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": { "practical_html": "Przykład techniczny po angielsku
Compare duplicate-prevention designs\n\nCompare two job designs using these supplied facts. A records completion after a remote send. B records 'started' before the send and skips all started jobs. The process may crash before or after the send, and the receiver supports an idempotency key. Propose a recoverable design, explain the failure windows and give scenario checks without performing any sends.A design comparison, proposed state transitions and crash-window checks using the stated receiver capability.Check the proposal handles both unsent started jobs and sends completed before local recording.openai/gpt-6.1-sol-proGPT-6.1 Sol 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/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity openai/gpt-6.1-sol-pro | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Przykłady: system, user, assistant, tool, function Warunki: Te role są jawnie reprezentowane przez typy zgodności w kodzie źródłowym; dokładny zestaw ról pozostaje właściwy dla danego modelu. Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring|content_part[]|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_calls | Typtool_call[] | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_call_id | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID | Domyślnie— |
Polemessages[].name | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].reasoning_content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa | Domyślnie— |
Polemessages[].reasoning_details | Typobject|array | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polemax_completion_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Polestream_options.include_usage | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polestop | Typstring|string[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools | Typfunction_tool[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].type | Typstring | WymaganieOpcjonalne | Wartości i limity function Zależy od modelu | Domyślnie— |
Poletools[].function.name | Typstring | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie funkcji | Domyślnie— |
Poletools[].function.description | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletools[].function.parameters | TypJSON_schema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletool_choice | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleparallel_tool_calls | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleresponse_format | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning_effort | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleservice_tier | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleinstructions | Typstring | WymaganieOpcjonalne | Wartości i limity Pole zgodności | Domyślnie— |
Polefunctions | Typfunction[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polefunction_call | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleprompt_cache_options | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemodalities | Typstring[] | WymaganieOpcjonalne | Wartości i limity text | Domyślnie— |
Poleprovider | Typobject | WymaganieOpcjonalne | Wartości i limity Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra | Domyślnie— |
Polecache_control.ttl | Typstring | WymaganieOpcjonalne | Wartości i limity Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów | Domyślnie— |
Tekst · tekst UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontrakttablica wiadomości o strukturze role/content |
Parametrfile_material | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Cykl życia: synchronous_or_streamed
Wyślij dokładne ID modelu wraz z messages.
Długość kontekstu nie jest limitem wyjścia.
Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.
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 $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.02 / 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 |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznie272 000 | Opłata Wejście · Tokeny wejściowe $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.02 / 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 |
| KonfiguracjaPrzedział długości żądania 2 | Tabela stawek— | Tokeny kontekstu, więcej niż272 000 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.008 / 1K tokenów Wyjście · Tokeny wyjściowe $0.03 / 1K tokenów Wejście · Odczyt cache $0.0004 / 1K tokenów Wejście · Zapis do cache $0.01 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-6.1-sol-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-6.1-sol-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-6.1-sol-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra openai/gpt-6.1-sol-pro
Użyj ścieżek metod podanych powyżej.
openai/gpt-6.1-sol-proGPT-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/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity openai/gpt-6.1-sol-pro | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF-8
ciąg messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości. |
Cykl życia: synchronous_or_streamed
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 $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.02 / 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 |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznie272 000 | Opłata Wejście · Tokeny wejściowe $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.02 / 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 |
| KonfiguracjaPrzedział długości żądania 2 | Tabela stawek— | Tokeny kontekstu, więcej niż272 000 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.008 / 1K tokenów Wyjście · Tokeny wyjściowe $0.03 / 1K tokenów Wejście · Odczyt cache $0.0004 / 1K tokenów Wejście · Zapis do cache $0.01 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "openai/gpt-6.1-sol-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6.1-sol-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6.1-sol-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra openai/gpt-6.1-sol-pro
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
Compare duplicate-prevention designs\n\nCompare two job designs using these supplied facts. A records completion after a remote send. B records 'started' before the send and skips all started jobs. The process may crash before or after the send, and the receiver supports an idempotency key. Propose a recoverable design, explain the failure windows and give scenario checks without performing any sends.A design comparison, proposed state transitions and crash-window checks using the stated receiver capability.Check the proposal handles both unsent started jobs and sends completed before local recording.