从代码片段走向多文件工程任务
官方 DeepSWE 1.1 评测关注真实代码库中的长程软件工程任务，GPT-6.1 Sol 在这一评测中达到接近 Astra 的表现。对开发者而言，更适合把问题描述、相关模块和约束一起提供，让模型追踪调用关系、定位缺陷并形成跨文件修改方案。
All models
Get your API key
gpt-6.1-sol
OpenAIChatreasoningvision
Input 4.2049 Credits / 1MOutput 21.0247 Credits / 1M
Overview
API
Pricing
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 上下文窗口
- 1,050,000 tokens
- 最大输出
- 128,000 tokens
- 模型输入
- 文本与图像
- 模型输出
- 文本、结构化 JSON、工具调用
- 推理强度
- low / medium / high / xhigh / max；配置方式随调用接口区分
- 平台接口
- Chat Completions（/openai/chat/completions）、Responses（/openai/responses）、AI Chat v2（/aichat2/conversations）与 AI Chat（/aichat/conversations）
容量与原生能力依据公开模型资料；实际请求格式、可用工具与限制以本平台对应 API 文档为准。上下文预算与最大输出应一起规划。
核心能力
了解 gpt-6.1-sol 能为你的工作带来什么。
理解复杂文档、表格与图示
官方 GDP.pdf 评测覆盖专业 PDF 中的表格、图表、示意图和细小文字，体现其文档理解方向。可用于比较规格、分析报告或提取业务字段；应用应按接口要求提供文本或图像材料，并保留能够回到原文核对的出处。
为多步骤工作流规划工具动作
它适合把业务目标拆成相互衔接的步骤，而不只是输出一段建议。多步工具任务可使用 Responses 组织输入与结果；应用需要定义工具、管理权限并保留执行记录。模型提出行动后，应以实际工具返回判断查询、写入和核验是否完成。
适用场景
从具体任务出发，找到模型发挥作用的位置。
代码迁移、排障与跨模块重构
提交明确的仓库版本、复现信息和相关模块，让模型分析修改范围与依赖，再组织补丁或重构方案。与只问一个函数相比，这类任务更能发挥它理解工程上下文的价值；最终结果仍以项目的实际运行与评审为准。
专业报告问答与结构化提取
围绕规格说明、合同草稿或研究报告，要求模型回答具体问题并列出依据，或按字段整理表格内容。区分材料中的事实、推断和缺失信息，有助于把长文档分析转化为便于审核的业务结果。
连接内部工具的业务助手
在应用提供受控函数工具后，可组织查询、核对、填表和更新记录等连续流程。先定义最终记录应满足的条件，再将工具结果反馈给模型；不能把“模型计划更新”误认为系统已经完成写入。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
相对 GPT-6 Sol 的选择
6.1 Sol 的升级重点是代码、专业文档和复杂工作流，官方也报告了事实准确性改善与缓存读取成本降低。已有 Sol 应用迁移时，除了比较输出质量，还要检查推理档位和工具协议；不能仅替换 model 字符串就默认请求完全兼容。
何时仍考虑 Astra 或 Luna
最困难的端到端研究和高要求任务，可继续比较 Astra；边界明确的分类、提取和高频子任务，可比较 Luna。评估时同时观察完成质量、输出用量、重试和人工修订成本，模型评测成绩不能直接等同于你的生产结果。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- 普通文本或图文对话可使用 Chat Completions，多步工具任务可使用 Responses。函数定义和结果回传应遵循所选入口的文档；模型的电脑操作与研究能力需要相应执行环境，不代表一个普通对话请求会自动操作电脑或联网。首次开放的一周内，仅向已验证的 ACE T1+ 持有者（至少 100,000 ACE）或获授权用户开放，具体开放时间与账号访问权限以控制台提示为准。
- 本型号不支持 none 或 minimal；平台指南列出 low、medium、high、xhigh 和 max。Chat Completions 与 Responses 的推理配置字段不同，迁移时需分别设置，并检查 temperature、top_p、logprobs 等采样参数是否适用于当前配置。
- 长上下文能够容纳更多材料，并不保证每个细节都能准确检索。复杂表格、小字与跨文档结论应保留原文证据；官方基准在特定工具、提示与推理设置下测得，不能作为实际延迟或正确率保证。
常见问题
解答使用 gpt-6.1-sol 时的常见疑问。
GPT-6.1 Sol 与 GPT-6 Sol 的主要区别是什么？
官方发布重点包括真实代码库任务、复杂 PDF 分析和多步骤业务流程的提升，以及更好的事实准确性与更低的官方缓存读取价格。容量相近不代表调用完全兼容，工具请求和推理档位需要按新型号核对。
可以把 1.05M tokens 全部用于输入吗？
应同时规划系统指令、对话历史、图像或工具信息与输出预算，不能只按原始文档长度估算。最大输出是另一项上限；接近容量边界时，优先检索相关段落，而非把不相关材料全部塞入请求。
工具调用应该使用哪个接口？
多步工具任务可优先使用本平台的 /openai/responses，按文档配置函数定义和工具结果回传。已有 Chat Completions 应用可依照对应入口支持的函数工具格式接入；工具动作实际执行、结果核对与授权范围需由应用或托管工作流管理。
如何选择 reasoning effort？
平台指南建议从 low 开始，用同一组任务比较 medium、high 或 xhigh，再为确有需要的复杂任务评估 max。更高档位应由完成质量决定，同时关注推理用量与耗时。不要沿用 none 或 minimal，并按所选接口设置 reasoning_effort 或 reasoning。
缓存与长上下文怎样影响计费？
本平台计费规则区分普通输入、缓存读取、缓存写入与输出；prompt_tokens 超过 272,000 时进入长上下文档位，输入及缓存相关费率为对应基础档位的 2 倍，输出为 1.5 倍。金额以 Pricing 页和所选套餐为准；重复文本不等于已经命中缓存。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。
Input
$0.40per 1M tokens
Official $2.00
Output
$2.00per 1M tokens
Official $10.00
−80%vs official
Top-up
You pay$13,584for 142,800 credits · $0.0951 / credits
You're billed in credits. Pick a top-up tier to see its per-credit rate — the larger the top-up, the cheaper each credit.
Quickstart
Try the API
API Key
Please obtain an API Key first
Your API key is pre-filled in the snippet — copy and run it in your terminal or IDE.
This is only a basic call example. See the full docs for more parameters and advanced usage.