GPT-5.6 Sol é o principal modelo da OpenAI dentro da família GPT-5.6 para trabalho profissional complexo. Corresponde ao nível do modelo principal usado nas famílias GPT-5 anteriores, mantendo a sua própria edição denominada. Aceita texto e imagens e gera texto, incluindo análise, código, documentos e conclusões estruturadas. O perfil normal é distinto da execução com raciocínio Pro de Sol.
Defina o resultado, as fontes pertinentes e as condições que um resultado tem de satisfazer. Para trabalho de software, forneça os ficheiros ou excertos pertinentes, o comportamento observado, o comportamento esperado e as restrições. Para análise profissional, identifique a decisão, os critérios de comparação e as provas. Um exemplo de instrução é: «Compare estas abordagens com a especificação, identifique as dependências e produza uma recomendação com a condição da fonte que sustenta cada conclusão.»
Se as imagens contiverem provas, identifique-as e especifique o gráfico, o diagrama ou o elemento da interface a analisar. Peça à resposta que separe o pormenor observado da interpretação. Para escrita ou revisão, indique o leitor pretendido e os factos a preservar, depois identifique o resultado final e a estrutura obrigatória.
O produtor suporta os níveis de esforço none, low, medium, high, xhigh e max, com medium como predefinição. O modo de raciocínio normal é o predefinido; Pro acrescenta processamento do modelo para tarefas difíceis. São controlos independentes, pelo que o esforço não muda, por si só, o modelo denominado nem transforma Pro numa nova edição de base.
Por predefinição, o perfil de raciocínio GPT-5.6 reintroduz no passo seguinte o raciocínio disponível dos turnos anteriores, com uma definição de contexto para fluxos suportados. Mantenha claros os requisitos aceites e as observações ao longo da conversa e preserve a distinção entre uma ideia intermédia e uma conclusão final. O material conservado continua a consumir contexto.
A ficha de Sol indica um contexto de 1 050 000 tokens, até 922 000 tokens de entrada e até 128 000 tokens de saída, com conhecimentos atualizados até 16 de fevereiro de 2026. O raciocínio consome espaço na resposta mesmo quando não é apresentado como a resposta final. Deixe espaço para resultados das ferramentas e para o resultado concluído e examine uma resposta que atinja o seu orçamento antes de a usar.
Organize documentos longos e código em torno da pergunta real. Guarde os rótulos de origem e os limites pertinentes, para que uma conclusão possa identificar o material de que depende. Para factos atuais, forneça passagens de fontes com autoridade na matéria ou ferramentas de pesquisa adequadas, em vez de depender dos conhecimentos de treino da época da data-limite.
A OpenAI indica Structured Outputs, transmissão progressiva e chamadas de funções. As ferramentas documentadas incluem pesquisa na Web e em ficheiros, geração de imagens, um intérprete de código, operações de linha de comandos e de aplicação de correções, competências, utilização do computador, ligações MCP e pesquisa de ferramentas. A aplicação fornece e executa as suas operações, devolvendo observações para o passo seguinte do modelo. A saída do próprio modelo continua a ser texto, enquanto os conteúdos multimédia ou as ações produzidos por ferramentas têm os seus próprios resultados.
Dê às funções finalidades e esquemas específicos. Para um registo de dados, defina o significado dos campos e as convenções para valores em falta. Verifique os valores face às fontes e o código face ao comportamento pedido. Uma entrega útil apresenta claramente o resultado, as provas e as condições por resolver; uma operação proposta ou um comando de validação são distintos de trabalho realmente executado.
GPT-5.6 Sol é distinto de Terra, Luna e dos modelos GPT-6 posteriores; o alias gpt-5.6 da OpenAI aponta para Sol. Preserve esse perfil quando a tarefa depender da sua data-limite de conhecimentos, dos controlos de raciocínio ou dos limites de contexto.
", "aboutText": "GPT-5.6 Sol é o principal modelo da OpenAI dentro da família GPT-5.6 para trabalho profissional complexo. Corresponde ao nível do modelo principal usado nas famílias GPT-5 anteriores, mantendo a sua própria edição denominada. Aceita texto e imagens e gera texto, incluindo análise, código, documentos e conclusões estruturadas. O perfil normal é distinto da execução com raciocínio Pro de Sol.\n\n### Preparar trabalho exigente\n\nDefina o resultado, as fontes pertinentes e as condições que um resultado tem de satisfazer. Para trabalho de software, forneça os ficheiros ou excertos pertinentes, o comportamento observado, o comportamento esperado e as restrições. Para análise profissional, identifique a decisão, os critérios de comparação e as provas. Um exemplo de instrução é: «Compare estas abordagens com a especificação, identifique as dependências e produza uma recomendação com a condição da fonte que sustenta cada conclusão.»\n\nSe as imagens contiverem provas, identifique-as e especifique o gráfico, o diagrama ou o elemento da interface a analisar. Peça à resposta que separe o pormenor observado da interpretação. Para escrita ou revisão, indique o leitor pretendido e os factos a preservar, depois identifique o resultado final e a estrutura obrigatória.\n\n### Esforço, execução e continuidade do contexto\n\nO produtor suporta os níveis de esforço none, low, medium, high, xhigh e max, com medium como predefinição. O modo de raciocínio normal é o predefinido; Pro acrescenta processamento do modelo para tarefas difíceis. São controlos independentes, pelo que o esforço não muda, por si só, o modelo denominado nem transforma Pro numa nova edição de base.\n\nPor predefinição, o perfil de raciocínio GPT-5.6 reintroduz no passo seguinte o raciocínio disponível dos turnos anteriores, com uma definição de contexto para fluxos suportados. Mantenha claros os requisitos aceites e as observações ao longo da conversa e preserve a distinção entre uma ideia intermédia e uma conclusão final. O material conservado continua a consumir contexto.\n\n### Limites e preparação das fontes\n\nA ficha de Sol indica um contexto de 1 050 000 tokens, até 922 000 tokens de entrada e até 128 000 tokens de saída, com conhecimentos atualizados até 16 de fevereiro de 2026. O raciocínio consome espaço na resposta mesmo quando não é apresentado como a resposta final. Deixe espaço para resultados das ferramentas e para o resultado concluído e examine uma resposta que atinja o seu orçamento antes de a usar.\n\nOrganize documentos longos e código em torno da pergunta real. Guarde os rótulos de origem e os limites pertinentes, para que uma conclusão possa identificar o material de que depende. Para factos atuais, forneça passagens de fontes com autoridade na matéria ou ferramentas de pesquisa adequadas, em vez de depender dos conhecimentos de treino da época da data-limite.\n\n### Ferramentas e saídas\n\nA OpenAI indica Structured Outputs, transmissão progressiva e chamadas de funções. As ferramentas documentadas incluem pesquisa na Web e em ficheiros, geração de imagens, um intérprete de código, operações de linha de comandos e de aplicação de correções, competências, utilização do computador, ligações MCP e pesquisa de ferramentas. A aplicação fornece e executa as suas operações, devolvendo observações para o passo seguinte do modelo. A saída do próprio modelo continua a ser texto, enquanto os conteúdos multimédia ou as ações produzidos por ferramentas têm os seus próprios resultados.\n\nDê às funções finalidades e esquemas específicos. Para um registo de dados, defina o significado dos campos e as convenções para valores em falta. Verifique os valores face às fontes e o código face ao comportamento pedido. Uma entrega útil apresenta claramente o resultado, as provas e as condições por resolver; uma operação proposta ou um comando de validação são distintos de trabalho realmente executado.\n\nGPT-5.6 Sol é distinto de Terra, Luna e dos modelos GPT-6 posteriores; o alias gpt-5.6 da OpenAI aponta para Sol. Preserve esse perfil quando a tarefa depender da sua data-limite de conhecimentos, dos controlos de raciocínio ou dos limites de contexto.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "74ffca0ea39503d77efc0e7b2b6c07208b6fbbe32e728e86896bb1cd1a92dede", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "openai/gpt-5.6-sol:batchGPT-5.6 Sol é o principal modelo GPT-5.6 da OpenAI para trabalho profissional complexo. Combina compreensão de texto e imagens, raciocínio configurável e ferramentas com um contexto de 1 050 000 tokens para produzir código, análise e documentos sustentados pelas fontes.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
GPT-5.6 Sol é o principal modelo da OpenAI dentro da família GPT-5.6 para trabalho profissional complexo. Corresponde ao nível do modelo principal usado nas famílias GPT-5 anteriores, mantendo a sua própria edição denominada. Aceita texto e imagens e gera texto, incluindo análise, código, documentos e conclusões estruturadas. O perfil normal é distinto da execução com raciocínio Pro de Sol.
Defina o resultado, as fontes pertinentes e as condições que um resultado tem de satisfazer. Para trabalho de software, forneça os ficheiros ou excertos pertinentes, o comportamento observado, o comportamento esperado e as restrições. Para análise profissional, identifique a decisão, os critérios de comparação e as provas. Um exemplo de instrução é: «Compare estas abordagens com a especificação, identifique as dependências e produza uma recomendação com a condição da fonte que sustenta cada conclusão.»
Se as imagens contiverem provas, identifique-as e especifique o gráfico, o diagrama ou o elemento da interface a analisar. Peça à resposta que separe o pormenor observado da interpretação. Para escrita ou revisão, indique o leitor pretendido e os factos a preservar, depois identifique o resultado final e a estrutura obrigatória.
O produtor suporta os níveis de esforço none, low, medium, high, xhigh e max, com medium como predefinição. O modo de raciocínio normal é o predefinido; Pro acrescenta processamento do modelo para tarefas difíceis. São controlos independentes, pelo que o esforço não muda, por si só, o modelo denominado nem transforma Pro numa nova edição de base.
Por predefinição, o perfil de raciocínio GPT-5.6 reintroduz no passo seguinte o raciocínio disponível dos turnos anteriores, com uma definição de contexto para fluxos suportados. Mantenha claros os requisitos aceites e as observações ao longo da conversa e preserve a distinção entre uma ideia intermédia e uma conclusão final. O material conservado continua a consumir contexto.
A ficha de Sol indica um contexto de 1 050 000 tokens, até 922 000 tokens de entrada e até 128 000 tokens de saída, com conhecimentos atualizados até 16 de fevereiro de 2026. O raciocínio consome espaço na resposta mesmo quando não é apresentado como a resposta final. Deixe espaço para resultados das ferramentas e para o resultado concluído e examine uma resposta que atinja o seu orçamento antes de a usar.
Organize documentos longos e código em torno da pergunta real. Guarde os rótulos de origem e os limites pertinentes, para que uma conclusão possa identificar o material de que depende. Para factos atuais, forneça passagens de fontes com autoridade na matéria ou ferramentas de pesquisa adequadas, em vez de depender dos conhecimentos de treino da época da data-limite.
A OpenAI indica Structured Outputs, transmissão progressiva e chamadas de funções. As ferramentas documentadas incluem pesquisa na Web e em ficheiros, geração de imagens, um intérprete de código, operações de linha de comandos e de aplicação de correções, competências, utilização do computador, ligações MCP e pesquisa de ferramentas. A aplicação fornece e executa as suas operações, devolvendo observações para o passo seguinte do modelo. A saída do próprio modelo continua a ser texto, enquanto os conteúdos multimédia ou as ações produzidos por ferramentas têm os seus próprios resultados.
Dê às funções finalidades e esquemas específicos. Para um registo de dados, defina o significado dos campos e as convenções para valores em falta. Verifique os valores face às fontes e o código face ao comportamento pedido. Uma entrega útil apresenta claramente o resultado, as provas e as condições por resolver; uma operação proposta ou um comando de validação são distintos de trabalho realmente executado.
GPT-5.6 Sol é distinto de Terra, Luna e dos modelos GPT-6 posteriores; o alias gpt-5.6 da OpenAI aponta para Sol. Preserve esse perfil quando a tarefa depender da sua data-limite de conhecimentos, dos controlos de raciocínio ou dos limites de contexto.
POST /v1/batchestexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campoendpoint | Tipostring | RequisitoObrigatório | Valores e limites /v1/chat/completions | Predefinição— |
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites openai/gpt-5.6-sol:batch | Predefinição— |
Camporequests | Tipobatch_item[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Camporequests[].custom_id | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Camporequests[].body.messages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campocompletion_window | Tipostring | RequisitoOpcional | Valores e limites 24h | Predefinição— |
Campoprovider | Tipoobject|null | RequisitoOpcional | Valores e limites | Predefinição— |
Camporequests[].body.model | Tipostring | RequisitoOpcional | Valores e limites openai/gpt-5.6-sol:batch, openai/gpt-5.6-sol | Predefinição— |
Campoprovider.only | Tipostring[] | RequisitoOpcional | Valores e limites openai | Predefinição— |
Campoprovider.allow_fallbacks | Tipoboolean|null | RequisitoOpcional | Valores e limites false, null | Predefinição— |
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratoendpoint, model, requests |
Parâmetromaterial_types | Contratotext |
Parâmetrorepresentation | Contratorequests[] em linha; cada item tem custom_id e body |
Parâmetrorequest_endpoint_profile | Contrato/v1/chat/completions |
Parâmetrofile_material | ContratoQuem faz a chamada pode ler localmente o conteúdo JSONL UTF-8 efetivo para requests[]. Não é utilizada qualquer finalidade de carregamento, input_file_id ou referência a ficheiro. Se o material do cliente estiver em falta ou vazio, a preparação é interrompida antes do POST. |
Parâmetroserialization_order | Contratoendpoint, model, provider (se fornecido), completion_window (se fornecido), requests em último lugar |
Parâmetrooptional_controls | Contratoprovider.only, provider.allow_fallbacks, completion_window |
Parâmetroschema_scope | ContratoCorpos de pedidos de texto de Chat Completions na estrutura de lote em linha documentada. |
Ciclo de vida: asynchronous
GET /v1/batches/{operation_id} · response.id efetivo da resposta original de criação; mesmo utilizador/chave/grupo
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.002 / 1K tokens Saída · Tokens de saída $0.01 / 1K tokens Entrada · Leitura da cache $0.0002 / 1K tokens Entrada · Escrita na cache $0.0025 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusive272 000 | Custo Entrada · Tokens de entrada $0.002 / 1K tokens Saída · Tokens de saída $0.01 / 1K tokens Entrada · Leitura da cache $0.0002 / 1K tokens Entrada · Escrita na cache $0.0025 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 2 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de272 000 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.015 / 1K tokens Entrada · Leitura da cache $0.0004 / 1K tokens Entrada · Escrita na cache $0.005 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${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-5.6-sol:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['openai/gpt-5.6-sol:batch', 'openai/gpt-5.6-sol']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5.6-sol:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON em linha de 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\nGuarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve o JSON completo do estado original, todos os resultados/custom_id e o corpo completo da resposta ou do erro. Guarde os results[] concluídos em formato JSONL, sem filtrar.
Preserve o ID original da operação. A resposta 503 result_pending_check inclui X-Should-Retry:false; nunca volte a enviar um lote original de estado desconhecido.
| Campo | Tipo |
|---|---|
Camporesults[].custom_id | Tipostring |
Camporesults[].response.body.choices[].message.content | Tipostring|null |
Camporesults[].error | Tipoobject|null |
Campousage | Tipoobject|null |
Campoid | Tipostring |
Campomodel | Tipostring |
Campoendpoint | Tipostring |
Campostatus | Tipostring |
Camporequest_counts | Tipoobject |
Camporesults[].id | Tipostring |
Camporesults[].response.status_code | Tipointeger |
Camporesults[].response.request_id | Tipostring |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoEstrutura em linha documentada inválida, chaves duplicadas, identidade do item inválida ou conflito com as capacidades configuradas do modelo. | Passo seguinteCorrija os campos indicados antes de qualquer novo envio. |
Resposta401 · authentication_error | CondiçãoChave de API inválida. | Passo seguinteUse a chave Ailoot autorizada. |
Resposta403 · permission_error | CondiçãoGrupo de processamento em lote indisponível. | Passo seguinteVerifique os direitos de acesso da chave/do grupo. |
Resposta422 · invalid_request_error | CondiçãoO processamento em lote usa faturação por débito do saldo; a criação com subscrição é rejeitada. | Passo seguinteUse o grupo autorizado com faturação por débito do saldo. |
Resposta422 · price_unavailable | CondiçãoNão é possível calcular uma estimativa de preço para os dados de entrada do lote. | Passo seguinteConserve a resposta; use os dados de entrada documentados para a família. |
Resposta402 · billing_error | CondiçãoReserva para processamento em lote indisponível. | Passo seguinteResolva a questão da admissão antes de um novo pedido. |
Resposta503 · price_unavailable | CondiçãoPreço do método de processamento em lote/tarifas nativas indisponíveis. | Passo seguinteConserve a resposta; não substitua os preços. |
Resposta503 · api_error | CondiçãoA rota exata do fornecedor está indisponível. | Passo seguinteConserve a resposta para corrigir a rota. |
Resposta503 · result_pending_check | CondiçãoO resultado original requer verificação; X-Should-Retry:false. | Passo seguinteGuarde o operation_id/id original e consulte o respetivo estado; nunca repita o POST original. |
Resposta404 · not_found | CondiçãoA operação de consulta do estado do lote não existe ou pertence a outra identidade. | Passo seguinteUse o id original exato e o mesmo utilizador/chave/grupo. |
Ailoot Ultra openai/gpt-5.6-sol:batch
Use os caminhos dos métodos indicados acima.