برای شروع با API مدل GPT-6.1 Sol، نام دقیق مدل را انتخاب کنید و ابتدا یک درخواست متنی محدود بفرستید. این راهنما مسیر رسمی OpenAI را توضیح می‌دهد؛ نمونهٔ کد برای حسابی است که دسترسی API و اعتبار لازم دارد. وجود مدل در ChatGPT یا داشتن اشتراک گفتگو، به‌تنهایی جای دسترسی و صورتحساب API را نمی‌گیرد. اطلاعات فنی در ۳۰ سپتامبر ۲۰۲۶ بررسی شده است.
شناسهٔ مدل و مسیر درست درخواست
شناسهٔ رسمی مدل gpt-6.1-sol است. طبق صفحهٔ مدل، فراخوانی ابزارها از مسیر Responses API انجام می‌شود؛ Chat Completions برای درخواست بدون ابزار پشتیبانی می‌شود. تنظیم استدلال شامل low، medium، high، xhigh و max است و مقدارهای none و minimal پشتیبانی نمی‌شوند.
اولین درخواست با Python
SDK رسمی OpenAI را در محیط پروژه نصب کنید و کلید را در متغیر محیطی OPENAI_API_KEY قرار دهید. نمونهٔ زیر بر اساس قرارداد مستند API نوشته شده است؛ نتیجهٔ یک اجرای زنده در این مقاله گزارش نشده است.
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
model="gpt-6.1-sol",
reasoning={"effort": "medium"},
input="در سه جمله توضیح بده چگونه کیفیت یک خلاصه را بررسی کنم.",
max_output_tokens=2048,
)
print(response.output_text)
print(response.usage)
کلید را در فایل فرانت‌اند، مخزن عمومی یا متن لاگ قرار ندهید. نخست همین نمونهٔ کوچک را بررسی کنید و سپس ورودی واقعی را اضافه کنید. اگر پاسخ ناقص بود، وضعیت پاسخ و سقف خروجی را ببینید؛ در مدل استدلالی، سقف خروجی فقط تعداد واژه‌های قابل مشاهده نیست و توکن‌های استدلال هم در بودجه اثر دارند. راهنمای مدل‌های استدلالی این موضوع را توضیح می‌دهد.
چطور هزینه را تخمین بزنیم؟
در نرخ استاندارد زمینهٔ کوتاه، ورودی غیرکش‌شده ۲ دلار، ورودی کش‌شده ۰٫۱۰ دلار و خروجی ۱۰ دلار به‌ازای یک میلیون توکن است. برای ۲۰ هزار توکن ورودی غیرکش‌شده و سه هزار توکن خروجی قابل صورتحساب، هزینهٔ پایه ۰٫۰۴ + ۰٫۰۳ = ۰٫۰۷ دلار خواهد بود. این مثال هزینهٔ ابزار، نرخ زمینهٔ طولانی، حالت سرعت یا پردازش منطقه‌ای را شامل نمی‌شود. مرجع نهایی، جدول قیمت روز OpenAI است.
برای گزارش داخلی، کنار هر درخواست نام مدل، زمان، وضعیت پایان، مصرف و نتیجهٔ پذیرفته‌شده را نگه دارید. متن حساس کاربر را صرفاً برای اندازه‌گیری هزینه در لاگ ذخیره نکنید. میانگین مصرف یک نمونهٔ کوتاه را هم مستقیم به همهٔ اسناد بلند تعمیم ندهید.
چند خطای رایج هنگام اتصال
- مدل پیدا نمی‌شود: شناسهٔ دقیق، ارائه‌دهنده و دسترسی حساب را بررسی کنید. نام نمایشی رابط با شناسهٔ API الزاماً یکسان نیست.
- خطای پارامتر: درخواست را با گزینه‌های همین مدل تطبیق دهید؛ تنظیمات قدیمی را بدون بررسی کپی نکنید.
- خطای ابزار در Chat Completions: برای ابزارهای GPT-6.1 Sol مسیر Responses API را طبق مستندات انتخاب کنید.
- محدودیت نرخ یا اعتبار: وضعیت صورتحساب و سهمیهٔ حساب را بررسی کنید و از تکرار بی‌وقفهٔ درخواست جلوگیری کنید.
برای عیب‌یابی، ابتدا یک درخواست کوچک بدون ابزار بسازید. بعد ابزار، فایل یا زمینهٔ بلند را یکی‌یکی اضافه کنید. این روش روشن می‌کند خطا از دسترسی پایه است یا از قابلیتی که تازه افزوده‌اید.
چطور از نمونه به برنامهٔ واقعی برسیم؟
پیش از اتصال به کاربر نهایی، سه ورودی نمونه داشته باشید: یک درخواست معمولی، یک ورودی با اطلاعات ناقص و یک مورد نزدیک سقف مجاز خودتان. برای هرکدام انتظار خروجی را بنویسید. پاسخ ناقص، خطای ارائه‌دهنده و نیاز به اطلاعات بیشتر باید برای کاربر قابل فهم باشد. فقط پس از این بررسی، اندازهٔ ورودی و تعداد درخواست‌ها را به‌تدریج افزایش دهید.
اگر برنامهٔ شما باید خروجی ساختاریافته مصرف کند، قرارداد خروجی و اعتبارسنجی آن را جدا از متن طبیعی طراحی کنید. اگر فقط خلاصه می‌خواهید، ابزارهای غیرضروری اضافه نکنید. هدف اولین نسخه این است که یک کار روشن را قابل اعتماد انجام دهد.
استفاده از سرویس واسط چه تفاوتی دارد؟
در API گپ‌جی‌پی‌تی یا هر سرویس واسط، مدل‌های فعال، نشانی پایه و مسیرهای پشتیبانی‌شده را از مستندات همان سرویس بخوانید. صرف سازگاری یک endpoint با OpenAI، پشتیبانی از Responses یا همهٔ ابزارهای مدل را ثابت نمی‌کند. پیش از تغییر این نمونه، فهرست مدل‌ها و راهنمای شروع API گپ‌جی‌پی‌تی را بررسی کنید.
برای شناخت کاربرد مدل قوی‌تر این خانواده، صفحهٔ GPT-6 Astra را ببینید. اگر هدف شما فقط گفتگوست، انتخاب یک سرویس گفتگو ممکن است از ساخت اتصال API ساده‌تر باشد؛ انتخاب مسیر باید بر اساس نیاز برنامهٔ شما باشد.
سوالی درباره این مقاله دارید؟
همین موضوع را با هوش مصنوعی فارسی ادامه دهید و جواب شخصی‌تر بگیرید.
