Text
GPT-6.2 Astra
使用 GPT-6.2 Astra 调用 OpenAI Responses 和 Chat Completions 格式。包含 SDK 示例、结构化输出、函数调用和流式传输。
使用 gpt-6.2-astra 处理复杂编码任务和文档分析。将 OpenAI SDK 的 base URL 设为 https://api.seedrouter.ai/v1,并提供你的 SeedRouter API 密钥。
模型与限制
| 属性 | GPT-6.2 Astra |
|---|---|
| 请求中的模型 ID | gpt-6.2-astra |
| 输入与输出 | 输入文本和图像,输出文本 |
| 上下文窗口 | 1,050,000 个 token |
| 最大输入 | 922,000 个 token |
| 最大输出 | 128,000 个 token(含推理内容) |
| 知识截止日期 | 2026 年 5 月 18 日 |
上下文窗口包含输入和输出。设置输出上限时,要为推理过程和最终可见答案都留出空间。当前每 token 费率和长上下文定价请查看模型页面。
Responses
安装 Python openai 包,并在环境中设置 SEEDROUTER_API_KEY。
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)在请求中发送 POST /v1/responses。从类型为 message 的 output 项中读取文本;文本位于类型为 output_text 的内容部分中。较早的项目可能包含推理内容或函数调用。Python SDK 响应中的 output_text 会为你汇总文本部分。使用部分结果前,请检查 status 和 incomplete_details。
发送图像时,请在用户消息中加入 input_image 部分,并省略顶层 image 字段。SeedRouter 支持同步和流式响应。请省略 background_options,并将 background 留空。后台处理不支持 2h 和 8h 时间窗口。
对于托管式子代理,请发送请求头 OpenAI-Beta: responses_multi_agent=v1,并在 multi_agent 对象中将 enabled 设为 true。可选的整数 max_concurrent_subagents 表示活跃的后代代理数量,不包括根代理;默认值为 3,最小值为 1。启用委派期间,请省略 reasoning.summary 和 max_tool_calls。子代理共享输出预算。要读取最终答复,请选择 agent.agent_name 为 /root 且 phase 为 final_answer 的 message 项。在 Playground 的高级 JSON 中输入该对象后,Playground 会自动添加 beta 请求头。
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
}'已完成的 Chat 回复包含 choices[0].message.content。检查 choices[0].finish_reason 以了解输出限制。Chat 会报告 usage.prompt_tokens 和 usage.completion_tokens;Responses 会报告 usage.input_tokens 和 usage.output_tokens。
各端点的请求字段
| 用途 | Responses | Chat Completions |
|---|---|---|
| 输入 | input 字符串或输入项 | messages 数组 |
| 开发者指令 | 本次请求的 instructions,或一条 developer 输入消息 | 一条 developer 消息 |
| 用户消息中的图像 | 类型为 input_image 的部分,其中 image_url 是字符串 | 类型为 image_url 的部分,URL 位于 image_url.url 中 |
| 推理强度 | reasoning.effort | reasoning_effort |
| 输出 token 预算 | max_output_tokens | max_completion_tokens |
| 输出详略程度 | text.verbosity | verbosity |
| 严格 JSON | text.format | response_format.json_schema |
| 函数调用 | tools, tool_choice, function_call_output | 使用 Responses 进行 GPT-6.2 工具调用 |
| 流式传输 | stream: true,类型化事件 | stream: true,Chat completion 分块 |
OpenAI 建议新集成从 medium 推理强度开始。需要简短回答时使用 low。从 none 或 minimal 迁移时,请选择 low。省略 temperature、top_p 和对数概率控制项,包括 Responses include 中的 message.output_text.logprobs。模型迁移指南
结构化输出
Responses 的 JSON Schema 格式会将 name、strict 和 schema 与 type 并列设置。在 Chat 中,这三个字段放在 response_format.json_schema 内。
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)若要在 Chat Completions 中使用该 Schema,请传入 response_format={"type": "json_schema", "json_schema": city_format}。解析 JSON 前,请检查回复是否包含拒绝响应或触及 token 上限。
函数调用与流式传输
在 Responses 请求中,函数的 name 和 parameters 直接设在工具上。本示例沿用上面的 Schema。
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)在一次实时 SeedRouter 测试中,该请求返回了一个名为 record_city 的 function_call,其参数解码结果为 {"city":"Paris"}。请在应用中验证参数并执行函数。在下一次 Responses 请求中,保留原始输入和返回的输出项,并追加一个 function_call_output 项,其中包含匹配的 call_id 和字符串 output。
要接收实时文本,请设置 stream: true。在 Responses 中,拼接 response.output_text.delta 事件中的 delta,并检查是否出现 response.completed、response.incomplete 或 response.failed。在 Chat 中,收集 choices[].delta.content,检查最终的结束原因,并持续读取直到 [DONE]。
访问权限与定价
使用 GET /v1/models 检查你的密钥是否有访问权限。要查看可用分组,请使用同一个 Bearer 密钥调用 GET /api/seedrouter/llm/groups?model=gpt-6.2-astra。如需选择返回的某个分组,请在可选的 X-SeedRouter-Group 请求头中传入其 ID。省略该请求头时,系统会使用密钥的默认选择。你也可以在Playground中查看可用分组。
下载 OpenAPI · OpenAI 模型详情 · Responses 字段 · Chat 字段 · 错误代码
