Text
GPT-6.2 Sol
Verwenden Sie GPT-6.2 Sol mit den Formaten Responses und Chat Completions von OpenAI. Enthält SDK-Beispiele, strukturierte Ausgaben, Funktionsaufrufe und Streaming.
Verwenden Sie gpt-6.2-sol für alltägliches Programmieren und Agenten-Workflows. Setzen Sie die Basis-URL des OpenAI SDK auf https://api.seedrouter.ai/v1 und geben Sie Ihren SeedRouter API-Schlüssel an.
Modell und Limits
| Eigenschaft | GPT-6.2 Sol |
|---|---|
| Modell-ID für Anfragen | gpt-6.2-sol |
| Ein- und Ausgabe | Text und Bilder als Eingabe, Text als Ausgabe |
| Kontextfenster | 1.050.000 Tokens |
| Maximale Eingabe | 922.000 Tokens |
| Maximale Ausgabe | 128.000 Tokens einschließlich Reasoning |
| Wissensstand bis | 1. Juni 2026 |
Das Kontextfenster umfasst Eingabe und Ausgabe zusammen. Wählen Sie ein Ausgabelimit, das Platz für Reasoning und die sichtbare Antwort lässt. Die aktuellen Tokenpreise und Preise für lange Kontexte finden Sie auf der Modellseite.
Responses
Installieren Sie das Python-Paket openai und setzen Sie SEEDROUTER_API_KEY in Ihrer Umgebung.
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["SEEDROUTER_API_KEY"],
base_url="https://api.seedrouter.ai/v1",
max_retries=0,
)
response = client.responses.create(
model="gpt-6.2-sol",
input="Suggest one test for a CSV import with a missing header.",
reasoning={"effort": "low"},
max_output_tokens=256,
)
print(response.output_text)Senden Sie über die API POST /v1/responses. Lesen Sie Text aus output-Elementen vom Typ message in Inhaltsteilen vom Typ output_text. Ein vorheriges Element kann Reasoning oder einen Funktionsaufruf enthalten. output_text in der Python-SDK-Antwort fasst die Textteile für Sie zusammen. Prüfen Sie status und incomplete_details, bevor Sie ein Teilergebnis verwenden.
Um ein Bild zu senden, füge in einer Nutzernachricht einen input_image-Teil ein. Lass das oberste Feld image weg. SeedRouter unterstützt synchrone und Streaming-Antworten. Lass background_options weg und setze background nicht. Die Hintergrundzeitfenster 2h und 8h sind nicht verfügbar.
Für gehostete Subagents sende den Header OpenAI-Beta: responses_multi_agent=v1 und das Objekt multi_agent mit enabled auf true. Der optionale Integer max_concurrent_subagents zählt aktive Nachfahren, ohne den Root-Agent mitzuzählen, und ist standardmäßig 3; der Mindestwert ist 1. Lass reasoning.summary und max_tool_calls weg, solange die Delegation aktiviert ist. Subagents teilen sich das Ausgabebudget. Um die finale Antwort auszulesen, wähle die Message-Items aus, deren agent.agent_name /root und deren phase final_answer ist. Im Playground wird der Beta-Header automatisch ergänzt, wenn du das Objekt im erweiterten JSON-Modus eingibst.
curl https://api.seedrouter.ai/v1/responses \
-H "Authorization: Bearer $SEEDROUTER_API_KEY" \
-H "Content-Type: application/json" \
-H "OpenAI-Beta: responses_multi_agent=v1" \
-d '{
"model": "gpt-6.2-sol",
"input": "Ask one subagent to check whether 17 is prime. Give the result.",
"multi_agent": {"enabled": true, "max_concurrent_subagents": 1},
"max_output_tokens": 512
}'Chat Completions
curl https://api.seedrouter.ai/v1/chat/completions \
-H "Authorization: Bearer $SEEDROUTER_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-6.2-sol",
"messages": [{"role": "user", "content": "Suggest one test for a CSV import with a missing header."}],
"reasoning_effort": "low",
"max_completion_tokens": 256
}'Eine abgeschlossene Chat-Antwort enthält choices[0].message.content. Prüfen Sie choices[0].finish_reason auf Ausgabelimits. Chat gibt usage.prompt_tokens und usage.completion_tokens zurück. Responses gibt usage.input_tokens und usage.output_tokens zurück.
Anfragefelder nach Endpunkt
| Zweck | Responses | Chat Completions |
|---|---|---|
| Eingabe | input Zeichenfolge oder Eingabeelemente | messages Array |
| Entwickleranweisungen | instructions für diese Anfrage oder eine developer-Eingabenachricht | Eine developer-Nachricht |
| Bild in einer Nutzernachricht | Teil vom Typ input_image mit einer Zeichenfolge image_url | Teil vom Typ image_url mit der URL in image_url.url |
| Reasoning-Aufwand | reasoning.effort | reasoning_effort |
| Ausgabetoken-Limit | max_output_tokens | max_completion_tokens |
| Ausgabedetail | text.verbosity | verbosity |
| Striktes JSON | text.format | response_format.json_schema |
| Funktionsaufrufe | tools, tool_choice, function_call_output | Verwenden Sie Responses für GPT-6.2-Toolaufrufe |
| Streaming | stream: true, typisierte Ereignisse | stream: true, Chat-Completions-Chunks |
OpenAI empfiehlt, eine neue Integration mit Reasoning auf Stufe medium zu beginnen. Verwenden Sie low für eine kurze Antwort. Wenn Sie von none oder minimal migrieren, wählen Sie low. Lassen Sie temperature, top_p und Log-Wahrscheinlichkeitsoptionen weg, einschließlich message.output_text.logprobs in Responses include. Leitfaden zur Modellmigration
Strukturierte Ausgabe
Bei einem JSON-Schema-Format in Responses stehen name, strict und schema neben type. In Chat kommen dieselben drei Felder in response_format.json_schema.
city_format = {
"name": "trip",
"strict": True,
"schema": {
"type": "object",
"properties": {"city": {"type": "string"}},
"required": ["city"],
"additionalProperties": False,
},
}
response = client.responses.create(
model="gpt-6.2-sol",
input="Return Paris in the city field.",
text={"format": {"type": "json_schema", **city_format}},
reasoning={"effort": "low"},
max_output_tokens=256,
)
print(response.output_text)Um das Schema mit Chat Completions zu verwenden, übergeben Sie response_format={"type": "json_schema", "json_schema": city_format}. Prüfen Sie die Antwort auf eine Ablehnung oder ein Tokenlimit, bevor Sie das JSON parsen.
Funktionsaufrufe und Streaming
Bei einer Responses-Anfrage befinden sich name und parameters der Funktion direkt am Tool. Dieses Beispiel verwendet das obige Schema erneut.
response = client.responses.create(
model="gpt-6.2-sol",
input="Call record_city for Paris.",
tools=[{
"type": "function",
"name": "record_city",
"parameters": city_format["schema"],
"strict": True,
}],
tool_choice={"type": "function", "name": "record_city"},
reasoning={"effort": "low"},
max_output_tokens=256,
)
for item in response.output:
if item.type == "function_call":
print(item.call_id, item.name, item.arguments)In einem Live-Test mit SeedRouter lieferte diese Anfrage ein function_call namens record_city zurück, dessen Argumente sich zu {"city":"Paris"} dekodieren ließen. Validieren Sie die Argumente und führen Sie Ihre Funktion in Ihrer Anwendung aus. Übernehmen Sie in die nächste Responses-Anfrage die ursprüngliche Eingabe und die zurückgegebenen Ausgabeelemente und fügen Sie ein function_call_output-Element mit dem passenden call_id und einer Zeichenfolge output hinzu.
Für Text in Echtzeit setzen Sie stream: true. Fügen Sie in Responses delta aus response.output_text.delta-Ereignissen zusammen und prüfen Sie auf response.completed, response.incomplete oder response.failed. Sammeln Sie in Chat choices[].delta.content, prüfen Sie den abschließenden Beendigungsgrund und lesen Sie bis [DONE].
Zugriff und Preise
Prüfen Sie den Zugriff Ihres Schlüssels mit GET /v1/models. Um verfügbare Gruppen abzurufen, verwenden Sie GET /api/seedrouter/llm/groups?model=gpt-6.2-sol mit demselben Bearer-Schlüssel. Um eine der zurückgegebenen Gruppen auszuwählen, senden Sie ihre ID im optionalen Header X-SeedRouter-Group. Ohne diesen Header wird die Standardauswahl des Schlüssels verwendet. Verfügbare Gruppen können Sie auch im Playground einsehen.
OpenAPI-Download · OpenAI-Modelldetails · Responses-Felder · Chat-Felder · Fehlercodes
