GPT-5.6 Sol Pro betegner OpenAIs GPT-5.6 Sol med Pro-resonnering. Sol er flaggskiputgaven av GPT-5.6 for komplekst fagarbeid og tilsvarer omtrent modellklassen uten tillegg i navnet i tidligere GPT-5-familier. OpenAIs alias gpt-5.6 viser til denne Sol-utgaven. Grunnmodellen godtar tekst og bilder og produserer tekst; Pro legger til mer modellarbeid mens det endelige svaret utvikles.
For en faglig oppgave oppgir du målet, det relevante materialet og standardene resultatet skal oppfylle. En illustrerende ingeniørforespørsel er å undersøke flere tilknyttede moduler, forklare avhengighetene og utvikle et samordnet endringsforslag. En dokumentoppgave kan i stedet samle flere kilder i en analyse der avsnittene skiller mellom oppgitte fakta, sammenhengene mellom dem og handlingene som konklusjonen begrunner.
Bruk visuelt materiale når det gir belegg som teksten ikke inneholder. Angi diagrammet, grensesnittelementet eller referansedetaljen som er viktig for oppgaven, og forklar rollen i det ønskede resultatet. For kode inkluderer du påkrevd atferd og representative inndata eller en observert feil. For analyse oppgir du kriteriene som skal styre sammenligningen. Tydelige kildeetiketter gjør det lettere å knytte en kompleks oppgave til belegget som brukes i sluttproduktet.
OpenAI oppgir et kontekstvindu på 1050000 tokener for GPT-5.6 Sol, en maksimal inndatamengde på 922000 tokener og en maksimal utdatamengde på 128000 tokener, med kunnskapsgrense 16. februar 2026. Grunnmodellens valg for resonneringsinnsats er none, low, medium, high, xhigh og max, med medium som standard. Pro-modus er uavhengig av innsats: modusen velger ekstra modellarbeid, mens innsatsen regulerer analysen innenfor modusen. Kontekstbudsjettet omfatter både resonneringstokener og det synlige svaret.
Produsenten dokumenterer Pro i Responses API for krevende arbeid som tåler ekstra ventetid og modellaktivitet. Grunnmodellen oppgir strømming, Structured Outputs, funksjonskall, nett- og filsøk, bildeinndata og hurtigbufring av instruksjoner. Verktøyene omfatter bildegenerering, kodetolking, vertsbasert kommandoskall og oppdateringsoperasjoner, ferdigheter, datamaskinbruk, MCP-tilkoblinger og verktøysøk. Applikasjonene sørger for det tilhørende miljøet, utfører handlingene sine og returnerer faktiske resultater for neste beslutning.
Definer hva et fullstendig resultat skal inneholde, og hvordan det skal kontrolleres. For en foreslått endring ber du om den berørte atferden, de vesentlige valgene og belegget som trengs for å verifisere dem. For et dokument definerer du målgruppen, de obligatoriske delene og spørsmålene konklusjonen må besvare. Sluttproduktet kan være et kodeforslag, et analysenotat eller en trinnvis plan som knytter hver vesentlig anbefaling til det opprinnelige målet og kildematerialet.
", "aboutText": "GPT-5.6 Sol Pro betegner OpenAIs GPT-5.6 Sol med Pro-resonnering. Sol er flaggskiputgaven av GPT-5.6 for komplekst fagarbeid og tilsvarer omtrent modellklassen uten tillegg i navnet i tidligere GPT-5-familier. OpenAIs alias gpt-5.6 viser til denne Sol-utgaven. Grunnmodellen godtar tekst og bilder og produserer tekst; Pro legger til mer modellarbeid mens det endelige svaret utvikles.\n\nFor en faglig oppgave oppgir du målet, det relevante materialet og standardene resultatet skal oppfylle. En illustrerende ingeniørforespørsel er å undersøke flere tilknyttede moduler, forklare avhengighetene og utvikle et samordnet endringsforslag. En dokumentoppgave kan i stedet samle flere kilder i en analyse der avsnittene skiller mellom oppgitte fakta, sammenhengene mellom dem og handlingene som konklusjonen begrunner.\n\nBruk visuelt materiale når det gir belegg som teksten ikke inneholder. Angi diagrammet, grensesnittelementet eller referansedetaljen som er viktig for oppgaven, og forklar rollen i det ønskede resultatet. For kode inkluderer du påkrevd atferd og representative inndata eller en observert feil. For analyse oppgir du kriteriene som skal styre sammenligningen. Tydelige kildeetiketter gjør det lettere å knytte en kompleks oppgave til belegget som brukes i sluttproduktet.\n\nOpenAI oppgir et kontekstvindu på 1050000 tokener for GPT-5.6 Sol, en maksimal inndatamengde på 922000 tokener og en maksimal utdatamengde på 128000 tokener, med kunnskapsgrense 16. februar 2026. Grunnmodellens valg for resonneringsinnsats er none, low, medium, high, xhigh og max, med medium som standard. Pro-modus er uavhengig av innsats: modusen velger ekstra modellarbeid, mens innsatsen regulerer analysen innenfor modusen. Kontekstbudsjettet omfatter både resonneringstokener og det synlige svaret.\n\nProdusenten dokumenterer Pro i Responses API for krevende arbeid som tåler ekstra ventetid og modellaktivitet. Grunnmodellen oppgir strømming, Structured Outputs, funksjonskall, nett- og filsøk, bildeinndata og hurtigbufring av instruksjoner. Verktøyene omfatter bildegenerering, kodetolking, vertsbasert kommandoskall og oppdateringsoperasjoner, ferdigheter, datamaskinbruk, MCP-tilkoblinger og verktøysøk. Applikasjonene sørger for det tilhørende miljøet, utfører handlingene sine og returnerer faktiske resultater for neste beslutning.\n\nDefiner hva et fullstendig resultat skal inneholde, og hvordan det skal kontrolleres. For en foreslått endring ber du om den berørte atferden, de vesentlige valgene og belegget som trengs for å verifisere dem. For et dokument definerer du målgruppen, de obligatoriske delene og spørsmålene konklusjonen må besvare. Sluttproduktet kan være et kodeforslag, et analysenotat eller en trinnvis plan som knytter hver vesentlig anbefaling til det opprinnelige målet og kildematerialet.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Align a money-field contract\n\nPrepare a coordinated engineering proposal. Database total_cents is an integer. Exporter currently writes total_cents / 100 into a column also named total_cents. Importer reads that column as integer cents. Preserve database storage and existing invoice totals. Explain the mismatch, propose a versioned export contract and give round-trip tests for 1, 199 and 200 cents.A cross-module contract proposal, compatibility plan and round-trip acceptance cases with units stated explicitly.Check that no stage silently treats dollars as cents and that existing invoice totals are not recomputed.gpt-5.6-sol-proGPT-5.6 Sol med Pro-resonnering for komplekst fagarbeid. Oppgi tilknyttet materiale, krav og en konkret leveranse for å utvikle kode, et analysedokument eller en plan med et tydelig grunnlag.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-5.6 Sol Pro betegner OpenAIs GPT-5.6 Sol med Pro-resonnering. Sol er flaggskiputgaven av GPT-5.6 for komplekst fagarbeid og tilsvarer omtrent modellklassen uten tillegg i navnet i tidligere GPT-5-familier. OpenAIs alias gpt-5.6 viser til denne Sol-utgaven. Grunnmodellen godtar tekst og bilder og produserer tekst; Pro legger til mer modellarbeid mens det endelige svaret utvikles.
For en faglig oppgave oppgir du målet, det relevante materialet og standardene resultatet skal oppfylle. En illustrerende ingeniørforespørsel er å undersøke flere tilknyttede moduler, forklare avhengighetene og utvikle et samordnet endringsforslag. En dokumentoppgave kan i stedet samle flere kilder i en analyse der avsnittene skiller mellom oppgitte fakta, sammenhengene mellom dem og handlingene som konklusjonen begrunner.
Bruk visuelt materiale når det gir belegg som teksten ikke inneholder. Angi diagrammet, grensesnittelementet eller referansedetaljen som er viktig for oppgaven, og forklar rollen i det ønskede resultatet. For kode inkluderer du påkrevd atferd og representative inndata eller en observert feil. For analyse oppgir du kriteriene som skal styre sammenligningen. Tydelige kildeetiketter gjør det lettere å knytte en kompleks oppgave til belegget som brukes i sluttproduktet.
OpenAI oppgir et kontekstvindu på 1050000 tokener for GPT-5.6 Sol, en maksimal inndatamengde på 922000 tokener og en maksimal utdatamengde på 128000 tokener, med kunnskapsgrense 16. februar 2026. Grunnmodellens valg for resonneringsinnsats er none, low, medium, high, xhigh og max, med medium som standard. Pro-modus er uavhengig av innsats: modusen velger ekstra modellarbeid, mens innsatsen regulerer analysen innenfor modusen. Kontekstbudsjettet omfatter både resonneringstokener og det synlige svaret.
Produsenten dokumenterer Pro i Responses API for krevende arbeid som tåler ekstra ventetid og modellaktivitet. Grunnmodellen oppgir strømming, Structured Outputs, funksjonskall, nett- og filsøk, bildeinndata og hurtigbufring av instruksjoner. Verktøyene omfatter bildegenerering, kodetolking, vertsbasert kommandoskall og oppdateringsoperasjoner, ferdigheter, datamaskinbruk, MCP-tilkoblinger og verktøysøk. Applikasjonene sørger for det tilhørende miljøet, utfører handlingene sine og returnerer faktiske resultater for neste beslutning.
Definer hva et fullstendig resultat skal inneholde, og hvordan det skal kontrolleres. For en foreslått endring ber du om den berørte atferden, de vesentlige valgene og belegget som trengs for å verifisere dem. For et dokument definerer du målgruppen, de obligatoriske delene og spørsmålene konklusjonen må besvare. Sluttproduktet kan være et kodeforslag, et analysenotat eller en trinnvis plan som knytter hver vesentlig anbefaling til det opprinnelige målet og kildematerialet.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser gpt-5.6-sol-pro | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Tekstsamtale | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream |
Parametercontrol_scope | AvtaleTekstsamtale; stream er en boolsk verdi med false som standard. |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Metodealiaser: /chat/completions
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.008 / 1K tokener Utdata · Utgående tokener $0.04 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0008 / 1K tokener Inndata · Skriving til hurtigbuffer $0.01 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og med272 000 | Kostnad Inndata · Inngående tokener $0.008 / 1K tokener Utdata · Utgående tokener $0.04 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0008 / 1K tokener Inndata · Skriving til hurtigbuffer $0.01 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 2 for forespørselslengde | Prisplan— | Konteksttokener, mer enn272 000 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.016 / 1K tokener Utdata · Utgående tokener $0.06 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0016 / 1K tokener Inndata · Skriving til hurtigbuffer $0.02 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5.6-sol-pro","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="gpt-5.6-sol-pro", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\njson eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra gpt-5.6-sol-pro, openai/gpt-5.6-sol-pro
/chat/completions
gpt-5.6-sol-proGPT-5.6 Sol med Pro-resonnering for komplekst fagarbeid. Oppgi tilknyttet materiale, krav og en konkret leveranse for å utvikle kode, et analysedokument eller en plan med et tydelig grunnlag.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-5.6 Sol Pro betegner OpenAIs GPT-5.6 Sol med Pro-resonnering. Sol er flaggskiputgaven av GPT-5.6 for komplekst fagarbeid og tilsvarer omtrent modellklassen uten tillegg i navnet i tidligere GPT-5-familier. OpenAIs alias gpt-5.6 viser til denne Sol-utgaven. Grunnmodellen godtar tekst og bilder og produserer tekst; Pro legger til mer modellarbeid mens det endelige svaret utvikles.
For en faglig oppgave oppgir du målet, det relevante materialet og standardene resultatet skal oppfylle. En illustrerende ingeniørforespørsel er å undersøke flere tilknyttede moduler, forklare avhengighetene og utvikle et samordnet endringsforslag. En dokumentoppgave kan i stedet samle flere kilder i en analyse der avsnittene skiller mellom oppgitte fakta, sammenhengene mellom dem og handlingene som konklusjonen begrunner.
Bruk visuelt materiale når det gir belegg som teksten ikke inneholder. Angi diagrammet, grensesnittelementet eller referansedetaljen som er viktig for oppgaven, og forklar rollen i det ønskede resultatet. For kode inkluderer du påkrevd atferd og representative inndata eller en observert feil. For analyse oppgir du kriteriene som skal styre sammenligningen. Tydelige kildeetiketter gjør det lettere å knytte en kompleks oppgave til belegget som brukes i sluttproduktet.
OpenAI oppgir et kontekstvindu på 1050000 tokener for GPT-5.6 Sol, en maksimal inndatamengde på 922000 tokener og en maksimal utdatamengde på 128000 tokener, med kunnskapsgrense 16. februar 2026. Grunnmodellens valg for resonneringsinnsats er none, low, medium, high, xhigh og max, med medium som standard. Pro-modus er uavhengig av innsats: modusen velger ekstra modellarbeid, mens innsatsen regulerer analysen innenfor modusen. Kontekstbudsjettet omfatter både resonneringstokener og det synlige svaret.
Produsenten dokumenterer Pro i Responses API for krevende arbeid som tåler ekstra ventetid og modellaktivitet. Grunnmodellen oppgir strømming, Structured Outputs, funksjonskall, nett- og filsøk, bildeinndata og hurtigbufring av instruksjoner. Verktøyene omfatter bildegenerering, kodetolking, vertsbasert kommandoskall og oppdateringsoperasjoner, ferdigheter, datamaskinbruk, MCP-tilkoblinger og verktøysøk. Applikasjonene sørger for det tilhørende miljøet, utfører handlingene sine og returnerer faktiske resultater for neste beslutning.
Definer hva et fullstendig resultat skal inneholde, og hvordan det skal kontrolleres. For en foreslått endring ber du om den berørte atferden, de vesentlige valgene og belegget som trengs for å verifisere dem. For et dokument definerer du målgruppen, de obligatoriske delene og spørsmålene konklusjonen må besvare. Sluttproduktet kan være et kodeforslag, et analysenotat eller en trinnvis plan som knytter hver vesentlig anbefaling til det opprinnelige målet og kildematerialet.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser gpt-5.6-sol-pro | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.008 / 1K tokener Utdata · Utgående tokener $0.04 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0008 / 1K tokener Inndata · Skriving til hurtigbuffer $0.01 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og med272 000 | Kostnad Inndata · Inngående tokener $0.008 / 1K tokener Utdata · Utgående tokener $0.04 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0008 / 1K tokener Inndata · Skriving til hurtigbuffer $0.01 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 2 for forespørselslengde | Prisplan— | Konteksttokener, mer enn272 000 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.016 / 1K tokener Utdata · Utgående tokener $0.06 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0016 / 1K tokener Inndata · Skriving til hurtigbuffer $0.02 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "gpt-5.6-sol-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'gpt-5.6-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': 'gpt-5.6-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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra gpt-5.6-sol-pro, openai/gpt-5.6-sol-pro
/chat/completions
openai/gpt-5.6-sol-proGPT-5.6 Sol med Pro-resonnering for komplekst fagarbeid. Oppgi tilknyttet materiale, krav og en konkret leveranse for å utvikle kode, et analysedokument eller en plan med et tydelig grunnlag.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-5.6 Sol Pro betegner OpenAIs GPT-5.6 Sol med Pro-resonnering. Sol er flaggskiputgaven av GPT-5.6 for komplekst fagarbeid og tilsvarer omtrent modellklassen uten tillegg i navnet i tidligere GPT-5-familier. OpenAIs alias gpt-5.6 viser til denne Sol-utgaven. Grunnmodellen godtar tekst og bilder og produserer tekst; Pro legger til mer modellarbeid mens det endelige svaret utvikles.
For en faglig oppgave oppgir du målet, det relevante materialet og standardene resultatet skal oppfylle. En illustrerende ingeniørforespørsel er å undersøke flere tilknyttede moduler, forklare avhengighetene og utvikle et samordnet endringsforslag. En dokumentoppgave kan i stedet samle flere kilder i en analyse der avsnittene skiller mellom oppgitte fakta, sammenhengene mellom dem og handlingene som konklusjonen begrunner.
Bruk visuelt materiale når det gir belegg som teksten ikke inneholder. Angi diagrammet, grensesnittelementet eller referansedetaljen som er viktig for oppgaven, og forklar rollen i det ønskede resultatet. For kode inkluderer du påkrevd atferd og representative inndata eller en observert feil. For analyse oppgir du kriteriene som skal styre sammenligningen. Tydelige kildeetiketter gjør det lettere å knytte en kompleks oppgave til belegget som brukes i sluttproduktet.
OpenAI oppgir et kontekstvindu på 1050000 tokener for GPT-5.6 Sol, en maksimal inndatamengde på 922000 tokener og en maksimal utdatamengde på 128000 tokener, med kunnskapsgrense 16. februar 2026. Grunnmodellens valg for resonneringsinnsats er none, low, medium, high, xhigh og max, med medium som standard. Pro-modus er uavhengig av innsats: modusen velger ekstra modellarbeid, mens innsatsen regulerer analysen innenfor modusen. Kontekstbudsjettet omfatter både resonneringstokener og det synlige svaret.
Produsenten dokumenterer Pro i Responses API for krevende arbeid som tåler ekstra ventetid og modellaktivitet. Grunnmodellen oppgir strømming, Structured Outputs, funksjonskall, nett- og filsøk, bildeinndata og hurtigbufring av instruksjoner. Verktøyene omfatter bildegenerering, kodetolking, vertsbasert kommandoskall og oppdateringsoperasjoner, ferdigheter, datamaskinbruk, MCP-tilkoblinger og verktøysøk. Applikasjonene sørger for det tilhørende miljøet, utfører handlingene sine og returnerer faktiske resultater for neste beslutning.
Definer hva et fullstendig resultat skal inneholde, og hvordan det skal kontrolleres. For en foreslått endring ber du om den berørte atferden, de vesentlige valgene og belegget som trengs for å verifisere dem. For et dokument definerer du målgruppen, de obligatoriske delene og spørsmålene konklusjonen må besvare. Sluttproduktet kan være et kodeforslag, et analysenotat eller en trinnvis plan som knytter hver vesentlig anbefaling til det opprinnelige målet og kildematerialet.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser openai/gpt-5.6-sol-pro | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.008 / 1K tokener Utdata · Utgående tokener $0.04 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0008 / 1K tokener Inndata · Skriving til hurtigbuffer $0.01 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og med272 000 | Kostnad Inndata · Inngående tokener $0.008 / 1K tokener Utdata · Utgående tokener $0.04 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0008 / 1K tokener Inndata · Skriving til hurtigbuffer $0.01 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 2 for forespørselslengde | Prisplan— | Konteksttokener, mer enn272 000 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.016 / 1K tokener Utdata · Utgående tokener $0.06 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0016 / 1K tokener Inndata · Skriving til hurtigbuffer $0.02 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.6-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-5.6-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-5.6-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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra gpt-5.6-sol-pro, openai/gpt-5.6-sol-pro
/chat/completions
openai/gpt-5.6-sol-proGPT-5.6 Sol med Pro-resonnering for komplekst fagarbeid. Oppgi tilknyttet materiale, krav og en konkret leveranse for å utvikle kode, et analysedokument eller en plan med et tydelig grunnlag.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-5.6 Sol Pro betegner OpenAIs GPT-5.6 Sol med Pro-resonnering. Sol er flaggskiputgaven av GPT-5.6 for komplekst fagarbeid og tilsvarer omtrent modellklassen uten tillegg i navnet i tidligere GPT-5-familier. OpenAIs alias gpt-5.6 viser til denne Sol-utgaven. Grunnmodellen godtar tekst og bilder og produserer tekst; Pro legger til mer modellarbeid mens det endelige svaret utvikles.
For en faglig oppgave oppgir du målet, det relevante materialet og standardene resultatet skal oppfylle. En illustrerende ingeniørforespørsel er å undersøke flere tilknyttede moduler, forklare avhengighetene og utvikle et samordnet endringsforslag. En dokumentoppgave kan i stedet samle flere kilder i en analyse der avsnittene skiller mellom oppgitte fakta, sammenhengene mellom dem og handlingene som konklusjonen begrunner.
Bruk visuelt materiale når det gir belegg som teksten ikke inneholder. Angi diagrammet, grensesnittelementet eller referansedetaljen som er viktig for oppgaven, og forklar rollen i det ønskede resultatet. For kode inkluderer du påkrevd atferd og representative inndata eller en observert feil. For analyse oppgir du kriteriene som skal styre sammenligningen. Tydelige kildeetiketter gjør det lettere å knytte en kompleks oppgave til belegget som brukes i sluttproduktet.
OpenAI oppgir et kontekstvindu på 1050000 tokener for GPT-5.6 Sol, en maksimal inndatamengde på 922000 tokener og en maksimal utdatamengde på 128000 tokener, med kunnskapsgrense 16. februar 2026. Grunnmodellens valg for resonneringsinnsats er none, low, medium, high, xhigh og max, med medium som standard. Pro-modus er uavhengig av innsats: modusen velger ekstra modellarbeid, mens innsatsen regulerer analysen innenfor modusen. Kontekstbudsjettet omfatter både resonneringstokener og det synlige svaret.
Produsenten dokumenterer Pro i Responses API for krevende arbeid som tåler ekstra ventetid og modellaktivitet. Grunnmodellen oppgir strømming, Structured Outputs, funksjonskall, nett- og filsøk, bildeinndata og hurtigbufring av instruksjoner. Verktøyene omfatter bildegenerering, kodetolking, vertsbasert kommandoskall og oppdateringsoperasjoner, ferdigheter, datamaskinbruk, MCP-tilkoblinger og verktøysøk. Applikasjonene sørger for det tilhørende miljøet, utfører handlingene sine og returnerer faktiske resultater for neste beslutning.
Definer hva et fullstendig resultat skal inneholde, og hvordan det skal kontrolleres. For en foreslått endring ber du om den berørte atferden, de vesentlige valgene og belegget som trengs for å verifisere dem. For et dokument definerer du målgruppen, de obligatoriske delene og spørsmålene konklusjonen må besvare. Sluttproduktet kan være et kodeforslag, et analysenotat eller en trinnvis plan som knytter hver vesentlig anbefaling til det opprinnelige målet og kildematerialet.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser openai/gpt-5.6-sol-pro | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.008 / 1K tokener Utdata · Utgående tokener $0.04 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0008 / 1K tokener Inndata · Skriving til hurtigbuffer $0.01 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og med272 000 | Kostnad Inndata · Inngående tokener $0.008 / 1K tokener Utdata · Utgående tokener $0.04 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0008 / 1K tokener Inndata · Skriving til hurtigbuffer $0.01 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 2 for forespørselslengde | Prisplan— | Konteksttokener, mer enn272 000 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.016 / 1K tokener Utdata · Utgående tokener $0.06 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0016 / 1K tokener Inndata · Skriving til hurtigbuffer $0.02 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "openai/gpt-5.6-sol-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.6-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-5.6-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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra gpt-5.6-sol-pro, openai/gpt-5.6-sol-pro
/chat/completions
Teknisk eksempel på engelsk
Align a money-field contract\n\nPrepare a coordinated engineering proposal. Database total_cents is an integer. Exporter currently writes total_cents / 100 into a column also named total_cents. Importer reads that column as integer cents. Preserve database storage and existing invoice totals. Explain the mismatch, propose a versioned export contract and give round-trip tests for 1, 199 and 200 cents.A cross-module contract proposal, compatibility plan and round-trip acceptance cases with units stated explicitly.Check that no stage silently treats dollars as cents and that existing invoice totals are not recomputed.