Cara Menggunakan GPT-6.1 Sol API

Untuk memanggil API GPT-6.1 Sol, kirim permintaan POST ke https://api.openai.com/v1/responses dengan "model": "gpt-6.1-sol" dan kunci Anda sebagai token Bearer. Harganya sama dengan GPT-6 Sol yaitu $2 input dan $10 output per juta token, dan input yang di-cache turun dari $0,20 menjadi $0,10. Migrasi dari gpt-6-sol sebagian besar hanyalah penggantian string. Perubahan yang memecah adalah 'effort': GPT-6.1 Sol tidak menerima none atau minimal, sehingga permintaan tersebut dipindahkan ke low, bersama dengan kode apa pun yang mengandalkan none.

OpenAI meluncurkan GPT-6.1 Sol di DevDay pada 29 September 2026. Ringkasan DevDay 2026 mencakup peluncuran lainnya, dan apa itu GPT-6.1 Sol membahas tolok ukur secara mendalam. Panduan ini mencakup permintaan pertama Anda, tingkat upaya (`effort`) yang harus dimulai, setiap perubahan migrasi, tingkatan Batch, Flex, dan Fast, serta uji regresi berdampingan dari kedua ID model di Apidog sebelum Anda mengalihkan lalu lintas produksi.

tombol

GPT-6 Sol vs GPT-6.1 Sol: apa yang berubah di API

Sebagian besar spesifikasinya identik. Berikut adalah perbedaan lengkap dari halaman model GPT-6.1 Sol, halaman model GPT-6 Sol dan panduan migrasi Menggunakan GPT-6 dari OpenAI:

Halaman GPT-6 Sol sekarang mengarahkan pembaca ke GPT-6.1 Sol sebagai “model Sol yang lebih baru.”

Kirim Permintaan GPT-6.1 Sol Pertama Anda

Ekspor kunci Anda sebagai OPENAI_API_KEY, lalu panggil Responses API:

curl https://api.openai.com/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
    "model": "gpt-6.1-sol",
    "reasoning": {"effort": "medium"},
    "input": "List three ways a webhook retry policy can create duplicate orders. One line each."
  }'

SDK Python membaca variabel lingkungan yang sama:

from openai import OpenAI

client = OpenAI()
response = client.responses.create(
    model="gpt-6.1-sol",
    reasoning={"effort": "medium"},
    input="List three ways a webhook retry policy can create duplicate orders. One line each.",
)
print(response.output_text)
print(response.usage)

Empat bagian dari respons yang penting:

• status adalah completed jika berhasil. Jika model kehabisan batas output, Anda akan mendapatkan incomplete dengan incomplete_details.reason diatur ke max_output_tokens, terkadang sebelum teks terlihat. Panduan penalaran menyarankan untuk mencadangkan setidaknya 25.000 token untuk penalaran dan output saat Anda bereksperimen.
• output adalah sebuah array. Jawabannya adalah item dengan type: "message", yang kontennya berisi output_text. Bacalah berdasarkan tipe, bukan berdasarkan indeks.
• usage.output_tokens mencakup token penalaran, yang ditagih dengan tarif output. usage.output_tokens_details.reasoning_tokens menunjukkan berapa banyak.
• usage.input_tokens_details melaporkan cached_tokens dan cache_write_tokens. Di situlah cache yang lebih murah muncul.

Gunakan Responses API untuk apa pun yang melibatkan alat; GPT-6.1 Sol hanya mendukung Chat Completions untuk permintaan tanpa alat. Panduan Responses API membahas bentuk permintaan secara lebih mendalam.

Pilih Tingkat Upaya Penalaran

Upaya (`effort`) adalah pengatur utama biaya dan kualitas Anda, dan medium adalah nilai default jika Anda mengabaikannya. Panduan pemilihan model OpenAI memasangkan medium dengan “pekerjaan teknis yang kompleks dan hasil yang terkoordinasi yang Anda harapkan untuk direvisi,” dan xhigh dengan hasil yang rapi dan keputusan yang dibangun dari bukti yang bertentangan. Posting peluncuran OpenAI menambahkan hasil berdasarkan pengaturan. Tolok ukur ini dilaporkan oleh OpenAI, dan tabel mengutip delta yang disebutkan OpenAI dalam teksnya:

Dua peringatan. Kumpulan faktualitas adalah percakapan yang sebelumnya ditandai karena kesalahan, bukan lalu lintas biasa. Dan di Terminal-Bench Science, GPT-6 Astra masih mencetak skor tertinggi (68,1%), jadi OpenAI merekomendasikan Astra untuk pekerjaan sains yang paling sulit.

Untuk panggilan yang sensitif terhadap latensi yang menggunakan none, mulailah dengan low dan ukur. Panduan penalaran menjelaskan low sebagai penalaran yang efisien “dengan peningkatan latensi yang moderat.” Untuk mengubah upaya di tengah percakapan tanpa merusak cache prompt, tambahkan item input configuration_update daripada mengubah reasoning.effort tingkat permintaan.

Migrasi dari gpt-6-sol: empat perubahan kode

1. Tukar ID model. Ganti gpt-6-sol dengan gpt-6.1-sol, dan simpan di konfigurasi atau variabel lingkungan agar pengembalian hanya satu kali pengeditan.
2. Petakan ulang none dan minimal. Panduan OpenAI: gunakan low sebagai ganti none, dan mulai minimal pada low lalu bandingkan pada tugas-tugas representatif. Pada GPT-6 Astra, yang juga tidak memiliki none, mengirimkannya akan mengembalikan HTTP 400, jadi perbaiki ini sebelum Anda memindahkan lalu lintas.
3. Hapus parameter sampling. Jika upaya (`effort`) bukan none, hapus temperature, top_p, dan top_logprobs (serta logprobs di Chat Completions). Kode yang memasangkan temperature dengan none pada GPT-6 Sol memerlukan ini.
4. Pindahkan panggilan alat Chat Completions ke Responses. GPT-6 Sol mengizinkan panggilan fungsi di Chat Completions hanya pada reasoning_effort: "none". Kombinasi tersebut tidak memiliki padanan di 6.1 Sol.

Kemudian jalankan ulang apa pun yang bergantung pada kekinian: batas waktu berpindah dari 20 April menjadi 30 April 2026. Jika Anda datang ke Sol dari Astra, panduan migrasi Astra ke Sol mencakup langkah sebelumnya itu.

Harga Batch, Flex, Fast, dan input yang di-cache

Setiap tingkatan mempertahankan bentuk GPT-6 Sol, dengan kolom input yang di-cache dibagi dua. Harga per 1 juta token berasal dari halaman harga API. Halaman model menambahkan bahwa prompt di atas 272K token input ditagih dengan tarif input dan cache 2x dan output 1,5x untuk permintaan penuh, aturan yang sama yang digunakan GPT-6 Sol:

Flex adalah service_tier: "flex" per permintaan. Fast adalah service_tier: "fast", dengan "priority" diterima sebagai alias. Mode cepat tidak tersedia dengan residensi data UE. Ultrafast untuk GPT-6.1 Sol “akan segera hadir” dan secara luas hanya tersedia untuk GPT-6 Astra saat ini; lihat mode Ultrafast OpenAI. Untuk pekerjaan semalam, panduan OpenAI Batch API membahas eksekusi batch.

Cache adalah tempat upgrade menghemat uang. Pembacaan berharga 0,05x tarif input pada 6.1 Sol versus 0,1x pada GPT-6 Sol, dan penulisan berharga 1,25x pada keduanya, sesuai dengan panduan caching prompt. Ambil contoh prompt sistem 50.000 token yang digunakan kembali di 1.000 permintaan. Satu penulisan berharga $0,125 pada kedua model; 999 pembacaan berharga $9,99 pada GPT-6 Sol dan $5,00 pada GPT-6.1 Sol. Prefiks yang dapat di-cache minimum adalah 1.024 token terlihat, dan prefiks yang di-cache tetap memenuhi syarat setidaknya selama 30 menit setelah penulisan atau penggunaan terakhirnya. Untuk strategi breakpoint, lihat caching prompt GPT-6.

Uji Pertukaran di Apidog

Jangan beralih produksi hanya berdasarkan daftar harga. Kirim permintaan tersimpan yang sama ke kedua ID dan bandingkan hasilnya. Di Apidog:

1. Buat lingkungan dengan OPENAI_API_KEY (disimpan sebagai rahasia), MODEL_ID diatur ke gpt-6-sol, dan EFFORT diatur ke medium.
2. Buat POST https://api.openai.com/v1/responses dengan header Authorization: Bearer {{OPENAI_API_KEY}} dan body ini, lalu simpan:

{
  "model": "{{MODEL_ID}}",
  "reasoning": {"effort": "{{EFFORT}}"},
  "max_output_tokens": 25000,
  "input": "Return a JSON object with keys risk and fix for this policy: retry any 5xx three times with no idempotency key."
}

3. Tambahkan assertions: HTTP 200, $.status sama dengan completed, $.output[*].type berisi message, $.usage.output_tokens lebih besar dari 0, dan $.usage.output_tokens_details.reasoning_tokens ada. Kemudian periksa bentuk output yang diandalkan kode Anda, seperti JSON yang valid dengan kunci yang Anda parse.
4. Tambahkan skrip post-processor yang mengubah usage menjadi dolar, menggunakan pembagian input dari panduan caching prompt OpenAI:

const u = pm.response.json().usage;
const d = u.input_tokens_details || {};
const cached = d.cached_tokens || 0;
const writes = d.cache_write_tokens || 0;
const model = pm.environment.get("MODEL_ID");
const cachedRate = model === "gpt-6.1-sol" ? 0.10 : 0.20;
const cost = ((u.input_tokens - cached - writes) * 2 + cached * cachedRate
  + writes * 2.5 + u.output_tokens * 10) / 1e6;
console.log(model, "cost per call $", cost.toFixed(5));

5. Kirim, atur MODEL_ID ke gpt-6.1-sol, dan kirim lagi. Bandingkan reasoning_tokens, output_tokens, jawaban, dan biaya yang tercatat. Jika Anda memetakan ulang dari none, jalankan baseline pada none dan kandidat pada low.

Kemudian pindahkan permintaan dan beberapa prompt nyata ke dalam skenario pengujian dan jalankan pasangan tersebut dari Apidog CLI di CI. --env-var menimpa variabel untuk satu eksekusi, sehingga satu skenario mencakup kedua model:

npm install -g apidog-cli
apidog run --access-token "$APIDOG_ACCESS_TOKEN" -t "$SCENARIO_ID" -e "$ENV_ID" \
  --env-var "MODEL_ID=gpt-6-sol" -r cli,junit
apidog run --access-token "$APIDOG_ACCESS_TOKEN" -t "$SCENARIO_ID" -e "$ENV_ID" \
  --env-var "MODEL_ID=gpt-6.1-sol" -r cli,junit

Assertion yang gagal akan menggagalkan pekerjaan, dan laporan JUnit memberi Anda kedua eksekusi secara berdampingan. Untuk assertions pada output yang bervariasi dari satu eksekusi ke eksekusi lainnya, lihat menguji agen AI non-deterministik.

FAQ

• Apakah GPT-6.1 Sol lebih mahal dari GPT-6 Sol? Tidak. Keduanya memiliki harga $2 input dan $10 output per 1 juta token. Input GPT-6.1 Sol yang di-cache adalah $0,10 versus $0,20, jadi beban kerja yang banyak menggunakan cache menjadi lebih murah.
• Apa yang harus saya lakukan dengan reasoning.effort: "none"? GPT-6.1 Sol tidak mendukung none maupun minimal. Petakan keduanya ke low, hapus temperature dan top_p, dan jalankan ulang evaluasi Anda sebelum beralih.
• Bisakah saya menggunakan GPT-6.1 Sol dengan Chat Completions? Ya, untuk permintaan tanpa alat. Panggilan alat memerlukan Responses API.
• Apakah ada tingkatan API GPT-6.1 Sol gratis? Tidak. Panggilan API ditagih per token mulai dari permintaan pertama. Apakah GPT-6.1 Sol gratis? mencakup rute termurah.

Langkah Selanjutnya

Simpan permintaan pertama, jalankan di gpt-6-sol pada upaya Anda saat ini, lalu di gpt-6.1-sol, dan bandingkan usage serta output pada prompt dari lalu lintas Anda sendiri. Unduh Apidog untuk menyimpan kedua eksekusi sebagai assertions yang dapat Anda jalankan ulang di CI. Mempertimbangkan Anthropic sebagai gantinya? Lihat GPT-6.1 Sol vs Claude Sonnet 5.5.