Claude Opus 5.5 jest już dostępny w SeedRouter

Text

GPT-6.2 Astra

View Markdown

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

WłaściwośćGPT-6.2 Astra
Identyfikator modelu w żądaniugpt-6.2-astra
Wejście i wyjścieTekst i obrazy na wejściu, tekst na wyjściu
Okno kontekstu1 050 000 tokenów
Maksymalna liczba tokenów wejściowych922 000 tokenów
Maksymalna liczba tokenów wyjściowych128 000 tokenów, łącznie z tokenami rozumowania
Data graniczna wiedzy18 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

CelResponsesChat Completions
Dane wejścioweinput ciąg znaków lub elementy wejściowetablica messages
Instrukcje dla deweloperainstructions dla tego żądania lub komunikat wejściowy developerkomunikat developer
Obraz w komunikacie użytkownikaCzęść typu input_image z ciągiem znaków image_urlCzęść typu image_url z adresem URL w image_url.url
Poziom wnikliwości rozumowaniareasoning.effortreasoning_effort
Limit tokenów wyjściowychmax_output_tokensmax_completion_tokens
Szczegółowość odpowiedzitext.verbosityverbosity
Ścisły JSONtext.formatresponse_format.json_schema
Wywołania funkcjitools, tool_choice, function_call_outputUżywaj Responses do wywołań narzędzi GPT-6.2
Strumieniowaniestream: true, typowane zdarzeniastream: 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