如何调用 GPT-6.1 Sol API？

要调用 GPT-6.1 Sol API，请向 https://api.openai.com/v1/responses 发送 POST 请求，带上 "model": "gpt-6.1-sol" 和作为 Bearer token 的密钥。它的标价与 GPT-6 Sol 相同，都是每百万 token 输入 $2、输出 $10，而缓存输入从 $0.20 降到 $0.10。从 gpt-6-sol 迁移基本只是替换一个字符串。真正的破坏性变更是推理强度：GPT-6.1 Sol 不接受 none 或 minimal，所以这些请求要改到 low，依赖 none 的代码也一样。

OpenAI 在 2026 年 9 月 29 日的 DevDay 上发布了 GPT-6.1 Sol。DevDay 2026 roundup 覆盖了其它发布内容，what is GPT-6.1 Sol 深入介绍了基准测试。本指南覆盖你的第一个请求、该从哪个强度档位起步、迁移中的每一项变更、Batch、Flex 和 Fast 档位，以及在上线生产流量之前，如何在 Apifox 中对两个模型 ID 做一次并排回归测试。

GPT-6 Sol vs GPT-6.1 Sol：API 有哪些变化

绝大部分规格是相同的。以下是来自 GPT-6.1 Sol 模型页、GPT-6 Sol 模型页以及 OpenAI Using GPT-6 迁移指南的完整差异：

GPT-6 Sol 页面现在会引导读者转向 GPT-6.1 Sol，称其为「更新的 Sol 模型」。

发送你的第一个 GPT-6.1 Sol 请求

把密钥导出为 OPENAI_API_KEY，然后调用 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."
  }'

Python SDK 读取同一个环境变量：

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)

响应中有四个部分值得关注：

• status 成功时为 completed。如果模型用尽输出预算，你会得到 incomplete，并且 incomplete_details.reason 被设为 max_output_tokens，有时在任何可见文本出现之前就如此。推理指南建议在实验阶段为推理和输出预留至少 25,000 token。
• output 是一个数组。答案是 type: "message" 的那一项，其 content 中保存着 output_text。请按类型读取，而不是按索引。
• usage.output_tokens 包含推理 token，按输出费率计费。usage.output_tokens_details.reasoning_tokens 显示其中有多少。
• usage.input_tokens_details 报告 cached_tokens 和 cache_write_tokens。更便宜的缓存就体现在这里。

凡是涉及工具的场景都请使用 Responses API；GPT-6.1 Sol 仅在无工具的请求中支持 Chat Completions。Responses API guide 更深入地讲解了请求结构。

选择推理强度档位

强度是你控制成本与质量的主要旋钮，省略时默认是 medium。OpenAI 的模型选择指南把 medium 匹配到「复杂的技术工作，以及你预期会反复修订的协同交付物」，把 xhigh 匹配到需要打磨的交付物，以及基于相互矛盾证据做出的决策。OpenAI 的发布公告补充了按档位给出的结果。这些基准测试均为 OpenAI 自报，下表引用的是 OpenAI 在正文中陈述的差值：

两点提醒。事实性数据集是此前被标记出错的对话，并非典型流量。而在 Terminal-Bench Science 上，GPT-6 Astra 仍然得分最高（68.1%），因此 OpenAI 建议最困难的科学工作使用 Astra。

对于此前使用 none 的延迟敏感调用，请从 low 起步并实测。推理指南把 low 描述为高效推理，「延迟只有小幅增加」。如果想在对话中途改变强度又不破坏 prompt 缓存，请追加一个 configuration_update 输入项，而不是修改请求级的 reasoning.effort。

从 gpt-6-sol 迁移：四处代码改动

1. 替换模型 ID。把 gpt-6-sol 换成 gpt-6.1-sol，并把它放在配置或环境变量中，这样回滚只需改一处。
2. 重新映射 none 与 minimal。OpenAI 的建议是：用 low 替代 none；把 minimal 先改为 low，再在代表性任务上做对比。在同样不支持 none 的 GPT-6 Astra 上，发送它会返回 HTTP 400，所以在切换流量前就要修好这一点。
3. 移除采样参数。当强度不是 none 时，请移除 temperature、top_p 和 top_logprobs（以及 Chat Completions 中的 logprobs）。在 GPT-6 Sol 上把 temperature 与 none 搭配使用的代码需要这项改动。
4. 把 Chat Completions 的工具调用迁移到 Responses。GPT-6 Sol 只允许在 reasoning_effort: "none" 时于 Chat Completions 中做函数调用。这个组合在 6.1 Sol 上没有对应实现。

然后重新运行任何依赖时效性的内容：截止日期从 2026 年 4 月 20 日推迟到 4 月 30 日。如果你是从 Astra 迁移到 Sol 的，Astra-to-Sol migration guide 覆盖了更早的那一步。

Batch、Flex、Fast 与缓存输入定价

所有档位都保持了 GPT-6 Sol 的结构，只有缓存输入这一列减半。每 1M token 的价格取自API 定价页。模型页还说明，超过 272K 输入 token 的提示词，整个请求按输入与缓存费率的 2 倍、输出费率的 1.5 倍计费，规则与 GPT-6 Sol 一致：

Flex 是请求级的 service_tier: "flex"。Fast 是 service_tier: "fast"，也接受 "priority" 作为别名。Fast 模式不支持 EU 数据驻留。GPT-6.1 Sol 的 Ultrafast「即将推出」，目前只有 GPT-6 Astra 大范围提供，详见 OpenAI Ultrafast mode。对于过夜任务，OpenAI Batch API guide 演示了如何跑一次批量任务。

缓存正是这次升级省钱的地方。根据prompt caching 指南，6.1 Sol 上的读取费用是输入费率的 0.05 倍，而 GPT-6 Sol 上是 0.1 倍；写入费用两者都是 1.25 倍。假设一个 50,000 token 的系统提示词在 1,000 个请求中复用。一次写入在两个模型上都花费 $0.125；999 次读取在 GPT-6 Sol 上花费 $9.99，在 GPT-6.1 Sol 上花费 $5.00。最小可缓存前缀是 1,024 个可见 token，缓存的 prefix 在最后一次写入或复用后至少 30 分钟内仍可命中。断点策略请参考 GPT-6 prompt caching。

在 Apifox 中测试这次替换

不要只凭标价就切换生产环境。把同一个已保存的请求分别发给两个 ID，对比返回结果。在 Apifox 中：

1. 创建一个环境，设置 OPENAI_API_KEY（以 secret 形式存储）、MODEL_ID 设为 gpt-6-sol、EFFORT 设为 medium。
2. 创建 POST https://api.openai.com/v1/responses，加上 header Authorization: Bearer {{OPENAI_API_KEY}} 和如下 body，然后保存：

{
  "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. 添加断言：HTTP 200、$.status 等于 completed、$.output[*].type 包含 message、$.usage.output_tokens 大于 0，且 $.usage.output_tokens_details.reasoning_tokens 存在。然后再检查你的代码所依赖的输出结构，例如是否为你将要解析的键返回了合法 JSON。
4. 添加一个后置脚本，把 usage 换算成美元，使用 OpenAI prompt caching 指南中的输入拆分方式：

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. 发送它，把 MODEL_ID 设为 gpt-6.1-sol，再发送一次。对比 reasoning_tokens、output_tokens、答案以及记录的成本。如果你是从 none 做重映射，请把基线跑在 none、候选跑在 low。

接着把该请求和一批真实提示词放进一个测试场景，并在 CI 中用 Apifox CLI 成对运行。--env-var 可以在单次运行中覆盖变量，因此一个场景就能覆盖两个模型：

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

断言失败会让任务失败，而 JUnit 报告让你并排看到两次运行的结果。对于每次运行结果都会波动的输出该如何断言，请参考 testing non-deterministic AI agents。

FAQ

GPT-6.1 Sol 比 GPT-6 Sol 更贵吗？不贵。两者的标价都是每 1M token 输入 $2、输出 $10。GPT-6.1 Sol 的缓存输入是 $0.10 而非 $0.20，因此缓存密集型的负载会更便宜。

该拿 reasoning.effort: "none" 怎么办？GPT-6.1 Sol 既不支持 none 也不支持 minimal。把两者都映射到 low，移除 temperature 和 top_p，并在切换前重新跑一遍评测。

GPT-6.1 Sol 能配合 Chat Completions 使用吗？可以，但仅限无工具的请求。工具调用需要使用 Responses API。

GPT-6.1 Sol API 有免费额度吗？没有。API 调用从第一个请求起就按 token 计费。Is GPT-6.1 Sol free? 介绍了成本最低的几种途径。

下一步

HiFox：将 Agent 变成真正的队友

另外，我们也在思考，AI 如何从个人提效走进团队协作。

HiFox 是一个让人和 AI Agent 在同一个工作现场协作的平台：你可以像给同事分派任务一样指派 Agent，在任务看板中跟踪进度、查看结果，让 Agent 成为团队里的队友。

👉 立即体验 HiFox：https://hifox.com

AI Coding 交流群

如果你也在用 AI 写代码，或者正在研究 Cursor、Claude Code 这些工具，
欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流，还有各种新工具和新玩法。