto di 1 050 000 token, un input massimo di 922 000 token e un output massimo di 128 000 token, con conoscenze aggiornate al 20 aprile 2026. Il ragionamento consuma parte del budget della risposta e del contesto. Lasciate spazio per l’analisi, le osservazioni degli strumenti e il risultato finale ed esaminate una risposta incompleta prima di considerare conclusa l’attività.\n\n### Strumenti e interfacce del produttore\n\nUsate il flusso Responses documentato per gli strumenti integrati e le chiamate di funzioni. Il profilo Chat Completions di OpenAI supporta le chiamate di funzioni con l’impegno nel ragionamento impostato su none. La scheda elenca lo streaming e Structured Outputs e gli strumenti per ricerca sul web, ricerca nei file, generazione di immagini, interpretazione di codice, operazioni da riga di comando, applicazione di modifiche ai file, competenze, uso del computer, connessioni MCP e individuazione di strumenti. Il modello restituisce testo; un’operazione eseguita o un’immagine generata appartiene al risultato dello strumento corrispondente.\n\nL’applicazione circostante definisce ed esegue le operazioni e restituisce osservazioni. Mantenete il risultato effettivo insieme all’identificatore della chiamata e alla fonte. La guida della famiglia GPT-6 descrive inoltre l’uso asincrono degli strumenti, l’orientamento di un turno attivo, il ragionamento conservato e la compattazione della conversazione per attività più lunghe.\n\n### Output verificabile\n\nUn passaggio di consegne utile contiene l’implementazione o la conclusione, le prove che la sostengono e le eventuali condizioni ancora irrisolte. Verificate i valori ricavati dalle fonti e il codice generato rispetto ai requisiti. L’attività deve concludersi quando sono stati soddisfatti il risultato dichiarato e il criterio di completamento, anziché considerare un piano o un comando di validazione proposto come prova di lavoro eseguito.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "6c5066c3e5ad2126ee5b016281eebd85d1b3428874d99f518c5b8499d1c1cabe", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "openai/gpt-6-sol:batchGPT-6 Sol è il modello di ragionamento di OpenAI per programmazione complessa e flussi di lavoro degli agenti. Collega il contesto di testo e immagini a un’implementazione o a un risultato analitico definiti, usando ragionamento configurabile, output strutturati e un contesto di 1 050 000 token dichiarato dal produttore.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-6 Sol è il modello di ragionamento di OpenAI per programmazione complessa e flussi di lavoro degli agenti. Lavora con testo e immagini e restituisce testo, come una spiegazione, un’implementazione, un record strutturato o una proposta di operazione di uno strumento. L’edizione denominata GPT-6 Sol resta distinta dal più recente GPT-6.1 Sol e dalla modalità di esecuzione Pro di Sol; i suoi controlli e il suo profilo di conoscenze vanno quindi preservati nel confronto dei risultati tra edizioni.
Fornite l’implementazione pertinente, il comportamento osservato, quello atteso e le condizioni che la modifica deve preservare. Identificate il risultato finale e le osservazioni necessarie per dimostrarne il completamento. Un esempio di incarico è: «Individuate perché questo input fallisce, proponete la correzione minima e restituite la funzione modificata con una spiegazione basata sulle fonti della condizione che gestisce».
Per un’attività che coinvolge più file, indicate i moduli interessati e le interfacce tra essi. Per un’interfaccia visiva, unite il codice e i requisiti di comportamento a una schermata o a un modello visivo leggibile e identificate gli stati visibili da implementare. Il codice generato è un risultato proposto finché non viene eseguito nell’applicazione prevista; gli errori effettivi o gli stati visualizzati sono le prove per la revisione successiva.
Il produttore supporta i livelli di impegno nel ragionamento none, low, medium, high, xhigh e max, con medium come valore predefinito. L’impegno seleziona la quantità di ragionamento; le modalità standard e Pro descrivono una scelta di esecuzione separata. Un’attività diretta può usare none, mentre il debug o la pianificazione più complessi possono beneficiare di un’analisi approfondita. Definite la risposta finale richiesta separatamente dal processo intermedio.
Un’attività analitica basata sulle fonti deve indicare la decisione, i criteri di confronto e il materiale autorevole. Chiedete che il risultato colleghi ogni conclusione al passaggio fornito e segnali le informazioni mancanti. Questo mantiene visibile l’obiettivo anche quando il modello sceglie diversi passaggi con gli strumenti.
Il profilo pubblicato ha un contesto di 1 050 000 token, un input massimo di 922 000 token e un output massimo di 128 000 token, con conoscenze aggiornate al 20 aprile 2026. Il ragionamento consuma parte del budget della risposta e del contesto. Lasciate spazio per l’analisi, le osservazioni degli strumenti e il risultato finale ed esaminate una risposta incompleta prima di considerare conclusa l’attività.
Usate il flusso Responses documentato per gli strumenti integrati e le chiamate di funzioni. Il profilo Chat Completions di OpenAI supporta le chiamate di funzioni con l’impegno nel ragionamento impostato su none. La scheda elenca lo streaming e Structured Outputs e gli strumenti per ricerca sul web, ricerca nei file, generazione di immagini, interpretazione di codice, operazioni da riga di comando, applicazione di modifiche ai file, competenze, uso del computer, connessioni MCP e individuazione di strumenti. Il modello restituisce testo; un’operazione eseguita o un’immagine generata appartiene al risultato dello strumento corrispondente.
L’applicazione circostante definisce ed esegue le operazioni e restituisce osservazioni. Mantenete il risultato effettivo insieme all’identificatore della chiamata e alla fonte. La guida della famiglia GPT-6 descrive inoltre l’uso asincrono degli strumenti, l’orientamento di un turno attivo, il ragionamento conservato e la compattazione della conversazione per attività più lunghe.
Un passaggio di consegne utile contiene l’implementazione o la conclusione, le prove che la sostengono e le eventuali condizioni ancora irrisolte. Verificate i valori ricavati dalle fonti e il codice generato rispetto ai requisiti. L’attività deve concludersi quando sono stati soddisfatti il risultato dichiarato e il criterio di completamento, anziché considerare un piano o un comando di validazione proposto come prova di lavoro eseguito.
POST /v1/batchestexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campoendpoint | Tipostring | RequisitoObbligatorio | Valori e limiti /v1/chat/completions | Predefinito— |
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti openai/gpt-6-sol:batch | Predefinito— |
Camporequests | Tipobatch_item[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Camporequests[].custom_id | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Camporequests[].body.messages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campocompletion_window | Tipostring | RequisitoFacoltativo | Valori e limiti 24h | Predefinito— |
Campoprovider | Tipoobject|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Camporequests[].body.model | Tipostring | RequisitoFacoltativo | Valori e limiti openai/gpt-6-sol:batch, openai/gpt-6-sol | Predefinito— |
Campoprovider.only | Tipostring[] | RequisitoFacoltativo | Valori e limiti openai | Predefinito— |
Campoprovider.allow_fallbacks | Tipoboolean|null | RequisitoFacoltativo | Valori e limiti false, null | Predefinito— |
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattoendpoint, model, requests |
Parametromaterial_types | Contrattotext |
Parametrorepresentation | Contrattorequests[] inline; ogni elemento contiene custom_id e body |
Parametrorequest_endpoint_profile | Contratto/v1/chat/completions |
Parametrofile_material | ContrattoIl chiamante può leggere localmente i dati JSONL effettivi in UTF-8 e inserirli in requests[]. Non viene usato alcun purpose di caricamento, input_file_id o riferimento a file. Il materiale del cliente mancante o vuoto interrompe la preparazione prima del POST. |
Parametroserialization_order | Contrattoendpoint, model, provider (se fornito), completion_window (se fornito), requests per ultimo |
Parametrooptional_controls | Contrattoprovider.only, provider.allow_fallbacks, completion_window |
Parametroschema_scope | ContrattoCorpi delle richieste Chat Completions per testo nella struttura inline Batch documentata. |
Ciclo di vita: asynchronous
GET /v1/batches/{operation_id} · response.id effettivo della risposta alla creazione originale; stesso utente/chiave/gruppo
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.002 / 1K token Output · Token in output $0.01 / 1K token Input · Lettura dalla cache $0.0002 / 1K token Input · Scrittura nella cache $0.0025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.002 / 1K token Output · Token in output $0.01 / 1K token Input · Lettura dalla cache $0.0002 / 1K token Input · Scrittura nella cache $0.0025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 2 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.004 / 1K token Output · Token in output $0.015 / 1K token Input · Lettura dalla cache $0.0004 / 1K token Input · Scrittura nella cache $0.005 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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-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-sol:batch', 'openai/gpt-6-sol']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-6-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 inline di 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\nConserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva il JSON completo dello stato originale, ogni result/custom_id e il corpo completo della risposta o dell'errore. Salva i results[] completati come JSONL senza filtrarli.
Conserva l'ID dell'operazione originale. La risposta 503 result_pending_check contiene X-Should-Retry:false; non reinviare mai un batch originale il cui esito è sconosciuto.
| 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 |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneStruttura inline documentata non valida, chiavi duplicate, identità degli elementi non valida o conflitto con le capacità configurate del modello. | Passaggio successivoCorreggi i campi indicati prima di qualsiasi nuovo invio. |
Risposta401 · authentication_error | CondizioneChiave API non valida. | Passaggio successivoUsa la chiave Ailoot autorizzata. |
Risposta403 · permission_error | CondizioneGruppo Batch non disponibile. | Passaggio successivoVerifica le autorizzazioni della chiave e del gruppo. |
Risposta422 · invalid_request_error | CondizioneBatch usa l'addebito sul saldo; la creazione tramite abbonamento viene rifiutata. | Passaggio successivoUsa il gruppo autorizzato con addebito sul saldo. |
Risposta422 · price_unavailable | CondizioneNon è possibile formulare un preventivo per l'input Batch. | Passaggio successivoConserva la risposta; usa l'input documentato per la famiglia. |
Risposta402 · billing_error | CondizioneRiserva Batch non disponibile. | Passaggio successivoRisolvi le condizioni di ammissione prima di una nuova richiesta. |
Risposta503 · price_unavailable | CondizionePrezzo del metodo Batch o tariffe native non disponibili. | Passaggio successivoConserva la risposta; non sostituire i prezzi. |
Risposta503 · api_error | CondizioneLa rotta esatta del fornitore non è disponibile. | Passaggio successivoConserva la risposta per la riparazione della rotta. |
Risposta503 · result_pending_check | CondizioneIl risultato originale richiede una verifica; X-Should-Retry:false. | Passaggio successivoConserva operation_id/id originale e leggine lo stato; non ripetere mai il POST originale. |
Risposta404 · not_found | CondizioneL'operazione di stato Batch è assente o appartiene a un'altra identità. | Passaggio successivoUsa l'id originale esatto e lo stesso utente/chiave/gruppo. |
Ailoot Ultra openai/gpt-6-sol:batch
Usa i percorsi dei metodi indicati sopra.