Text
GPT-6.2 Sol
Usa GPT-6.2 Sol nei formati Responses e Chat Completions OpenAI. Include esempi per SDK, output strutturato, chiamate a funzioni e streaming.
Usa gpt-6.2-sol per la programmazione di tutti i giorni e i flussi di lavoro degli agenti. Imposta l'URL di base dell'SDK OpenAI su https://api.seedrouter.ai/v1 e fornisci la tua chiave API SeedRouter.
Modello e limiti
| Proprietà | GPT-6.2 Sol |
|---|---|
| ID modello per la richiesta | gpt-6.2-sol |
| Input e output | Testo e immagini in ingresso, testo in uscita |
| Finestra di contesto | 1.050.000 token |
| Input massimo | 922.000 token |
| Output massimo | 128.000 token, incluso il ragionamento |
| Data limite delle conoscenze | 1 giugno 2026 |
La finestra di contesto comprende input e output. Scegli un limite di output che lasci spazio sia al ragionamento sia alla risposta visibile. Le tariffe attuali per token e i prezzi per il contesto esteso sono disponibili nella pagina del modello.
Responses
Installa il pacchetto Python openai e imposta SEEDROUTER_API_KEY nel tuo ambiente.
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)A livello di protocollo, invia POST /v1/responses. Leggi il testo dagli elementi output di tipo message, nelle parti di contenuto di tipo output_text. Un elemento precedente può contenere ragionamento o una chiamata a funzione. output_text nella risposta dell'SDK Python raccoglie le parti di testo. Prima di usare un risultato parziale, controlla status e incomplete_details.
Per inviare un’immagine, includi una parte input_image in un messaggio utente. Ometti il campo di primo livello image. SeedRouter accetta risposte sincrone e in streaming. Ometti background_options e lascia background non impostato. Le finestre di background 2h e 8h non sono disponibili.
Per usare i sottoagenti ospitati, invia l’header OpenAI-Beta: responses_multi_agent=v1 e l’oggetto multi_agent con enabled impostato su true. Il parametro facoltativo max_concurrent_subagents, di tipo intero, conta i discendenti attivi, esclude l’agente radice e ha valore predefinito 3, con un minimo di 1. Quando la delega è abilitata, ometti reasoning.summary e max_tool_calls. I sottoagenti condividono il budget di output. Per leggere la risposta finale, seleziona gli elementi message con agent.agent_name uguale a /root e phase uguale a final_answer. Nel Playground, l’header beta viene aggiunto automaticamente quando inserisci l’oggetto nel JSON avanzato.
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
}'Una risposta Chat completata contiene choices[0].message.content. Controlla choices[0].finish_reason per i limiti di output. Chat restituisce usage.prompt_tokens e usage.completion_tokens. Responses restituisce usage.input_tokens e usage.output_tokens.
Campi della richiesta per endpoint
| Scopo | Responses | Chat Completions |
|---|---|---|
| Input | input stringa o elementi di input | messages array |
| Istruzioni per lo sviluppatore | instructions per questa richiesta o un messaggio di input developer | Un messaggio developer |
| Immagine in un messaggio dell'utente | Parte di tipo input_image con una stringa image_url | Parte di tipo image_url con l'URL in image_url.url |
| Livello di ragionamento | reasoning.effort | reasoning_effort |
| Limite di token in output | max_output_tokens | max_completion_tokens |
| Dettaglio dell'output | text.verbosity | verbosity |
| JSON rigoroso | text.format | response_format.json_schema |
| Chiamate a funzioni | tools, tool_choice, function_call_output | Usa Responses per le chiamate allo strumento GPT-6.2 |
| Streaming | stream: true, eventi tipizzati | stream: true, blocchi della risposta Chat |
OpenAI consiglia di iniziare con il livello di ragionamento medium per una nuova integrazione. Usa low per una risposta breve. Se stai migrando da none o minimal, scegli low. Ometti temperature, top_p e i controlli delle log-probabilità, incluso message.output_text.logprobs in Responses include. Guida alla migrazione del modello
Output strutturato
Un formato JSON Schema in Responses colloca name, strict e schema accanto a type. In Chat, gli stessi tre campi vanno dentro 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)Per usare lo schema con Chat Completions, passa response_format={"type": "json_schema", "json_schema": city_format}. Prima di analizzare il JSON, controlla se la risposta contiene un rifiuto o ha raggiunto il limite di token.
Chiamate a funzioni e streaming
In una richiesta Responses, name e parameters della funzione si trovano direttamente sullo strumento. Questo esempio riutilizza lo schema precedente.
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 un test live su SeedRouter, questa richiesta ha restituito un function_call chiamato record_city, con argomenti decodificati come {"city":"Paris"}. Convalida gli argomenti ed esegui la funzione nella tua applicazione. Nella richiesta Responses successiva, mantieni gli elementi di input originali e quelli di output restituiti, poi aggiungi un elemento function_call_output con il relativo call_id e una stringa output.
Per ricevere testo in tempo reale, imposta stream: true. In Responses, concatena delta dagli eventi response.output_text.delta e controlla response.completed, response.incomplete o response.failed. In Chat, raccogli choices[].delta.content, controlla il motivo di completamento finale e continua a leggere fino a [DONE].
Accesso e prezzi
Verifica l'accesso della tua chiave con GET /v1/models. Per visualizzare i gruppi disponibili, usa GET /api/seedrouter/llm/groups?model=gpt-6.2-sol con la stessa chiave Bearer. Per selezionare uno dei gruppi restituiti, inviane l'ID nell'intestazione facoltativa X-SeedRouter-Group. Se omessa, viene usata la selezione predefinita della chiave. Puoi anche consultare i gruppi disponibili nel Playground.
Scarica OpenAPI · OpenAI dettagli del modello · Campi Responses · Campi Chat · Codici di errore
