DEV Community

Cover image for Cara Menggunakan GPT-6.1 Sol API
Walse
Walse

Posted on Originally published at apidog.com

Cara Menggunakan GPT-6.1 Sol API

#llm #api #openai #ai

Untuk memanggil API GPT-6.1 Sol, kirim permintaan POST ke https://api.openai.com/v1/responses dengan "model": "gpt-6.1-sol" dan token Bearer Anda. Harga standar tetap $2 untuk input dan $10 untuk output per juta token, tetapi input yang di-cache turun dari $0,20 menjadi $0,10. Migrasi dari gpt-6-sol umumnya cukup dengan mengganti ID model, tetapi ada perubahan penting pada reasoning.effort: GPT-6.1 Sol tidak menerima none atau minimal, sehingga keduanya harus dipetakan ke low.

Coba Apidog hari ini

OpenAI meluncurkan GPT-6.1 Sol di DevDay pada 29 September 2026. Ringkasan DevDay 2026 mencakup peluncuran lainnya, sedangkan apa itu GPT-6.1 Sol membahas tolok ukur secara lebih detail.

Panduan ini mencakup:

  • Mengirim permintaan pertama ke Responses API
  • Memilih reasoning.effort
  • Memigrasikan kode dari gpt-6-sol
  • Menghitung harga Batch, Flex, Fast, dan cache
  • Menguji kedua model berdampingan di Apidog sebelum memindahkan lalu lintas produksi

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

Sebagian besar spesifikasi kedua model sama. Perbedaan berikut dirangkum dari halaman model GPT-6.1 Sol, halaman model GPT-6 Sol, dan panduan migrasi Menggunakan GPT-6 dari OpenAI.

gpt-6-sol gpt-6.1-sol Yang perlu dilakukan
Input / output per 1M token, Standar $2 / $10 $2 / $10 Tidak ada perubahan
Input yang di-cache per 1M token $0,20 $0,10 Hitung ulang biaya cache
Penulisan cache per 1M token $2,50 $2,50 Tidak ada perubahan
Jendela konteks / input maks / output maks 1.050.000 / 922.000 / 128.000 1.050.000 / 922.000 / 128.000 Tidak ada perubahan
Batas pengetahuan 20 April 2026 30 April 2026 Uji ulang evaluasi yang sensitif terhadap tanggal
reasoning.effort none, low, medium, high, xhigh, max low, medium, high, xhigh, max Petakan none ke low, lalu evaluasi ulang
Panggilan fungsi di Chat Completions Hanya dengan reasoning_effort: "none" Tidak didukung Pindahkan panggilan alat ke Responses API
Endpoint Chat Completions, Responses, Batch Sama Tidak ada perubahan
Rate limit Tier 1: 500 RPM / 500K TPM; Tier 5: 15.000 RPM / 40M TPM Sama Tidak ada perubahan

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

Kirim permintaan GPT-6.1 Sol pertama Anda

Simpan API key sebagai variabel lingkungan:

export OPENAI_API_KEY="your_api_key"
Enter fullscreen mode Exit fullscreen mode

Kemudian 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."
  }'
Enter fullscreen mode Exit fullscreen mode

Contoh menggunakan SDK Python:

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)
Enter fullscreen mode Exit fullscreen mode

Saat memproses respons, periksa bagian berikut:

  • status bernilai completed jika permintaan berhasil. Jika batas output habis, nilainya dapat menjadi incomplete, dengan incomplete_details.reason bernilai max_output_tokens.
  • output adalah array. Cari item dengan type: "message" dan baca konten output_text berdasarkan tipe, bukan indeks array.
  • usage.output_tokens mencakup token penalaran yang ditagih sebagai token output.
  • usage.output_tokens_details.reasoning_tokens menunjukkan jumlah token penalaran.
  • usage.input_tokens_details menyediakan cached_tokens dan cache_write_tokens, yang penting untuk menghitung biaya cache.

Saat bereksperimen, panduan penalaran menyarankan untuk menyediakan setidaknya 25.000 token bagi penalaran dan output.

Gunakan Responses API untuk permintaan yang melibatkan alat. GPT-6.1 Sol hanya mendukung Chat Completions untuk permintaan tanpa alat. Lihat juga panduan OpenAI Responses API.

Pilih tingkat upaya penalaran

reasoning.effort adalah pengatur utama biaya, latensi, dan kualitas. Nilai default-nya adalah medium.

Menurut panduan pemilihan model OpenAI:

Effort Gunakan untuk Yang dilaporkan OpenAI untuk GPT-6.1 Sol
low Obrolan, ekstraksi, klasifikasi, dan beban kerja yang sebelumnya memakai none Pada percakapan yang ditandai pengguna, respons dengan kesalahan faktual turun dari 11,4% pada GPT-6 Sol menjadi 7,7%
medium Otomasi agen dan alur kerja pemanggilan alat AutomationBench 1.0.6: +2,2 pp dari Claude Opus 5.5 dengan biaya sekitar sepertiga; +4,8 pp dari GPT-6 Sol pada pengaturan yang sama
high Debugging kompleks dan perencanaan mendalam Tidak ada klaim khusus per pengaturan
xhigh Hasil akhir yang rapi dan eksekusi asinkron yang panjang Tidak ada klaim khusus per pengaturan
max Penggunaan komputer dan tugas sains yang sulit OSWorld 2.0: +7 pp dari GPT-6 Sol pada max; Terminal-Bench Science 0.1: $5,47 per tugas, dibandingkan $23,21 untuk Opus 5.5 dan $23,80 untuk GPT-6 Astra

Ada dua catatan penting:

  1. Kumpulan faktualitas tersebut berisi percakapan yang sebelumnya ditandai karena kesalahan, bukan lalu lintas biasa.
  2. Pada Terminal-Bench Science, GPT-6 Astra masih memiliki skor tertinggi, yaitu 68,1%. OpenAI merekomendasikan Astra untuk pekerjaan sains yang paling sulit.

Jika aplikasi Anda sebelumnya memakai none untuk latensi rendah, mulai dari low lalu ukur latensi, biaya, dan kualitas pada prompt produksi Anda. Untuk mengubah effort di tengah percakapan tanpa merusak cache prompt, gunakan item input configuration_update alih-alih mengubah reasoning.effort pada tingkat permintaan.

Migrasi dari gpt-6-sol: empat perubahan kode

1. Ganti ID model

Simpan ID model dalam konfigurasi atau variabel lingkungan agar rollback mudah dilakukan:

export MODEL_ID="gpt-6.1-sol"
Enter fullscreen mode Exit fullscreen mode

Kemudian gunakan variabel tersebut:

response = client.responses.create(
    model=os.environ["MODEL_ID"],
    reasoning={"effort": "medium"},
    input="..."
)
Enter fullscreen mode Exit fullscreen mode

2. Petakan none dan minimal ke low

GPT-6.1 Sol tidak mendukung none atau minimal.

def normalize_effort(effort: str) -> str:
    if effort in {"none", "minimal"}:
        return "low"
    return effort
Enter fullscreen mode Exit fullscreen mode

Uji ulang tugas representatif setelah pemetaan ini. Pada GPT-6 Astra, mengirim none dapat menghasilkan HTTP 400, jadi perbaiki konfigurasi ini sebelum memindahkan lalu lintas.

3. Hapus parameter sampling

Jika effort bukan none, hapus parameter berikut dari kode lama:

  • temperature
  • top_p
  • top_logprobs
  • logprobs pada Chat Completions

Contoh payload yang perlu dihindari:

{
  "model": "gpt-6.1-sol",
  "reasoning": {"effort": "low"},
  "temperature": 0.2,
  "input": "..."
}
Enter fullscreen mode Exit fullscreen mode

Gunakan payload tanpa parameter sampling:

{
  "model": "gpt-6.1-sol",
  "reasoning": {"effort": "low"},
  "input": "..."
}
Enter fullscreen mode Exit fullscreen mode

4. Pindahkan panggilan alat dari Chat Completions ke Responses

GPT-6 Sol hanya mengizinkan panggilan fungsi di Chat Completions saat menggunakan reasoning_effort: "none". Kombinasi itu tidak tersedia pada GPT-6.1 Sol.

Jika aplikasi Anda menggunakan tools atau function calling, gunakan Responses API.

Terakhir, uji ulang evaluasi yang bergantung pada informasi terkini. Batas pengetahuan berubah dari 20 April menjadi 30 April 2026. Jika Anda bermigrasi dari Astra ke Sol, lihat panduan migrasi Astra ke Sol.

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

Harga berikut adalah per 1 juta token, berdasarkan halaman harga API.

Tingkat Input Input yang di-cache Penulisan cache Output
Standar $2,00 $0,10 $2,50 $10,00
Batch $1,00 $0,05 $1,25 $5,00
Flex $1,00 $0,05 $1,25 $5,00
Fast $4,00 $0,20 $5,00 $20,00
Standar, prompt di atas 272K token input $4,00 $0,20 $5,00 $15,00

Halaman model GPT-6.1 Sol menyatakan bahwa prompt dengan input di atas 272K token dikenai tarif input dan cache 2x serta tarif output 1,5x untuk seluruh permintaan.

Gunakan service_tier untuk memilih tingkat layanan:

{
  "model": "gpt-6.1-sol",
  "service_tier": "flex",
  "input": "..."
}
Enter fullscreen mode Exit fullscreen mode 
{
  "model": "gpt-6.1-sol",
  "service_tier": "fast",
  "input": "..."
}
Enter fullscreen mode Exit fullscreen mode

"priority" diterima sebagai alias untuk Fast. Fast tidak tersedia dengan residensi data UE. Ultrafast untuk GPT-6.1 Sol “akan segera hadir” dan saat ini lebih luas tersedia untuk GPT-6 Astra. Lihat mode Ultrafast OpenAI.

Untuk pekerjaan asinkron atau semalam, gunakan Batch API. Lihat panduan OpenAI Batch API.

Contoh penghematan cache

Pada GPT-6.1 Sol, pembacaan cache berharga 0,05x tarif input, dibandingkan 0,1x pada GPT-6 Sol. Penulisan cache tetap 1,25x tarif input pada kedua model, sesuai panduan caching prompt.

Misalnya, Anda memiliki prompt sistem 50.000 token yang digunakan kembali pada 1.000 permintaan:

  • Satu penulisan cache: $0,125 pada kedua model.
  • 999 pembacaan cache pada GPT-6 Sol: $9,99.
  • 999 pembacaan cache pada GPT-6.1 Sol: $5,00.

Prefiks yang dapat di-cache minimum adalah 1.024 token terlihat. Prefiks cache tetap memenuhi syarat setidaknya selama 30 menit setelah penulisan atau penggunaan terakhir. Untuk strategi breakpoint, lihat caching prompt GPT-6.

Uji pertukaran di Apidog

Jangan memindahkan produksi hanya berdasarkan harga atau benchmark. Kirim permintaan tersimpan yang sama ke kedua ID model, lalu bandingkan hasilnya.

Di Apidog:

  1. Buat environment dengan:

    • OPENAI_API_KEY sebagai secret
    • MODEL_ID=gpt-6-sol
    • EFFORT=medium

  2. Buat request berikut dan simpan:

POST https://api.openai.com/v1/responses
Authorization: Bearer {{OPENAI_API_KEY}}
Content-Type: application/json
Enter fullscreen mode Exit fullscreen mode 
{
  "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."
}
Enter fullscreen mode Exit fullscreen mode

  1. Tambahkan assertion untuk:

    • HTTP status 200
    • $.status sama dengan completed
    • $.output[*].type berisi message
    • $.usage.output_tokens lebih besar dari 0
    • $.usage.output_tokens_details.reasoning_tokens ada
    • Output JSON valid serta berisi key yang dipakai aplikasi Anda, misalnya risk dan fix

  2. Tambahkan skrip post-processor untuk menghitung biaya per panggilan:

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));
Enter fullscreen mode Exit fullscreen mode
  1. Jalankan request dengan MODEL_ID=gpt-6-sol, lalu ubah menjadi gpt-6.1-sol dan jalankan kembali.

Bandingkan:

  • reasoning_tokens
  • output_tokens
  • Bentuk dan isi respons
  • Biaya per permintaan
  • Latensi
  • Hasil assertion

Jika Anda memetakan none ke low, jalankan baseline dengan none pada GPT-6 Sol dan kandidat dengan low pada GPT-6.1 Sol.

Jalankan pengujian dari CI

Masukkan request dan prompt produksi Anda ke dalam skenario pengujian. Kemudian jalankan kedua variasi dari Apidog CLI:

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
Enter fullscreen mode Exit fullscreen mode

--env-var menimpa variabel hanya untuk satu eksekusi, sehingga satu skenario dapat menguji kedua model. Assertion yang gagal akan menggagalkan pekerjaan CI, sementara laporan JUnit memberi hasil dua eksekusi yang dapat dibandingkan.

Untuk assertion pada output yang berbeda antar-eksekusi, lihat menguji agen AI non-deterministik.

FAQ

Apakah GPT-6.1 Sol lebih mahal dari GPT-6 Sol?

Tidak. Keduanya berharga $2 untuk input dan $10 untuk output per 1 juta token. Input GPT-6.1 Sol yang di-cache berharga $0,10, dibandingkan $0,20 pada GPT-6 Sol.

Apa yang harus dilakukan dengan reasoning.effort: "none"?

GPT-6.1 Sol tidak mendukung none maupun minimal. Petakan keduanya ke low, hapus temperature dan top_p, lalu jalankan ulang evaluasi sebelum memindahkan lalu lintas.

Bisakah GPT-6.1 Sol digunakan dengan Chat Completions?

Bisa, untuk permintaan tanpa alat. Panggilan alat memerlukan Responses API.

Apakah ada tingkat API GPT-6.1 Sol gratis?

Tidak. Panggilan API ditagih per token sejak permintaan pertama. Lihat Apakah GPT-6.1 Sol gratis? untuk rute penggunaan termurah.

Langkah selanjutnya

Simpan satu request representatif, jalankan di gpt-6-sol dengan effort saat ini, lalu jalankan kembali di gpt-6.1-sol. Bandingkan usage, biaya, latensi, dan output menggunakan prompt dari lalu lintas aplikasi Anda sendiri.

Unduh Apidog untuk menyimpan kedua eksekusi sebagai assertion yang dapat dijalankan ulang di CI. Jika Anda juga mempertimbangkan Anthropic, lihat GPT-6.1 Sol vs Claude Sonnet 5.5.

Top comments (0)