GPT-6.1 Sol Pro oznacza model GPT-6.1 Sol firmy OpenAI z rozumowaniem Pro. Model bazowy zaprojektowano do złożonego programowania, korzystania z komputera i pracy zawodowej. Przyjmuje tekst i obrazy, a generuje tekst. Pro oznacza dodatkową pracę modelu nad opracowaniem odpowiedzi końcowej; opisuje sposób pracy wybranego modelu nad żądaniem, natomiast poziom nakładu na rozumowanie określa ilość rozumowania w tym trybie. To rozróżnienie oddziela tożsamość GPT-6.1 Sol od ustawienia wykonania Pro.
W wymagającym zadaniu inżynierskim podaj oczekiwane zachowanie, odpowiednie pliki lub fragmenty kodu oraz ograniczenia, które zmiana musi zachować. Przykładowe żądanie może polegać na zbadaniu dwóch możliwych implementacji, wskazaniu zależności, na które wpływa każda z nich, i przygotowaniu propozycji zmiany z krótkim wyjaśnieniem kompromisów. Do analizy zawodowej dostarcz dokumenty, decyzję do podjęcia i kryteria porównania wariantów. Jeśli obraz zawiera istotne dowody, wskaż element interfejsu, diagram lub szczegół, do którego odpowiedź powinna się odnieść.
OpenAI podaje dla modelu bazowego okno kontekstu 1 050 000 tokenów, maksymalne wejście 922 000 tokenów i maksymalne wyjście 128 000 tokenów. Udokumentowana granica wiedzy to 30 kwietnia 2026. Rozumowanie również zajmuje miejsce w tokenach, więc długie wejście i długa widoczna odpowiedź muszą pozostawiać przestrzeń na analizę modelu. Przygotuj istotny materiał z czytelnymi etykietami i definicjami oraz określ rezultat: zmianę kodu, notatkę decyzyjną, procedurę lub uporządkowany zestaw ustaleń.
Udokumentowane poziomy nakładu na rozumowanie modelu bazowego to low, medium, high, xhigh i max; domyślny jest medium. Model nie obsługuje none ani minimal. OpenAI dokumentuje Pro w interfejsie Responses API do trudnych zadań, które dopuszczają dodatkowy czas oczekiwania i aktywność modelu. W GPT-6.1 Sol wywoływanie narzędzi korzysta z Responses; interfejs Chat Completions producenta przyjmuje żądania bez narzędzi. Te rozróżnienia mają znaczenie przy projektowaniu pracy z modelem, zamiast traktowania wszystkich interfejsów i ustawień rozumowania jako zamiennych.
Producent wymienia strumieniowanie, Structured Outputs i wywoływanie funkcji, a także wyszukiwanie w sieci i plikach, narzędzia generowania obrazów, interpreter kodu, narzędzia powłoki i nakładania poprawek, umiejętności, korzystanie z komputera, połączenia MCP i wyszukiwanie narzędzi. Wyjściem modelu bazowego nadal jest tekst; narzędzie generowania obrazów stanowi odrębną operację. Aplikacja definiuje dostępne narzędzia, wykonuje własne operacje i zwraca ich wyniki, aby model mógł kontynuować. Dokumentacja GPT-6 opisuje również asynchroniczną pracę narzędzi, sterowanie aktywną turą, zachowywanie rozumowania między wywołaniami i kompresję długiej rozmowy.
Podaj modelowi jasne kryterium ukończenia i dowody, których powinien użyć do sprawdzenia wyniku. W przeglądzie kodu poproś o wskazanie zachowania, którego dotyczy problem, i konkretne wyjaśnienie każdego istotnego problemu. Przy decyzji na podstawie dokumentów poproś o dostarczone fakty, wybrane podejście i warunki, od których zależy wniosek. Przydatny końcowy rezultat jasno przedstawia decyzję i jej podstawę, umożliwiając kolejnej osobie lub etapowi aplikacji działanie na podstawie konkretnego wyniku.
", "aboutText": "GPT-6.1 Sol Pro oznacza model GPT-6.1 Sol firmy OpenAI z rozumowaniem Pro. Model bazowy zaprojektowano do złożonego programowania, korzystania z komputera i pracy zawodowej. Przyjmuje tekst i obrazy, a generuje tekst. Pro oznacza dodatkową pracę modelu nad opracowaniem odpowiedzi końcowej; opisuje sposób pracy wybranego modelu nad żądaniem, natomiast poziom nakładu na rozumowanie określa ilość rozumowania w tym trybie. To rozróżnienie oddziela tożsamość GPT-6.1 Sol od ustawienia wykonania Pro.\n\nW wymagającym zadaniu inżynierskim podaj oczekiwane zachowanie, odpowiednie pliki lub fragmenty kodu oraz ograniczenia, które zmiana musi zachować. Przykładowe żądanie może polegać na zbadaniu dwóch możliwych implementacji, wskazaniu zależności, na które wpływa każda z nich, i przygotowaniu propozycji zmiany z krótkim wyjaśnieniem kompromisów. Do analizy zawodowej dostarcz dokumenty, decyzję do podjęcia i kryteria porównania wariantów. Jeśli obraz zawiera istotne dowody, wskaż element interfejsu, diagram lub szczegół, do którego odpowiedź powinna się odnieść.\n\nOpenAI podaje dla modelu bazowego okno kontekstu 1 050 000 tokenów, maksymalne wejście 922 000 tokenów i maksymalne wyjście 128 000 tokenów. Udokumentowana granica wiedzy to 30 kwietnia 2026. Rozumowanie również zajmuje miejsce w tokenach, więc długie wejście i długa widoczna odpowiedź muszą pozostawiać przestrzeń na analizę modelu. Przygotuj istotny materiał z czytelnymi etykietami i definicjami oraz określ rezultat: zmianę kodu, notatkę decyzyjną, procedurę lub uporządkowany zestaw ustaleń.\n\nUdokumentowane poziomy nakładu na rozumowanie modelu bazowego to low, medium, high, xhigh i max; domyślny jest medium. Model nie obsługuje none ani minimal. OpenAI dokumentuje Pro w interfejsie Responses API do trudnych zadań, które dopuszczają dodatkowy czas oczekiwania i aktywność modelu. W GPT-6.1 Sol wywoływanie narzędzi korzysta z Responses; interfejs Chat Completions producenta przyjmuje żądania bez narzędzi. Te rozróżnienia mają znaczenie przy projektowaniu pracy z modelem, zamiast traktowania wszystkich interfejsów i ustawień rozumowania jako zamiennych.\n\nProducent wymienia strumieniowanie, Structured Outputs i wywoływanie funkcji, a także wyszukiwanie w sieci i plikach, narzędzia generowania obrazów, interpreter kodu, narzędzia powłoki i nakładania poprawek, umiejętności, korzystanie z komputera, połączenia MCP i wyszukiwanie narzędzi. Wyjściem modelu bazowego nadal jest tekst; narzędzie generowania obrazów stanowi odrębną operację. Aplikacja definiuje dostępne narzędzia, wykonuje własne operacje i zwraca ich wyniki, aby model mógł kontynuować. Dokumentacja GPT-6 opisuje również asynchroniczną pracę narzędzi, sterowanie aktywną turą, zachowywanie rozumowania między wywołaniami i kompresję długiej rozmowy.\n\nPodaj modelowi jasne kryterium ukończenia i dowody, których powinien użyć do sprawdzenia wyniku. W przeglądzie kodu poproś o wskazanie zachowania, którego dotyczy problem, i konkretne wyjaśnienie każdego istotnego problemu. Przy decyzji na podstawie dokumentów poproś o dostarczone fakty, wybrane podejście i warunki, od których zależy wniosek. Przydatny końcowy rezultat jasno przedstawia decyzję i jej podstawę, umożliwiając kolejnej osobie lub etapowi aplikacji działanie na podstawie konkretnego wyniku.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "c8262b98b53f4742a0ff6eb4ddac725cbe4d5ab1949d092563ad791f4a556e7b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "openai/gpt-6.1-sol-pro:batchGPT-6.1 Sol z rozumowaniem Pro do złożonego programowania, korzystania z komputera i profesjonalnych analiz. Pro oznacza dodatkową pracę modelu przed odpowiedzią końcową, a model bazowy przyjmuje tekst i obrazy oraz generuje tekst.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
GPT-6.1 Sol Pro oznacza model GPT-6.1 Sol firmy OpenAI z rozumowaniem Pro. Model bazowy zaprojektowano do złożonego programowania, korzystania z komputera i pracy zawodowej. Przyjmuje tekst i obrazy, a generuje tekst. Pro oznacza dodatkową pracę modelu nad opracowaniem odpowiedzi końcowej; opisuje sposób pracy wybranego modelu nad żądaniem, natomiast poziom nakładu na rozumowanie określa ilość rozumowania w tym trybie. To rozróżnienie oddziela tożsamość GPT-6.1 Sol od ustawienia wykonania Pro.
W wymagającym zadaniu inżynierskim podaj oczekiwane zachowanie, odpowiednie pliki lub fragmenty kodu oraz ograniczenia, które zmiana musi zachować. Przykładowe żądanie może polegać na zbadaniu dwóch możliwych implementacji, wskazaniu zależności, na które wpływa każda z nich, i przygotowaniu propozycji zmiany z krótkim wyjaśnieniem kompromisów. Do analizy zawodowej dostarcz dokumenty, decyzję do podjęcia i kryteria porównania wariantów. Jeśli obraz zawiera istotne dowody, wskaż element interfejsu, diagram lub szczegół, do którego odpowiedź powinna się odnieść.
OpenAI podaje dla modelu bazowego okno kontekstu 1 050 000 tokenów, maksymalne wejście 922 000 tokenów i maksymalne wyjście 128 000 tokenów. Udokumentowana granica wiedzy to 30 kwietnia 2026. Rozumowanie również zajmuje miejsce w tokenach, więc długie wejście i długa widoczna odpowiedź muszą pozostawiać przestrzeń na analizę modelu. Przygotuj istotny materiał z czytelnymi etykietami i definicjami oraz określ rezultat: zmianę kodu, notatkę decyzyjną, procedurę lub uporządkowany zestaw ustaleń.
Udokumentowane poziomy nakładu na rozumowanie modelu bazowego to low, medium, high, xhigh i max; domyślny jest medium. Model nie obsługuje none ani minimal. OpenAI dokumentuje Pro w interfejsie Responses API do trudnych zadań, które dopuszczają dodatkowy czas oczekiwania i aktywność modelu. W GPT-6.1 Sol wywoływanie narzędzi korzysta z Responses; interfejs Chat Completions producenta przyjmuje żądania bez narzędzi. Te rozróżnienia mają znaczenie przy projektowaniu pracy z modelem, zamiast traktowania wszystkich interfejsów i ustawień rozumowania jako zamiennych.
Producent wymienia strumieniowanie, Structured Outputs i wywoływanie funkcji, a także wyszukiwanie w sieci i plikach, narzędzia generowania obrazów, interpreter kodu, narzędzia powłoki i nakładania poprawek, umiejętności, korzystanie z komputera, połączenia MCP i wyszukiwanie narzędzi. Wyjściem modelu bazowego nadal jest tekst; narzędzie generowania obrazów stanowi odrębną operację. Aplikacja definiuje dostępne narzędzia, wykonuje własne operacje i zwraca ich wyniki, aby model mógł kontynuować. Dokumentacja GPT-6 opisuje również asynchroniczną pracę narzędzi, sterowanie aktywną turą, zachowywanie rozumowania między wywołaniami i kompresję długiej rozmowy.
Podaj modelowi jasne kryterium ukończenia i dowody, których powinien użyć do sprawdzenia wyniku. W przeglądzie kodu poproś o wskazanie zachowania, którego dotyczy problem, i konkretne wyjaśnienie każdego istotnego problemu. Przy decyzji na podstawie dokumentów poproś o dostarczone fakty, wybrane podejście i warunki, od których zależy wniosek. Przydatny końcowy rezultat jasno przedstawia decyzję i jej podstawę, umożliwiając kolejnej osobie lub etapowi aplikacji działanie na podstawie konkretnego wyniku.
POST /v1/batchestexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Poleendpoint | Typstring | WymaganieWymagane | Wartości i limity /v1/chat/completions | Domyślnie— |
Polemodel | Typstring | WymaganieWymagane | Wartości i limity openai/gpt-6.1-sol-pro:batch | Domyślnie— |
Polerequests | Typbatch_item[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polerequests[].custom_id | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polerequests[].body.messages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polecompletion_window | Typstring | WymaganieOpcjonalne | Wartości i limity 24h | Domyślnie— |
Poleprovider | Typobject|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polerequests[].body.model | Typstring | WymaganieOpcjonalne | Wartości i limity openai/gpt-6.1-sol-pro:batch, openai/gpt-6.1-sol-pro | Domyślnie— |
Poleprovider.only | Typstring[] | WymaganieOpcjonalne | Wartości i limity openai | Domyślnie— |
Poleprovider.allow_fallbacks | Typboolean|null | WymaganieOpcjonalne | Wartości i limity false, null | Domyślnie— |
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktendpoint, model, requests |
Parametrmaterial_types | Kontrakttext |
Parametrrepresentation | Kontraktrequests[] bezpośrednio w żądaniu; każdy element zawiera custom_id i body |
Parametrrequest_endpoint_profile | Kontrakt/v1/chat/completions |
Parametrfile_material | KontraktWywołujący może lokalnie wczytać rzeczywisty plik JSONL w kodowaniu UTF-8 do requests[]. Nie używa się przeznaczenia przesyłanego pliku, input_file_id ani odwołania do pliku. Brak materiałów klienta lub ich pusta zawartość zatrzymują przygotowanie przed POST. |
Parametrserialization_order | Kontraktendpoint, model, provider (jeśli podano), completion_window (jeśli podano), requests na końcu |
Parametroptional_controls | Kontraktprovider.only, provider.allow_fallbacks, completion_window |
Parametrschema_scope | KontraktTreści żądań tekstowych Chat Completions w udokumentowanej strukturze Batch z danymi bezpośrednio w żądaniu. |
Cykl życia: asynchronous
GET /v1/batches/{operation_id} · Rzeczywista wartość response.id zwrócona przy pierwotnym utworzeniu; ten sam użytkownik, klucz i grupa
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.01 / 1K tokenów Wejście · Odczyt cache $0.0001 / 1K tokenów Wejście · Zapis do cache $0.0025 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznie272 000 | Opłata Wejście · Tokeny wejściowe $0.002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.01 / 1K tokenów Wejście · Odczyt cache $0.0001 / 1K tokenów Wejście · Zapis do cache $0.0025 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 2 | Tabela stawek— | Tokeny kontekstu, więcej niż272 000 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.015 / 1K tokenów Wejście · Odczyt cache $0.0002 / 1K tokenów Wejście · Zapis do cache $0.005 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-6.1-sol-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-6.1-sol-pro:batch', 'openai/gpt-6.1-sol-pro']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-6.1-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.\nJSON bezpośrednio w 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\nZachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj pełny pierwotny JSON stanu, każdy wynik i custom_id oraz pełną treść odpowiedzi lub błędu. Zapisz ukończone wyniki z results[] jako JSONL bez filtrowania.
Zachowaj pierwotny identyfikator operacji. Odpowiedź 503 result_pending_check zawiera X-Should-Retry:false; nigdy nie wysyłaj ponownie pierwotnego żądania Batch, którego wynik jest nieznany.
| Pole | Typ |
|---|---|
Poleresults[].custom_id | Typstring |
Poleresults[].response.body.choices[].message.content | Typstring|null |
Poleresults[].error | Typobject|null |
Poleusage | Typobject|null |
Poleid | Typstring |
Polemodel | Typstring |
Poleendpoint | Typstring |
Polestatus | Typstring |
Polerequest_counts | Typobject |
Poleresults[].id | Typstring |
Poleresults[].response.status_code | Typinteger |
Poleresults[].response.request_id | Typstring |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowa udokumentowana struktura z danymi bezpośrednio w żądaniu, zduplikowane klucze, problem z tożsamością elementu lub konflikt ze skonfigurowanymi możliwościami modelu. | Następny krokPopraw wskazane pola przed wysłaniem jakiegokolwiek nowego żądania. |
Odpowiedź401 · authentication_error | WarunekNieprawidłowy klucz API. | Następny krokUżyj autoryzowanego klucza Ailoot. |
Odpowiedź403 · permission_error | WarunekGrupa Batch jest niedostępna. | Następny krokSprawdź uprawnienia klucza i grupy. |
Odpowiedź422 · invalid_request_error | WarunekBatch korzysta z rozliczania z salda; utworzenie w ramach subskrypcji jest odrzucane. | Następny krokUżyj autoryzowanej grupy rozliczanej z salda. |
Odpowiedź422 · price_unavailable | WarunekNie można wycenić danych wejściowych Batch. | Następny krokZachowaj odpowiedź; użyj danych wejściowych udokumentowanych dla tej rodziny API. |
Odpowiedź402 · billing_error | WarunekRezerwa dla Batch jest niedostępna. | Następny krokRozwiąż problem dopuszczenia żądania przed wysłaniem nowego. |
Odpowiedź503 · price_unavailable | WarunekCena metody Batch lub stawki natywne są niedostępne. | Następny krokZachowaj odpowiedź; nie zastępuj cen innymi. |
Odpowiedź503 · api_error | WarunekDokładna trasa dostawcy jest niedostępna. | Następny krokZachowaj odpowiedź na potrzeby naprawy trasy. |
Odpowiedź503 · result_pending_check | WarunekPierwotny wynik wymaga sprawdzenia; X-Should-Retry:false. | Następny krokZachowaj pierwotny operation_id/id i odczytuj stan operacji; nigdy nie powtarzaj pierwotnego POST. |
Odpowiedź404 · not_found | WarunekOperacja sprawdzania stanu Batch nie istnieje lub należy do innej tożsamości. | Następny krokUżyj dokładnego pierwotnego id oraz tego samego użytkownika, klucza i grupy. |
Ailoot Ultra openai/gpt-6.1-sol-pro:batch
Użyj ścieżek metod podanych powyżej.