GPT 5.6 Sol API

openai/gpt-5.6-sol
1M tokens · 280 输入积分 / 1M tokens

GPT 5.6 Sol 根据提示词与对话上下文生成详细文本,适合复杂推理、跨文件软件工程、智能体规划和研究综合。任务深度与约束处理优先于 token 成本时,可选择 Sol。

GPT 5.6 Sol

OpenAI · responses

与 GPT 5.6 Sol 开始对话

每个模型都有独立对话。切换模型不会发送其他模型的聊天记录,切回后可继续原对话。请求按实际 Token 用量计费。

Ctrl / ⌘ + Enter 发送0 / 32,000

继续体验

GPT 5.6 Sol

GPT 5.6 Sol 接收文本字符串或有序消息数组,并通过同步 JSON 或 SSE 返回生成文本与 usage。面对需要跨多项输入深入推理的任务,应提供完整代码、证据和决策约束。

为什么选择

  • 多步骤深度推理提供相互关联的要求与证据,用于持续追踪多个决策之间的约束。

  • 复杂软件工程结合代码仓库上下文、架构规则和故障案例,规划或审查跨文件改动。

  • 长链路智能体规划说明工具、检查点与验收条件,生成可执行的持续工作流计划。

参数

参数要求说明
input必填

文本字符串或有序消息数组,包含任务、支持上下文与对话历史。

max_output_tokens可选

设置模型在本次响应中最多返回的 token 数。

stream可选

设为 false 返回同步 JSON,设为 true 返回有序 SSE 事件流。

默认falsetrue

如何使用

  1. 界定复杂决策写明目标、不可妥协的约束以及 Sol 必须考虑的故障模式。

  2. 补全工作上下文加入完成推理所需的相关代码、证据、依赖关系和既有决定。

  3. 定义交付格式明确返回文本需要包含的结构、假设、引用或验证步骤。

  4. 核对验收条件逐项检查回答是否满足约束,并在执行前补充缺失上下文。

定价

Vidgo AI 分别统计输入、输出、缓存读取和缓存写入 tokens,再将各项费用相加并以积分结算。以下费率均按每 1M tokens 计算。

用量费率说明
输入 tokens280 积分 / 1M tokens未命中提示缓存的输入用量。
输出 tokens1680 积分 / 1M tokens模型生成的输出用量。
缓存读取28 积分 / 1M tokens从提示缓存读取的输入 tokens。
缓存写入350 积分 / 1M tokens写入提示缓存的输入 tokens。

最佳使用场景

  • 跨仓库架构审查结合源文件、服务边界和故障报告,产出改动方案与审查清单。

  • 研究决策备忘录把论文、报告和冲突要求整理成结论、不确定性与有依据的建议。

  • 多阶段智能体运行手册将复杂目标、工具清单和完成规则转换为长链路工作流的检查点。

专业建议

  • 将不可妥协的约束与偏好分开列出,便于 Sol 在多步骤推理中明确排序。
  • 当回答会驱动大范围软件或研究决策时,要求模型列出假设、未决风险和验证步骤。
  • 相关请求应保持重复指令与参考上下文不变,以提高提示缓存的复用机会。

注意事项

  • 上下文窗口为 1M tokens,最大输出为 128K tokens。
  • GPT 5.6 Sol 在 Vidgo AI 上使用 /v1/responses。
  • 每次成功请求的最小正向扣费为 0.001 积分;无有效输出不扣费。
  • 若上游返回有效内容但缺少 usage,后端会估算 token 用量完成结算。

GPT 5.6 Sol 文本生成 API — 常见问题

GPT 5.6 Sol 文本生成 API 是什么?

GPT 5.6 Sol 由 OpenAI 开发,接收文本或对话消息,并通过 Vidgo AI 返回生成文本与 usage。

如何调用 GPT 5.6 Sol 文本生成 API?

使用 Bearer 认证向 /v1/responses 发送 POST 请求,model 传入 gpt-5-6-sol,并提供有效 input。stream 为 false 时返回 JSON,为 true 时返回 SSE。

GPT 5.6 Sol 文本生成如何计费?

每 1M tokens 的输入、输出、缓存读取和缓存写入费率分别为 280、1680、28 和 350 积分。成功请求的最低正向扣费为 0.001 积分。

GPT 5.6 Sol 文本生成接受哪些输入?

Responses 接口的 input 可以是文本字符串或消息数组,还可通过 max_output_tokens 限制输出,并通过 stream 选择同步 JSON 或 SSE。

应该选择哪个 GPT 5.6 档位?

高难度推理、软件工程、智能体和研究任务选择 Sol;需要平衡生产能力与费用时选择 Terra;常规高用量文本处理选择 Luna。