Text
GPT-6.2 Astra
Używaj GPT-6.2 Astra w formatach OpenAI Responses i Chat Completions. Zawiera przykłady SDK, ustrukturyzowane dane wyjściowe, wywołania funkcji i strumieniowanie.
Używaj gpt-6.2-astra do złożonego programowania i analizy dokumentów. Ustaw bazowy URL SDK OpenAI na https://api.seedrouter.ai/v1 i podaj swój klucz API SeedRouter.
Model i limity
| Właściwość | GPT-6.2 Astra |
|---|---|
| Identyfikator modelu w żądaniu | gpt-6.2-astra |
| Wejście i wyjście | Tekst i obrazy na wejściu, tekst na wyjściu |
| Okno kontekstu | 1 050 000 tokenów |
| Maksymalna liczba tokenów wejściowych | 922 000 tokenów |
| Maksymalna liczba tokenów wyjściowych | 128 000 tokenów, łącznie z tokenami rozumowania |
| Data graniczna wiedzy | 18 maja 2026 r. |
Okno kontekstu obejmuje łącznie dane wejściowe i wyjściowe. Ustaw limit wyjściowy tak, by zostawić miejsce zarówno na rozumowanie, jak i widoczną odpowiedź. Aktualne stawki za token i ceny dla długiego kontekstu znajdziesz na stronie modelu.
Responses
Zainstaluj pakiet Python openai i ustaw SEEDROUTER_API_KEY w swoim środowisku.
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-astra",
input="Name one consistency check for a double-entry ledger.",
reasoning={"effort": "low"},
max_output_tokens=256,
)
print(response.output_text)W żądaniu HTTP wyślij POST /v1/responses. Odczytuj tekst z elementów output typu message, z części treści typu output_text. Wcześniejszy element może zawierać rozumowanie lub wywołanie funkcji. Metoda output_text odpowiedzi z SDK Pythona zbiera za Ciebie części tekstowe. Przed użyciem częściowego wyniku sprawdź status i incomplete_details.
Aby wysłać obraz, umieść część input_image w wiadomości użytkownika. Pomiń pole image na najwyższym poziomie. SeedRouter obsługuje odpowiedzi synchroniczne i strumieniowe. Pomiń background_options i nie ustawiaj background. Okna działania w tle 2h i 8h są niedostępne.
W przypadku hostowanych podagentów wyślij nagłówek OpenAI-Beta: responses_multi_agent=v1 oraz obiekt multi_agent z parametrem enabled ustawionym na true. Opcjonalna liczba całkowita max_concurrent_subagents określa liczbę aktywnych potomków, nie obejmuje agenta głównego, a jej wartość domyślna to 3; minimalna wartość wynosi 1. Gdy delegowanie jest włączone, pomiń reasoning.summary i max_tool_calls. Podagenci współdzielą budżet wyjściowy. Aby odczytać odpowiedź końcową, wybierz elementy typu message, w których agent.agent_name ma wartość /root, a phase — final_answer. Playground dodaje nagłówek beta, gdy wpiszesz obiekt w zaawansowanym JSON-ie.
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-astra",
"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-astra",
"messages": [{"role": "user", "content": "Name one consistency check for a double-entry ledger."}],
"reasoning_effort": "low",
"max_completion_tokens": 256
}'Ukończona odpowiedź Chat zawiera choices[0].message.content. Sprawdź choices[0].finish_reason, aby poznać limity wyjściowe. Chat podaje usage.prompt_tokens i usage.completion_tokens. Responses podaje usage.input_tokens i usage.output_tokens.
Pola żądania według endpointu
| Cel | Responses | Chat Completions |
|---|---|---|
| Dane wejściowe | input ciąg znaków lub elementy wejściowe | tablica messages |
| Instrukcje dla dewelopera | instructions dla tego żądania lub komunikat wejściowy developer | komunikat developer |
| Obraz w komunikacie użytkownika | Część typu input_image z ciągiem znaków image_url | Część typu image_url z adresem URL w image_url.url |
| Poziom wnikliwości rozumowania | reasoning.effort | reasoning_effort |
| Limit tokenów wyjściowych | max_output_tokens | max_completion_tokens |
| Szczegółowość odpowiedzi | text.verbosity | verbosity |
| Ścisły JSON | text.format | response_format.json_schema |
| Wywołania funkcji | tools, tool_choice, function_call_output | Używaj Responses do wywołań narzędzi GPT-6.2 |
| Strumieniowanie | stream: true, typowane zdarzenia | stream: true, fragmenty odpowiedzi Chat Completions |
OpenAI zaleca rozpoczęcie nowej integracji od poziomu rozumowania medium. Użyj low, aby uzyskać krótką odpowiedź. Przy migracji z none lub minimal wybierz low. Pomiń temperature, top_p i ustawienia logarytmicznych prawdopodobieństw, w tym message.output_text.logprobs w Responses include. Przewodnik migracji modeli
Ustrukturyzowane dane wyjściowe
Format JSON Schema w Responses umieszcza name, strict i schema obok type. W Chat te same trzy pola znajdują się w 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-astra",
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)Aby użyć schematu z Chat Completions, przekaż response_format={"type": "json_schema", "json_schema": city_format}. Przed parsowaniem JSON sprawdź, czy odpowiedź zawiera odmowę lub informację o osiągnięciu limitu tokenów.
Wywołania funkcji i strumieniowanie
W żądaniu Responses pola funkcji name i parameters znajdują się bezpośrednio w narzędziu. Ten przykład wykorzystuje ponownie powyższy schemat.
response = client.responses.create(
model="gpt-6.2-astra",
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)W teście na żywo SeedRouter to żądanie zwróciło function_call o nazwie record_city, z argumentami, które po zdekodowaniu dały {"city":"Paris"}. Sprawdź argumenty i wykonaj funkcję w swojej aplikacji. W następnym żądaniu Responses przekaż dalej pierwotne dane wejściowe i zwrócone elementy wyjściowe, a następnie dodaj element function_call_output z pasującym call_id i ciągiem znaków output.
Aby strumieniować tekst, ustaw stream: true. W Responses łącz delta ze zdarzeń response.output_text.delta i sprawdzaj, czy wystąpiło response.completed, response.incomplete lub response.failed. W Chat zbieraj choices[].delta.content, sprawdź końcowy powód zakończenia i odczytuj dane aż do [DONE].
Dostęp i ceny
Sprawdź dostęp swojego klucza za pomocą GET /v1/models. Aby sprawdzić dostępne grupy, użyj GET /api/seedrouter/llm/groups?model=gpt-6.2-astra z tym samym kluczem Bearer. Aby wybrać jedną ze zwróconych grup, prześlij jej ID w opcjonalnym nagłówku X-SeedRouter-Group. Pominięcie nagłówka oznacza użycie domyślnego wyboru dla klucza. Dostępne grupy możesz też sprawdzić w Playground.
Pobierz OpenAPI · OpenAI informacje o modelu · Pola Responses · Pola Chat · Kody błędów
