Cara Menggunakan GPT-6.1 Sol API

OpenAI released GPT-6.1 Sol at DevDay on September 29, 2026, updating its Responses API model with a lower cached-input price of $0.10 per million tokens and a revised reasoning.effort set that drops the none and minimal levels. Developers migrating from gpt-6-sol must map none to low, move function calling out of Chat Completions (which the new model no longer supports), and retest date-sensitive evaluations after the knowledge cutoff moved to April 30, 2026. Standard pricing stays at $2 input and $10 output per million tokens, with the same 1,050,000-token context window and rate limits.

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 . OpenAI meluncurkan GPT-6.1 Sol di DevDay pada 29 September 2026. Ringkasan DevDay 2026 https://apidog.com/id/blog/openai-devday-2026?utm source=dev.to&utm medium=wanda&utm content=n8n-post-automation mencakup peluncuran lainnya, sedangkan apa itu GPT-6.1 Sol https://apidog.com/id/blog/what-is-gpt-6-1-sol?utm source=dev.to&utm medium=wanda&utm content=n8n-post-automation membahas tolok ukur secara lebih detail. Panduan ini mencakup: reasoning.effort gpt-6-sol Sebagian besar spesifikasi kedua model sama. Perbedaan berikut dirangkum dari halaman model GPT-6.1 Sol https://developers.openai.com/api/docs/models/gpt-6.1-sol , halaman model GPT-6 Sol https://developers.openai.com/api/docs/models/gpt-6-sol , dan panduan migrasi Menggunakan GPT-6 https://developers.openai.com/api/docs/guides/latest-model 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.” Simpan API key sebagai variabel lingkungan: export OPENAI API KEY="your api key" Kemudian panggil Responses API https://developers.openai.com/api/reference/resources/responses/methods/create : 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." }' Contoh menggunakan SDK Python: 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 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 https://developers.openai.com/api/docs/guides/reasoning 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 https://apidog.com/id/blog/openai-responses-api?utm source=dev.to&utm medium=wanda&utm content=n8n-post-automation . reasoning.effort adalah pengatur utama biaya, latensi, dan kualitas. Nilai default-nya adalah medium . Menurut panduan pemilihan model https://developers.openai.com/api/docs/guides/model-selection 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: 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. Simpan ID model dalam konfigurasi atau variabel lingkungan agar rollback mudah dilakukan: export MODEL ID="gpt-6.1-sol" Kemudian gunakan variabel tersebut: response = client.responses.create model=os.environ "MODEL ID" , reasoning={"effort": "medium"}, input="..." none dan minimal ke low GPT-6.1 Sol tidak mendukung none atau minimal . php def normalize effort effort: str - str: if effort in {"none", "minimal"}: return "low" return effort 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. 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": "..." } Gunakan payload tanpa parameter sampling: { "model": "gpt-6.1-sol", "reasoning": {"effort": "low"}, "input": "..." } 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 https://apidog.com/id/blog/gpt-6-astra-to-sol-migration?utm source=dev.to&utm medium=wanda&utm content=n8n-post-automation . Harga berikut adalah per 1 juta token, berdasarkan halaman harga API https://developers.openai.com/api/docs/pricing . | 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 https://developers.openai.com/api/docs/models/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": "..." } { "model": "gpt-6.1-sol", "service tier": "fast", "input": "..." } "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 https://apidog.com/id/blog/openai-ultrafast-mode?utm source=dev.to&utm medium=wanda&utm content=n8n-post-automation . Untuk pekerjaan asinkron atau semalam, gunakan Batch API. Lihat panduan OpenAI Batch API https://apidog.com/id/blog/openai-batch-api?utm source=dev.to&utm medium=wanda&utm content=n8n-post-automation . 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 https://developers.openai.com/api/docs/guides/prompt-caching . Misalnya, Anda memiliki prompt sistem 50.000 token yang digunakan kembali pada 1.000 permintaan: $0,125 pada kedua model. $9,99 . $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 https://apidog.com/id/blog/gpt-6-prompt-caching-90-percent?utm source=dev.to&utm medium=wanda&utm content=n8n-post-automation . Jangan memindahkan produksi hanya berdasarkan harga atau benchmark. Kirim permintaan tersimpan yang sama ke kedua ID model, lalu bandingkan hasilnya. Di Apidog https://apidog.com/?utm source=dev.to&utm medium=wanda&utm content=n8n-post-automation : Buat environment dengan: OPENAI API KEY sebagai secret MODEL ID=gpt-6-sol EFFORT=medium Buat request berikut dan simpan: POST https://api.openai.com/v1/responses Authorization: Bearer {{OPENAI API KEY}} Content-Type: application/json { "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." } Tambahkan assertion untuk: 200 $.status sama dengan $.output .type berisi message $.usage.output tokens lebih besar dari 0 $.usage.output tokens details.reasoning tokens ada risk dan fix Tambahkan skrip post-processor untuk menghitung biaya per panggilan: js 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 $", cost.toFixed 5 ; gpt-6.1-sol dan jalankan kembali. Bandingkan: reasoning tokens output tokens Jika Anda memetakan none ke low , jalankan baseline dengan none pada GPT-6 Sol dan kandidat dengan low pada GPT-6.1 Sol. Masukkan request dan prompt produksi Anda ke dalam skenario pengujian. Kemudian jalankan kedua variasi dari Apidog CLI: npm install -g apidog-cli apidog run --access-token "$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 --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 https://apidog.com/id/blog/testing-non-deterministic-ai-agents?utm source=dev.to&utm medium=wanda&utm content=n8n-post-automation . 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. 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. Bisa, untuk permintaan tanpa alat. Panggilan alat memerlukan Responses API. Tidak. Panggilan API ditagih per token sejak permintaan pertama. Lihat Apakah GPT-6.1 Sol gratis? https://apidog.com/id/blog/gpt-6-1-sol-free?utm source=dev.to&utm medium=wanda&utm content=n8n-post-automation untuk rute penggunaan termurah. 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 https://apidog.com/download?utm source=dev.to&utm medium=wanda&utm content=n8n-post-automation 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 https://apidog.com/id/blog/gpt-6-1-sol-vs-claude-sonnet-5-5?utm source=dev.to&utm medium=wanda&utm content=n8n-post-automation .