GPT-6 Sol Pro betecknar OpenAI:s GPT-6 Sol med Pro-resonemang. Grundmodellen Sol är byggd för komplex programmering och agentarbetsflöden, tar emot text och bilder och producerar text. Pro innebär ytterligare modellarbete för att utveckla slutsvaret. Det är separat från resonemangsnivån, som styr hur mycket analys modellen tillämpar inom det valda körläget. GPT-6 Sol förblir grundutgåvan för denna modellbeskrivning, separat från GPT-6.1 Sol.
För en utvecklingsuppgift ska du beskriva beteendet som ska implementeras och lämna relevanta källfiler, exempel på indata och de begränsningar som ändringen måste följa. En exempelbegäran är att följa hur indata leder till ett resultat, identifiera de beroenden som ingår och föreslå en ändring som bevarar det önskade beteendet. För en granskning ska du ta med det avsedda beteendet och koden som ska undersökas och sedan be om konkreta problem med en förklaring av hur vart och ett påverkar det beteendet.
Agentarbete kopplar samman flera beslut genom underlag från arbetsmiljön. Ett verktyg kan hämta en fil, köra en beräkning eller returnera resultatet av en kontroll; resultatet blir material för nästa beslut. OpenAI anger webb- och filsökning, verktyg för bildgenerering, en kodtolk, värdtjänstens skal- och rättelseoperationer, färdigheter, datoranvändning, MCP-anslutningar och verktygssökning för grundmodellen. Den stöder också funktionsanrop, Structured Outputs, strömning och promptcache. Applikationer styr sina tillgängliga operationer och returnerar faktiska verktygsresultat; enbart modellgenererad åtgärdstext är inte bevis för att en operation har slutförts.
Tillverkarens GPT-6 Sol-specifikation anger ett kontextfönster på 1 050 000 token, en maximal indata på 922 000 token och en maximal utdata på 128 000 token. Den dokumenterade kunskapsgränsen är den 20 april 2026. Grundmodellens resonemangsnivåer är none, low, medium, high, xhigh och max, med medium som standard. Kontexten måste rymma uppgiften, relevanta verktygsresultat och resonemang samt det synliga svaret. Håll definitioner och kriterier för slutförande nära det material de gäller, särskilt i en lång teknisk begäran.
OpenAI dokumenterar Pro i Responses API för svårt arbete som tillåter ytterligare fördröjning och modellaktivitet. För GPT-6 Sol använder inbyggda verktyg och resonemang med funktionsanrop Responses. I tillverkarens Chat Completions-gränssnitt stöds funktionsanrop endast när resonemangsnivån är none. GPT-6-guiden beskriver också asynkront verktygsarbete, styrning under en pågående tur och bevarande av resonemang mellan anrop. Detta är arbetsflödesfunktioner med egna gränssnittskrav.
Ange en konkret slutlig artefakt och hur den ska kontrolleras. Du kan begära en föreslagen rättelse, det beteende den ändrar och det underlag som behövs för att verifiera den, eller en jämförelse av implementationsalternativ kopplad till de tillhandahållna begränsningarna. Om en bild ger gränssnittskontext ska du ange vilken visuell detalj som är viktig. Slutsvaret ska koppla betydelsefulla val till det tekniska målet och skilja en föreslagen åtgärd från ett resultat som redan har erhållits.
", "aboutText": "GPT-6 Sol Pro betecknar OpenAI:s GPT-6 Sol med Pro-resonemang. Grundmodellen Sol är byggd för komplex programmering och agentarbetsflöden, tar emot text och bilder och producerar text. Pro innebär ytterligare modellarbete för att utveckla slutsvaret. Det är separat från resonemangsnivån, som styr hur mycket analys modellen tillämpar inom det valda körläget. GPT-6 Sol förblir grundutgåvan för denna modellbeskrivning, separat från GPT-6.1 Sol.\n\nFör en utvecklingsuppgift ska du beskriva beteendet som ska implementeras och lämna relevanta källfiler, exempel på indata och de begränsningar som ändringen måste följa. En exempelbegäran är att följa hur indata leder till ett resultat, identifiera de beroenden som ingår och föreslå en ändring som bevarar det önskade beteendet. För en granskning ska du ta med det avsedda beteendet och koden som ska undersökas och sedan be om konkreta problem med en förklaring av hur vart och ett påverkar det beteendet.\n\nAgentarbete kopplar samman flera beslut genom underlag från arbetsmiljön. Ett verktyg kan hämta en fil, köra en beräkning eller returnera resultatet av en kontroll; resultatet blir material för nästa beslut. OpenAI anger webb- och filsökning, verktyg för bildgenerering, en kodtolk, värdtjänstens skal- och rättelseoperationer, färdigheter, datoranvändning, MCP-anslutningar och verktygssökning för grundmodellen. Den stöder också funktionsanrop, Structured Outputs, strömning och promptcache. Applikationer styr sina tillgängliga operationer och returnerar faktiska verktygsresultat; enbart modellgenererad åtgärdstext är inte bevis för att en operation har slutförts.\n\nTillverkarens GPT-6 Sol-specifikation anger ett kontextfönster på 1 050 000 token, en maximal indata på 922 000 token och en maximal utdata på 128 000 token. Den dokumenterade kunskapsgränsen är den 20 april 2026. Grundmodellens resonemangsnivåer är none, low, medium, high, xhigh och max, med medium som standard. Kontexten måste rymma uppgiften, relevanta verktygsresultat och resonemang samt det synliga svaret. Håll definitioner och kriterier för slutförande nära det material de gäller, särskilt i en lång teknisk begäran.\n\nOpenAI dokumenterar Pro i Responses API för svårt arbete som tillåter ytterligare fördröjning och modellaktivitet. För GPT-6 Sol använder inbyggda verktyg och resonemang med funktionsanrop Responses. I tillverkarens Chat Completions-gränssnitt stöds funktionsanrop endast när resonemangsnivån är none. GPT-6-guiden beskriver också asynkront verktygsarbete, styrning under en pågående tur och bevarande av resonemang mellan anrop. Detta är arbetsflödesfunktioner med egna gränssnittskrav.\n\nAnge en konkret slutlig artefakt och hur den ska kontrolleras. Du kan begära en föreslagen rättelse, det beteende den ändrar och det underlag som behövs för att verifiera den, eller en jämförelse av implementationsalternativ kopplad till de tillhandahållna begränsningarna. Om en bild ger gränssnittskontext ska du ange vilken visuell detalj som är viktig. Slutsvaret ska koppla betydelsefulla val till det tekniska målet och skilja en föreslagen åtgärd från ett resultat som redan har erhållits.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Review a cache invalidation contract\n\nReview this design: reads cache user profiles for one hour; updates write the database but never evict the cache; the API promises that a successful update is visible to the next read. Identify the contract violation and compare evict-after-commit with versioned cache keys. Recommend one approach and specify the failure-path tests needed.A focused design review with a comparison, recommendation and tests for update and cache failure paths.The recommendation addresses the next-read promise and explains the remaining race or failure condition.openai/gpt-6-sol-proGPT-6 Sol med Pro-resonemang för komplex programmering och agentarbete. Lämna koden, kraven och relevant underlag för att begära ett implementationsförslag, en fokuserad granskning eller en förklaring av en lösning i flera steg.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-6 Sol Pro betecknar OpenAI:s GPT-6 Sol med Pro-resonemang. Grundmodellen Sol är byggd för komplex programmering och agentarbetsflöden, tar emot text och bilder och producerar text. Pro innebär ytterligare modellarbete för att utveckla slutsvaret. Det är separat från resonemangsnivån, som styr hur mycket analys modellen tillämpar inom det valda körläget. GPT-6 Sol förblir grundutgåvan för denna modellbeskrivning, separat från GPT-6.1 Sol.
För en utvecklingsuppgift ska du beskriva beteendet som ska implementeras och lämna relevanta källfiler, exempel på indata och de begränsningar som ändringen måste följa. En exempelbegäran är att följa hur indata leder till ett resultat, identifiera de beroenden som ingår och föreslå en ändring som bevarar det önskade beteendet. För en granskning ska du ta med det avsedda beteendet och koden som ska undersökas och sedan be om konkreta problem med en förklaring av hur vart och ett påverkar det beteendet.
Agentarbete kopplar samman flera beslut genom underlag från arbetsmiljön. Ett verktyg kan hämta en fil, köra en beräkning eller returnera resultatet av en kontroll; resultatet blir material för nästa beslut. OpenAI anger webb- och filsökning, verktyg för bildgenerering, en kodtolk, värdtjänstens skal- och rättelseoperationer, färdigheter, datoranvändning, MCP-anslutningar och verktygssökning för grundmodellen. Den stöder också funktionsanrop, Structured Outputs, strömning och promptcache. Applikationer styr sina tillgängliga operationer och returnerar faktiska verktygsresultat; enbart modellgenererad åtgärdstext är inte bevis för att en operation har slutförts.
Tillverkarens GPT-6 Sol-specifikation anger ett kontextfönster på 1 050 000 token, en maximal indata på 922 000 token och en maximal utdata på 128 000 token. Den dokumenterade kunskapsgränsen är den 20 april 2026. Grundmodellens resonemangsnivåer är none, low, medium, high, xhigh och max, med medium som standard. Kontexten måste rymma uppgiften, relevanta verktygsresultat och resonemang samt det synliga svaret. Håll definitioner och kriterier för slutförande nära det material de gäller, särskilt i en lång teknisk begäran.
OpenAI dokumenterar Pro i Responses API för svårt arbete som tillåter ytterligare fördröjning och modellaktivitet. För GPT-6 Sol använder inbyggda verktyg och resonemang med funktionsanrop Responses. I tillverkarens Chat Completions-gränssnitt stöds funktionsanrop endast när resonemangsnivån är none. GPT-6-guiden beskriver också asynkront verktygsarbete, styrning under en pågående tur och bevarande av resonemang mellan anrop. Detta är arbetsflödesfunktioner med egna gränssnittskrav.
Ange en konkret slutlig artefakt och hur den ska kontrolleras. Du kan begära en föreslagen rättelse, det beteende den ändrar och det underlag som behövs för att verifiera den, eller en jämförelse av implementationsalternativ kopplad till de tillhandahållna begränsningarna. Om en bild ger gränssnittskontext ska du ange vilken visuell detalj som är viktig. Slutsvaret ska koppla betydelsefulla val till det tekniska målet och skilja en föreslagen åtgärd från ett resultat som redan har erhållits.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser openai/gpt-6-sol-pro | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.02 / 1K token Indata · Cacheläsning $0.0004 / 1K token Indata · Skrivning till cache $0.005 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och med272 000 | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.02 / 1K token Indata · Cacheläsning $0.0004 / 1K token Indata · Skrivning till cache $0.005 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 2 för förfrågans längd | Prislista— | Kontexttoken, fler än272 000 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.008 / 1K token Utdata · Utdatatoken $0.03 / 1K token Indata · Cacheläsning $0.0008 / 1K token Indata · Skrivning till cache $0.01 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${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-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-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-sol-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra openai/gpt-6-sol-pro
Använd metodsökvägarna som visas ovan.
openai/gpt-6-sol-proGPT-6 Sol med Pro-resonemang för komplex programmering och agentarbete. Lämna koden, kraven och relevant underlag för att begära ett implementationsförslag, en fokuserad granskning eller en förklaring av en lösning i flera steg.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-6 Sol Pro betecknar OpenAI:s GPT-6 Sol med Pro-resonemang. Grundmodellen Sol är byggd för komplex programmering och agentarbetsflöden, tar emot text och bilder och producerar text. Pro innebär ytterligare modellarbete för att utveckla slutsvaret. Det är separat från resonemangsnivån, som styr hur mycket analys modellen tillämpar inom det valda körläget. GPT-6 Sol förblir grundutgåvan för denna modellbeskrivning, separat från GPT-6.1 Sol.
För en utvecklingsuppgift ska du beskriva beteendet som ska implementeras och lämna relevanta källfiler, exempel på indata och de begränsningar som ändringen måste följa. En exempelbegäran är att följa hur indata leder till ett resultat, identifiera de beroenden som ingår och föreslå en ändring som bevarar det önskade beteendet. För en granskning ska du ta med det avsedda beteendet och koden som ska undersökas och sedan be om konkreta problem med en förklaring av hur vart och ett påverkar det beteendet.
Agentarbete kopplar samman flera beslut genom underlag från arbetsmiljön. Ett verktyg kan hämta en fil, köra en beräkning eller returnera resultatet av en kontroll; resultatet blir material för nästa beslut. OpenAI anger webb- och filsökning, verktyg för bildgenerering, en kodtolk, värdtjänstens skal- och rättelseoperationer, färdigheter, datoranvändning, MCP-anslutningar och verktygssökning för grundmodellen. Den stöder också funktionsanrop, Structured Outputs, strömning och promptcache. Applikationer styr sina tillgängliga operationer och returnerar faktiska verktygsresultat; enbart modellgenererad åtgärdstext är inte bevis för att en operation har slutförts.
Tillverkarens GPT-6 Sol-specifikation anger ett kontextfönster på 1 050 000 token, en maximal indata på 922 000 token och en maximal utdata på 128 000 token. Den dokumenterade kunskapsgränsen är den 20 april 2026. Grundmodellens resonemangsnivåer är none, low, medium, high, xhigh och max, med medium som standard. Kontexten måste rymma uppgiften, relevanta verktygsresultat och resonemang samt det synliga svaret. Håll definitioner och kriterier för slutförande nära det material de gäller, särskilt i en lång teknisk begäran.
OpenAI dokumenterar Pro i Responses API för svårt arbete som tillåter ytterligare fördröjning och modellaktivitet. För GPT-6 Sol använder inbyggda verktyg och resonemang med funktionsanrop Responses. I tillverkarens Chat Completions-gränssnitt stöds funktionsanrop endast när resonemangsnivån är none. GPT-6-guiden beskriver också asynkront verktygsarbete, styrning under en pågående tur och bevarande av resonemang mellan anrop. Detta är arbetsflödesfunktioner med egna gränssnittskrav.
Ange en konkret slutlig artefakt och hur den ska kontrolleras. Du kan begära en föreslagen rättelse, det beteende den ändrar och det underlag som behövs för att verifiera den, eller en jämförelse av implementationsalternativ kopplad till de tillhandahållna begränsningarna. Om en bild ger gränssnittskontext ska du ange vilken visuell detalj som är viktig. Slutsvaret ska koppla betydelsefulla val till det tekniska målet och skilja en föreslagen åtgärd från ett resultat som redan har erhållits.
POST /v1/messagestexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser openai/gpt-6-sol-pro | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring|content_block[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältsystem | Typstring|content_block[] | KravValfritt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser Minimum: 1 Gränsen gäller för: den exakta gränsen för den valda modellen/det valda kortet | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop_sequences | Typstring[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typtool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].name | Typstring | KravValfritt | Värden & gränser Gäller när: verktyg har tillhandahållits | Standard— |
Fälttools[].description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].input_schema | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältthinking.type | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältthinking.budget_tokens | Typinteger | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältoutput_config.effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmetadata | Typobject | KravValfritt | Värden & gränser | Standard— |
Fältcache_control | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Text · UTF8-text
messages[].content eller ett type=text-block
Text + bild
{type:image,source:{type:base64,media_type,data}} eller källa type=url
| Parameter | Avtal |
|---|---|
Parametermaterial_types | Avtaltext |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalnull |
Parametercontent_type | Avtalapplication/json |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: exact retained published method
Skicka det exakta modell-ID:t och de obligatoriska fälten.
Behåll varje returnerad post och dess ursprungliga identifierare.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.02 / 1K token Indata · Cacheläsning $0.0004 / 1K token Indata · Skrivning till cache $0.005 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och med272 000 | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.02 / 1K token Indata · Cacheläsning $0.0004 / 1K token Indata · Skrivning till cache $0.005 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 2 för förfrågans längd | Prislista— | Kontexttoken, fler än272 000 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.008 / 1K token Utdata · Utdatatoken $0.03 / 1K token Indata · Cacheläsning $0.0008 / 1K token Indata · Skrivning till cache $0.01 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "openai/gpt-6-sol-pro",\n "max_tokens": 4096,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ]\n}set -eu\n: "${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-sol-pro', 'max_tokens': 4096, '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-sol-pro', 'max_tokens': 4096, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\njson eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra openai/gpt-6-sol-pro
Använd metodsökvägarna som visas ovan.
openai/gpt-6-sol-proGPT-6 Sol med Pro-resonemang för komplex programmering och agentarbete. Lämna koden, kraven och relevant underlag för att begära ett implementationsförslag, en fokuserad granskning eller en förklaring av en lösning i flera steg.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-6 Sol Pro betecknar OpenAI:s GPT-6 Sol med Pro-resonemang. Grundmodellen Sol är byggd för komplex programmering och agentarbetsflöden, tar emot text och bilder och producerar text. Pro innebär ytterligare modellarbete för att utveckla slutsvaret. Det är separat från resonemangsnivån, som styr hur mycket analys modellen tillämpar inom det valda körläget. GPT-6 Sol förblir grundutgåvan för denna modellbeskrivning, separat från GPT-6.1 Sol.
För en utvecklingsuppgift ska du beskriva beteendet som ska implementeras och lämna relevanta källfiler, exempel på indata och de begränsningar som ändringen måste följa. En exempelbegäran är att följa hur indata leder till ett resultat, identifiera de beroenden som ingår och föreslå en ändring som bevarar det önskade beteendet. För en granskning ska du ta med det avsedda beteendet och koden som ska undersökas och sedan be om konkreta problem med en förklaring av hur vart och ett påverkar det beteendet.
Agentarbete kopplar samman flera beslut genom underlag från arbetsmiljön. Ett verktyg kan hämta en fil, köra en beräkning eller returnera resultatet av en kontroll; resultatet blir material för nästa beslut. OpenAI anger webb- och filsökning, verktyg för bildgenerering, en kodtolk, värdtjänstens skal- och rättelseoperationer, färdigheter, datoranvändning, MCP-anslutningar och verktygssökning för grundmodellen. Den stöder också funktionsanrop, Structured Outputs, strömning och promptcache. Applikationer styr sina tillgängliga operationer och returnerar faktiska verktygsresultat; enbart modellgenererad åtgärdstext är inte bevis för att en operation har slutförts.
Tillverkarens GPT-6 Sol-specifikation anger ett kontextfönster på 1 050 000 token, en maximal indata på 922 000 token och en maximal utdata på 128 000 token. Den dokumenterade kunskapsgränsen är den 20 april 2026. Grundmodellens resonemangsnivåer är none, low, medium, high, xhigh och max, med medium som standard. Kontexten måste rymma uppgiften, relevanta verktygsresultat och resonemang samt det synliga svaret. Håll definitioner och kriterier för slutförande nära det material de gäller, särskilt i en lång teknisk begäran.
OpenAI dokumenterar Pro i Responses API för svårt arbete som tillåter ytterligare fördröjning och modellaktivitet. För GPT-6 Sol använder inbyggda verktyg och resonemang med funktionsanrop Responses. I tillverkarens Chat Completions-gränssnitt stöds funktionsanrop endast när resonemangsnivån är none. GPT-6-guiden beskriver också asynkront verktygsarbete, styrning under en pågående tur och bevarande av resonemang mellan anrop. Detta är arbetsflödesfunktioner med egna gränssnittskrav.
Ange en konkret slutlig artefakt och hur den ska kontrolleras. Du kan begära en föreslagen rättelse, det beteende den ändrar och det underlag som behövs för att verifiera den, eller en jämförelse av implementationsalternativ kopplad till de tillhandahållna begränsningarna. Om en bild ger gränssnittskontext ska du ange vilken visuell detalj som är viktig. Slutsvaret ska koppla betydelsefulla val till det tekniska målet och skilja en föreslagen åtgärd från ett resultat som redan har erhållits.
POST /v1/responsestexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser openai/gpt-6-sol-pro | Standard— |
Fältinput | Typstring|input_item[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältinput[].type | Typstring | KravValfritt | Värden & gränser message, reasoning, function_call, function_call_output | Standard— |
Fältinput[].content | Typstring|content_part[] | KravValfritt | Värden & gränser | Standard— |
Fältinput[].call_id | Typstring | KravValfritt | Värden & gränser Gäller när: function_call_output; behåll det faktiska returnerade call_id | Standard— |
Fältinput[].output | Typstring|content_part[] | KravValfritt | Värden & gränser Gäller när: function_call_output | Standard— |
Fältmax_output_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typtool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning.effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning.summary | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttext.format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttext.verbosity | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinclude | Typstring[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstore | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprevious_response_id | Typstring | KravStöds inte | Värden & gränser ID-krav: Endast ett faktiskt svars-ID från en fortsättning som stöds Villkor: Skicka med den faktiska samtalshistoriken vid varje begäran. | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_key | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Text · UTF8-text
indatatext eller en input_text-del
Text + bild
{type:input_image,image_url}
| Parameter | Avtal |
|---|---|
Parametermaterial_types | Avtaltext |
Parameterrequired | Avtalmodel, input |
Parameteroptional_controls | Avtalnull |
Parametercontent_type | Avtalapplication/json |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: exact retained published method
Skicka det exakta modell-ID:t och de obligatoriska fälten.
Behåll varje returnerad post och dess ursprungliga identifierare.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.02 / 1K token Indata · Cacheläsning $0.0004 / 1K token Indata · Skrivning till cache $0.005 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och med272 000 | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.02 / 1K token Indata · Cacheläsning $0.0004 / 1K token Indata · Skrivning till cache $0.005 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 2 för förfrågans längd | Prislista— | Kontexttoken, fler än272 000 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.008 / 1K token Utdata · Utdatatoken $0.03 / 1K token Indata · Cacheläsning $0.0008 / 1K token Indata · Skrivning till cache $0.01 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "openai/gpt-6-sol-pro",\n "input": [\n {\n "content": "Hello, how are you?",\n "role": "user",\n "type": "message"\n }\n ]\n}set -eu\n: "${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-sol-pro', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][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/responses \\\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\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-sol-pro', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][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 = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}\nheaders['Authorization'] = 'Bearer ' + api_key\nrequest = Request('https://api.ailoot.ai/v1/responses', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\njson eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje utdatapost och innehållsdel, det faktiska call_id för funktionen, krypterat resonemang och användningsuppgifter. Bevara vid strömning den fullständiga identiteten för händelsen/posten.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältstatus | Typstring |
Fältoutput[] | Typmessage|reasoning|function_call|other item |
Fältoutput[].content[] | Typcontent part |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra openai/gpt-6-sol-pro
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Review a cache invalidation contract\n\nReview this design: reads cache user profiles for one hour; updates write the database but never evict the cache; the API promises that a successful update is visible to the next read. Identify the contract violation and compare evict-after-commit with versioned cache keys. Recommend one approach and specify the failure-path tests needed.A focused design review with a comparison, recommendation and tests for update and cache failure paths.The recommendation addresses the next-read promise and explains the remaining race or failure condition.