GPT-6 Sol Pro duidt op OpenAI’s GPT-6 Sol met Pro-redeneren. Het basismodel Sol is gemaakt voor complex programmeren en agentwerkwijzen, accepteert tekst en afbeeldingen en produceert tekst. Pro voegt modelwerk toe om het eindantwoord uit te werken. Dit staat los van de redeneerinspanning, die bepaalt hoeveel analyse het model binnen de geselecteerde uitvoeringsmodus toepast. GPT-6 Sol blijft de basiseditie voor deze kaart, onderscheiden van GPT-6.1 Sol.
Beschrijf voor een ontwikkeltaak het te implementeren gedrag en lever de relevante bronbestanden, invoervoorbeelden en de voorwaarden aan die de wijziging moet respecteren. Een voorbeeldopdracht is te volgen hoe een invoer tot een resultaat leidt, de betrokken afhankelijkheden te benoemen en een wijziging voor te stellen die het vereiste gedrag behoudt. Lever bij een beoordeling het beoogde gedrag en de te onderzoeken code aan en vraag vervolgens om concrete problemen met uitleg van hoe elk probleem dat gedrag beïnvloedt.
Agentwerk verbindt meerdere beslissingen via bewijs uit de werkomgeving. Een hulpmiddel kan een bestand ophalen, een berekening uitvoeren of het resultaat van een controle teruggeven; dat resultaat wordt materiaal voor de volgende beslissing. OpenAI vermeldt zoeken op het web en in bestanden, hulpmiddelen voor afbeeldingsgeneratie, een code-interpreter, gehoste shell- en patchbewerkingen, skills, computergebruik, MCP-verbindingen en het zoeken naar hulpmiddelen voor het basismodel. Het ondersteunt ook functieaanroepen, Structured Outputs, streaming en promptcaching. Toepassingen beheren hun beschikbare bewerkingen en geven werkelijke hulpmiddelresultaten terug; actietekst die alleen door het model is gegenereerd, bewijst niet dat een bewerking is voltooid.
De specificatie van GPT-6 Sol door de maker vermeldt een contextvenster van 1.050.000 tokens, een maximale invoer van 922.000 tokens en een maximale uitvoer van 128.000 tokens. De gedocumenteerde kennisgrens is 20 april 2026. De basiskeuzes voor redeneerinspanning zijn none, low, medium, high, xhigh en max, met medium als standaard. De context moet ruimte bieden voor de taak, relevante hulpmiddelresultaten en redeneerwerk, naast het zichtbare antwoord. Houd definities en voltooiingscriteria dicht bij het materiaal waarop ze betrekking hebben, vooral in een lange technische opdracht.
OpenAI documenteert Pro in de Responses API voor moeilijk werk dat extra wachttijd en modelactiviteit kan toelaten. Voor GPT-6 Sol gebruiken ingebouwde hulpmiddelen en redeneren met functieaanroepen Responses. In de interface Chat Completions van de maker worden functieaanroepen alleen ondersteund wanneer de redeneerinspanning none is. De GPT-6-handleiding beschrijft ook asynchroon hulpmiddelwerk, het bijsturen van een actieve beurt en het behouden van redeneerwerk tussen aanroepen. Dit zijn werkwijzemogelijkheden met eigen interfacevereisten.
Specificeer een concreet eindresultaat en hoe het moet worden gecontroleerd. U kunt om een voorgestelde patch vragen, het gedrag dat deze verandert en het bewijs dat nodig is om dit te verifiëren, of om een vergelijking van implementatieopties op basis van de aangeleverde voorwaarden. Als een afbeelding interfacecontext biedt, geef dan aan welk visueel detail van belang is. Het eindantwoord moet de belangrijke keuzes met het technische doel verbinden en een voorgestelde actie onderscheiden van een al verkregen resultaat.
", "aboutText": "GPT-6 Sol Pro duidt op OpenAI’s GPT-6 Sol met Pro-redeneren. Het basismodel Sol is gemaakt voor complex programmeren en agentwerkwijzen, accepteert tekst en afbeeldingen en produceert tekst. Pro voegt modelwerk toe om het eindantwoord uit te werken. Dit staat los van de redeneerinspanning, die bepaalt hoeveel analyse het model binnen de geselecteerde uitvoeringsmodus toepast. GPT-6 Sol blijft de basiseditie voor deze kaart, onderscheiden van GPT-6.1 Sol.\n\nBeschrijf voor een ontwikkeltaak het te implementeren gedrag en lever de relevante bronbestanden, invoervoorbeelden en de voorwaarden aan die de wijziging moet respecteren. Een voorbeeldopdracht is te volgen hoe een invoer tot een resultaat leidt, de betrokken afhankelijkheden te benoemen en een wijziging voor te stellen die het vereiste gedrag behoudt. Lever bij een beoordeling het beoogde gedrag en de te onderzoeken code aan en vraag vervolgens om concrete problemen met uitleg van hoe elk probleem dat gedrag beïnvloedt.\n\nAgentwerk verbindt meerdere beslissingen via bewijs uit de werkomgeving. Een hulpmiddel kan een bestand ophalen, een berekening uitvoeren of het resultaat van een controle teruggeven; dat resultaat wordt materiaal voor de volgende beslissing. OpenAI vermeldt zoeken op het web en in bestanden, hulpmiddelen voor afbeeldingsgeneratie, een code-interpreter, gehoste shell- en patchbewerkingen, skills, computergebruik, MCP-verbindingen en het zoeken naar hulpmiddelen voor het basismodel. Het ondersteunt ook functieaanroepen, Structured Outputs, streaming en promptcaching. Toepassingen beheren hun beschikbare bewerkingen en geven werkelijke hulpmiddelresultaten terug; actietekst die alleen door het model is gegenereerd, bewijst niet dat een bewerking is voltooid.\n\nDe specificatie van GPT-6 Sol door de maker vermeldt een contextvenster van 1.050.000 tokens, een maximale invoer van 922.000 tokens en een maximale uitvoer van 128.000 tokens. De gedocumenteerde kennisgrens is 20 april 2026. De basiskeuzes voor redeneerinspanning zijn none, low, medium, high, xhigh en max, met medium als standaard. De context moet ruimte bieden voor de taak, relevante hulpmiddelresultaten en redeneerwerk, naast het zichtbare antwoord. Houd definities en voltooiingscriteria dicht bij het materiaal waarop ze betrekking hebben, vooral in een lange technische opdracht.\n\nOpenAI documenteert Pro in de Responses API voor moeilijk werk dat extra wachttijd en modelactiviteit kan toelaten. Voor GPT-6 Sol gebruiken ingebouwde hulpmiddelen en redeneren met functieaanroepen Responses. In de interface Chat Completions van de maker worden functieaanroepen alleen ondersteund wanneer de redeneerinspanning none is. De GPT-6-handleiding beschrijft ook asynchroon hulpmiddelwerk, het bijsturen van een actieve beurt en het behouden van redeneerwerk tussen aanroepen. Dit zijn werkwijzemogelijkheden met eigen interfacevereisten.\n\nSpecificeer een concreet eindresultaat en hoe het moet worden gecontroleerd. U kunt om een voorgestelde patch vragen, het gedrag dat deze verandert en het bewijs dat nodig is om dit te verifiëren, of om een vergelijking van implementatieopties op basis van de aangeleverde voorwaarden. Als een afbeelding interfacecontext biedt, geef dan aan welk visueel detail van belang is. Het eindantwoord moet de belangrijke keuzes met het technische doel verbinden en een voorgestelde actie onderscheiden van een al verkregen resultaat.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "2acf0b1dbe70e4b295d3e18aa03079551289d92b16a9d587e95ce20fa4d292fc", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl", "methods": [ { "html": "openai/gpt-6-sol-pro:batchGPT-6 Sol met Pro-redeneren voor complex programmeren en agentwerk. Lever de code, vereisten en het relevante bewijs aan om een implementatievoorstel, gerichte beoordeling of uitleg van een oplossing in meerdere stappen te vragen.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GPT-6 Sol Pro duidt op OpenAI’s GPT-6 Sol met Pro-redeneren. Het basismodel Sol is gemaakt voor complex programmeren en agentwerkwijzen, accepteert tekst en afbeeldingen en produceert tekst. Pro voegt modelwerk toe om het eindantwoord uit te werken. Dit staat los van de redeneerinspanning, die bepaalt hoeveel analyse het model binnen de geselecteerde uitvoeringsmodus toepast. GPT-6 Sol blijft de basiseditie voor deze kaart, onderscheiden van GPT-6.1 Sol.
Beschrijf voor een ontwikkeltaak het te implementeren gedrag en lever de relevante bronbestanden, invoervoorbeelden en de voorwaarden aan die de wijziging moet respecteren. Een voorbeeldopdracht is te volgen hoe een invoer tot een resultaat leidt, de betrokken afhankelijkheden te benoemen en een wijziging voor te stellen die het vereiste gedrag behoudt. Lever bij een beoordeling het beoogde gedrag en de te onderzoeken code aan en vraag vervolgens om concrete problemen met uitleg van hoe elk probleem dat gedrag beïnvloedt.
Agentwerk verbindt meerdere beslissingen via bewijs uit de werkomgeving. Een hulpmiddel kan een bestand ophalen, een berekening uitvoeren of het resultaat van een controle teruggeven; dat resultaat wordt materiaal voor de volgende beslissing. OpenAI vermeldt zoeken op het web en in bestanden, hulpmiddelen voor afbeeldingsgeneratie, een code-interpreter, gehoste shell- en patchbewerkingen, skills, computergebruik, MCP-verbindingen en het zoeken naar hulpmiddelen voor het basismodel. Het ondersteunt ook functieaanroepen, Structured Outputs, streaming en promptcaching. Toepassingen beheren hun beschikbare bewerkingen en geven werkelijke hulpmiddelresultaten terug; actietekst die alleen door het model is gegenereerd, bewijst niet dat een bewerking is voltooid.
De specificatie van GPT-6 Sol door de maker vermeldt een contextvenster van 1.050.000 tokens, een maximale invoer van 922.000 tokens en een maximale uitvoer van 128.000 tokens. De gedocumenteerde kennisgrens is 20 april 2026. De basiskeuzes voor redeneerinspanning zijn none, low, medium, high, xhigh en max, met medium als standaard. De context moet ruimte bieden voor de taak, relevante hulpmiddelresultaten en redeneerwerk, naast het zichtbare antwoord. Houd definities en voltooiingscriteria dicht bij het materiaal waarop ze betrekking hebben, vooral in een lange technische opdracht.
OpenAI documenteert Pro in de Responses API voor moeilijk werk dat extra wachttijd en modelactiviteit kan toelaten. Voor GPT-6 Sol gebruiken ingebouwde hulpmiddelen en redeneren met functieaanroepen Responses. In de interface Chat Completions van de maker worden functieaanroepen alleen ondersteund wanneer de redeneerinspanning none is. De GPT-6-handleiding beschrijft ook asynchroon hulpmiddelwerk, het bijsturen van een actieve beurt en het behouden van redeneerwerk tussen aanroepen. Dit zijn werkwijzemogelijkheden met eigen interfacevereisten.
Specificeer een concreet eindresultaat en hoe het moet worden gecontroleerd. U kunt om een voorgestelde patch vragen, het gedrag dat deze verandert en het bewijs dat nodig is om dit te verifiëren, of om een vergelijking van implementatieopties op basis van de aangeleverde voorwaarden. Als een afbeelding interfacecontext biedt, geef dan aan welk visueel detail van belang is. Het eindantwoord moet de belangrijke keuzes met het technische doel verbinden en een voorgestelde actie onderscheiden van een al verkregen resultaat.
POST /v1/batchestexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldendpoint | Typestring | VereisteVereist | Waarden en limieten /v1/chat/completions | Standaard— |
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/gpt-6-sol-pro:batch | Standaard— |
Veldrequests | Typebatch_item[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldrequests[].custom_id | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldrequests[].body.messages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldcompletion_window | Typestring | VereisteOptioneel | Waarden en limieten 24h | Standaard— |
Veldprovider | Typeobject|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldrequests[].body.model | Typestring | VereisteOptioneel | Waarden en limieten openai/gpt-6-sol-pro:batch, openai/gpt-6-sol-pro | Standaard— |
Veldprovider.only | Typestring[] | VereisteOptioneel | Waarden en limieten openai | Standaard— |
Veldprovider.allow_fallbacks | Typeboolean|null | VereisteOptioneel | Waarden en limieten false, null | Standaard— |
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractendpoint, model, requests |
Parametermaterial_types | Contracttext |
Parameterrepresentation | Contractinline requests[]; elk item bevat custom_id en body |
Parameterrequest_endpoint_profile | Contract/v1/chat/completions |
Parameterfile_material | ContractDe aanroeper mag daadwerkelijke JSONL-inhoud in UTF-8 lokaal in requests[] inlezen. Er wordt geen uploaddoel (purpose), input_file_id of bestandsverwijzing gebruikt. Ontbrekend of leeg klantmateriaal stopt de voorbereiding vóór POST. |
Parameterserialization_order | Contractendpoint, model, provider (indien opgegeven), completion_window (indien opgegeven), requests als laatste |
Parameteroptional_controls | Contractprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | ContractBody’s voor tekstaanvragen via Chat Completions in de gedocumenteerde inline Batch-envelop. |
Levenscyclus: asynchronous
GET /v1/batches/{operation_id} · de daadwerkelijke response.id uit het oorspronkelijke aanmaakantwoord; dezelfde gebruiker/sleutel/groep
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.002 / 1K tokens Uitvoer · Uitvoertokens $0.01 / 1K tokens Invoer · Cache lezen $0.0002 / 1K tokens Invoer · Cache schrijven $0.0025 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met272.000 | Kosten Invoer · Invoertokens $0.002 / 1K tokens Uitvoer · Uitvoertokens $0.01 / 1K tokens Invoer · Cache lezen $0.0002 / 1K tokens Invoer · Cache schrijven $0.0025 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 2 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan272.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.015 / 1K tokens Invoer · Cache lezen $0.0004 / 1K tokens Invoer · Cache schrijven $0.005 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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-pro: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-pro:batch', 'openai/gpt-6-sol-pro']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-6-sol-pro: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.\ninline results[].response.body JSON
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\nBewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar de volledige oorspronkelijke status-JSON, elk resultaat/custom_id en de volledige antwoord- of foutbody. Sla voltooide results[] zonder filtering op als JSONL.
Bewaar de oorspronkelijke bewerkings-ID. Bij 503 result_pending_check hoort X-Should-Retry:false; dien een oorspronkelijke batch met onbekende uitkomst nooit opnieuw in.
| Veld | Type |
|---|---|
Veldresults[].custom_id | Typestring |
Veldresults[].response.body.choices[].message.content | Typestring|null |
Veldresults[].error | Typeobject|null |
Veldusage | Typeobject|null |
Veldid | Typestring |
Veldmodel | Typestring |
Veldendpoint | Typestring |
Veldstatus | Typestring |
Veldrequest_counts | Typeobject |
Veldresults[].id | Typestring |
Veldresults[].response.status_code | Typeinteger |
Veldresults[].response.request_id | Typestring |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeOngeldige gedocumenteerde inline envelop, dubbele sleutels, ongeldige itemidentiteit of een conflict met de geconfigureerde modelmogelijkheden. | Volgende stapCorrigeer de aangegeven velden voordat u een nieuwe aanvraag indient. |
Antwoord401 · authentication_error | VoorwaardeOngeldige API-sleutel. | Volgende stapGebruik de geautoriseerde Ailoot-sleutel. |
Antwoord403 · permission_error | VoorwaardeBatch-groep niet beschikbaar. | Volgende stapControleer de toegangsrechten van de sleutel/groep. |
Antwoord422 · invalid_request_error | VoorwaardeBij Batch worden kosten van het saldo afgeschreven; aanmaken via een abonnement wordt geweigerd. | Volgende stapGebruik de geautoriseerde groep waarvoor kosten van het saldo worden afgeschreven. |
Antwoord422 · price_unavailable | VoorwaardeVoor de Batch-invoer kan geen prijsopgave worden berekend. | Volgende stapBewaar het antwoord; gebruik de gedocumenteerde invoer voor deze familie. |
Antwoord402 · billing_error | VoorwaardeBatch-reservering niet beschikbaar. | Volgende stapLos het toelatingsprobleem op voordat u een nieuwe aanvraag indient. |
Antwoord503 · price_unavailable | VoorwaardePrijs voor de Batch-methode/native tarieven niet beschikbaar. | Volgende stapBewaar het antwoord; vervang de prijzen niet. |
Antwoord503 · api_error | VoorwaardeDe exacte leveranciersroute is niet beschikbaar. | Volgende stapBewaar het antwoord voor herstel van de route. |
Antwoord503 · result_pending_check | VoorwaardeHet oorspronkelijke resultaat moet worden gecontroleerd; X-Should-Retry:false. | Volgende stapBewaar de oorspronkelijke operation_id/id en lees de status ervan uit; herhaal de oorspronkelijke POST nooit. |
Antwoord404 · not_found | VoorwaardeDe bewerking voor de Batch-status ontbreekt of is eigendom van een andere identiteit. | Volgende stapGebruik exact de oorspronkelijke id en dezelfde gebruiker/sleutel/groep. |
Ailoot Ultra openai/gpt-6-sol-pro:batch
Gebruik de hierboven getoonde methodepaden.