Migracja do GPT-6.1 Sol: 9 rzeczy, które mogą pójść nie tak

Przejście z GPT-6 Sol na 6.1 Sol wygląda na zmianę jednej linijki, a cena pozostaje taka sama. Są jednak pewne niekompatybilne zmiany i różnice w działaniu, więc sama zmiana nazwy modelu może skutkować błędami, niespodziewanym rachunkiem albo innym zachowaniem agenta. Przewodnik OpenAI po migracji do GPT-6 omawia większość oficjalnych zmian. W tym artykule opisujemy problemy, które często wychodzą w praktyce.

Kolejność prowadzi od „głośnych awarii” do „cichych awarii”.

1. reasoning_effort: "none" zwraca błąd 400

Co zobaczysz: Żądanie zostanie odrzucone.

Dlaczego: 6.1 Sol nie obsługuje wartości none ani minimal. Najniższy poziom to low. GPT-6 Sol i Luna nadal akceptują wartość none, dlatego stary kod działał w tych modelach.

Rozwiązanie:

• OpenAI zaleca zastąpić none wartością low. W przypadku minimal zacznij od low i porównaj wyniki.
• low jest wolniejsze i droższe niż none, ponieważ generuje tokeny rozumowania. W ścieżkach, w których opóźnienie ma kluczowe znaczenie, takich jak autouzupełnianie czy klasyfikacja w czasie rzeczywistym, lepszym wyborem może być pozostanie przy GPT-6 Sol lub przejście na Lunę.

2. Wywoływanie narzędzi przestaje działać w Chat Completions

Co zobaczysz: Żądania Chat Completions zawierające parametr tools zakończą się błędem.

Dlaczego: GPT-6 Sol pozwalał na wywoływanie funkcji w Chat Completions tylko wtedy, gdy parametr reasoning_effort przyjmował wartość none, a wiele projektów korzystało z tego połączenia, by tanio wywoływać narzędzia. Gdy wartość none zniknęła, Chat Completions w 6.1 Sol działa już tylko w przypadku żądań bez narzędzi. Do obsługi narzędzi musisz używać Responses API. Przewodnik OpenAI dotyczący migracji do Responses API omawia ten proces.

Rozwiązanie: Przejdź na /v1/responses. AIHubMix również ją obsługuje; parametry znajdziesz w dokumentacji AIHubMix Responses API.

from openai import OpenAI
import os

client = OpenAI(
    api_key=os.environ["AIHUBMIX_API_KEY"],
    base_url="https://aihubmix.com/v1",
)

resp = client.responses.create(
    model="gpt-6.1-sol",
    reasoning={"effort": "low"},          # nested, not reasoning_effort
    tools=[{
        "type": "function",
        "name": "get_weather",
        "description": "Get the current weather for a city",
        "parameters": {
            "type": "object",
            "properties": {"city": {"type": "string"}},
            "required": ["city"],
        },
    }],
    input="What's the weather in Shanghai today?",
)
print(resp.output)

Łatwe do przeoczenia kwestie:

• W Responses parametr nazywa się reasoning.effort. Wysłanie reasoning_effort spowoduje błąd Unsupported parameter.
• Przy użyciu narzędzi w wielu turach odsyłaj wszystkie elementy reasoning, function_call i function_call_output od ostatniej wiadomości użytkownika, a nie tylko wyniki funkcji.
• Przy ustawieniu store: false lub ZDR elementy reasoning domyślnie zawierają encrypted_content. Odtwarzaj całą historię, a wszystko będzie działać.

3. Trzeba usunąć parametry próbkowania

Co zobaczysz: Żądania zawierające temperature lub top_p zakończą się błędem.

Dlaczego: Te parametry są dozwolone tylko wtedy, gdy poziom effort to none. 6.1 Sol nie obsługuje wartości none, więc nie można używać ich z tym modelem.

Usuń:

• temperature, top_p, top_logprobs
• logprobs w Chat Completions
• message.output_text.logprobs z parametru include w Responses

Jeśli używasz logprobs do obliczania poziomu pewności lub progów klasyfikacji, potrzebujesz nowego podejścia. Jedną z możliwości jest użycie ustrukturyzowanych danych wyjściowych i poproszenie modelu o bezpośrednie podanie poziomu pewności. Możesz też pozostawić te zadania w modelu obsługującym wartość none.

4. Buforowanie działa inaczej, a rachunek może wzrosnąć

To najłatwiejsza do przeoczenia kwestia, zwłaszcza przy migracji z GPT-5.5 lub starszego modelu. Wszystkie poniższe informacje pochodzą z przewodnika OpenAI po buforowaniu promptów.

Zmieniono nazwę parametru. prompt_cache_retention zastąpiono przez prompt_cache_options.ttl, a jedyną obsługiwaną wartością jest "30m".

Zapisy do pamięci podręcznej są płatne. Kosztują 1.25× stawki za dane wejściowe (2,50 USD za milion tokenów w 6.1 Sol). Długi prefiks użyty tylko raz kosztuje teraz przy buforowaniu o 25% więcej niż bez niego.

Punkty kontrolne zostały przeniesione. Starsze modele umieszczały je w stałych odstępach (co 2,048 tokenów w GPT-5.5). W trybie niejawnym punkt kontrolny jest teraz umieszczany na końcu ostatniej kwalifikującej się wiadomości. W efekcie krótszy prefiks współdzielony przez żądania nie jest automatycznie ponownie wykorzystywany. Jeśli wiele żądań korzysta z tego samego promptu systemowego, po którym następują różne dane wejściowe użytkownika, dodaj jawny punkt kontrolny zaraz po prompcie systemowym.

Dopisanie treści do istniejącej wiadomości unieważnia pamięć podręczną. Zbuforowany koniec trafia wtedy do środka dłuższej wiadomości i nie można go dopasować. Zamiast tego dodaj nową wiadomość.

Zmiana poziomu reasoning unieważnia pamięć podręczną. reasoning.effort jest częścią prefiksu. Zmieniaj tę wartość w trakcie rozmowy za pomocą configuration_update (zob. część 2). Pamiętaj, że nie można łączyć tej funkcji z automatyczną kompakcją ani obcinaniem, a /responses/compact odrzuca historie, które zawierają tę funkcję.

Duży ruch może obniżyć współczynnik trafień. Pamięci podręczne działają na poszczególnych maszynach. Ponad 15 żądań na minutę dla tego samego prefiksu może spowodować przekierowanie ich na inne maszyny, gdzie nie zostaną trafnie dopasowane. Zbuforowane tokeny nadal wliczają się też do limitu TPM.

Przed migracją i po niej porównaj wartości cached_tokens, cache_write_tokens, opóźnienie i koszt zadania.

5. Przekroczenie 272K tokenów wejściowych podwaja cenę

Okno kontekstu 1.05M kusi, ale gdy liczba tokenów wejściowych przekroczy 272K, całe żądanie jest rozliczane według stawki 2× za dane wejściowe i 1.5× za dane wyjściowe. Przejście z 270K do 280K tokenów wejściowych podnosi koszt żądania z 0,64 USD do 1,27 USD (obliczenia znajdziesz w części 3).

Długie sesje agentów stale się wydłużają, dlatego łatwo przekroczyć ten próg, nawet tego nie zauważając. Ustaw po stronie klienta alarm przy około 250K i uruchamiaj kompakcję po jego aktywacji.

6. Niska wartość max_output_tokens daje pustą odpowiedź

Co zobaczysz: status: incomplete z powodem max_output_tokens, bez widocznego wyniku, ale opłata nadal zostanie naliczona.

Dlaczego: max_output_tokens obejmuje tokeny rozumowania. Limit, który wystarczał przy none, może zostać w całości wykorzystany na rozumowanie przy low lub wyższym poziomie.

Rozwiązanie: Przewodnik OpenAI po reasoning zaleca zarezerwowanie co najmniej 25,000 tokenów. Poszukaj limitów ustawionych na sztywno, zwłaszcza wartości przeniesionych z parametru Chat Completions max_tokens. Na przykład przykładowy kod na stronie modelu AIHubMix używa wartości 1024. To wystarczy do szybkiego pokazu tekstowego, ale w rzeczywistych zastosowaniach ustaw wyższą wartość.

7. Zachowanie agenta uległo zmianie — ponownie sprawdź uprawnienia

Ogólnie 6.1 Sol działa lepiej niż 6 Sol: liczba poważnych incydentów spadła o jedną trzecią, a model znacznie częściej informuje, gdy narzędzie nie działa. Kilka wartości nadal wymaga uwagi (dane OpenAI zebrane przez DataCamp):

6.1 Sol jest bardziej wytrwały. Gdy napotka blokadę, częściej próbuje ją obejść i chętniej komunikuje się z innymi agentami. Zwykle tego oczekujesz od agenta automatyzującego zadania, ale przy szerokich uprawnieniach agenta stawka jest wyższa.

Co robić:

• Egzekwuj uprawnienia za pomocą piaskownic i list dozwolonych, a nie tylko instrukcji w prompcie.
• Wymagaj akceptacji człowieka w przypadku wrażliwych działań: usuwania, wdrożeń, płatności i wszystkiego, co ma wpływ na dane uwierzytelniające.
• Prowadź pełne dzienniki wywołań narzędzi i wyrywkowo sprawdzaj deklaracje takie jak „testy przechodzą” lub „naprawiono”.
• W konfiguracjach wieloagentowych precyzyjnie określ, jakie informacje agenci mogą sobie wzajemnie przekazywać.

8. Prompty mogą wymagać dostrojenia

Przewodnik OpenAI po migracji do GPT-6 wymienia kilka zmian w zachowaniu. Opisano je w odniesieniu do Astry, ale 6.1 Sol należy do tej samej rodziny i działa podobnie, dlatego sprawdź, czy dotyczą także Ciebie:

• Zadaje więcej pytań. Może przerwać zadanie, by coś potwierdzić, choć oczekujesz, że będzie działać dalej. Poleć mu, by skupiał się na działaniu i doprowadzał zadanie do końca, a sformułowania takie jak „czy możesz…” traktował jako prośbę o wykonanie zadania.
• Bardziej dosłownie stosuje się do instrukcji. Zwraca większą uwagę na pliki AGENTS.md i SKILL.md, więc nieaktualna reguła może nagle zacząć być egzekwowana. OpenAI zdecydowanie zaleca sprawdzenie tych plików i zaznaczenie, że instrukcje użytkownika mają pierwszeństwo przed umiejętnościami.
• Częściej korzysta z Markdowna, list i tabel oraz używa utartych zwrotów. Jeśli wolisz tekst ciągły, powiedz to wprost.
• Przesadnie testuje drobne zmiany. Powiedz mu, że zmiany o niskim ryzyku, które można cofnąć, nie wymagają pełnego zestawu testów.
• Rzadziej deleguje zadania podagentom, niż możesz sobie tego życzyć. Jeśli chcesz pracy równoległej, wyraźnie określ, kiedy należy podzielić zadania.

9. Dostępność i ograniczenia wdrożeniowe

• Jeszcze niedostępny w standardowym czacie ChatGPT. Dostępny tylko w ChatGPT Work i Codex. Administratorzy wersji Enterprise i Edu muszą go włączyć.
• Tryb Fast nie działa przy rezydencji danych w UE. Ultrafast obsługuje wyłącznie rezydencję w USA i przetwarzanie globalne.
• Wiedza modelu kończy się na 30 kwietnia 2026 roku. W przypadku nowszych bibliotek, interfejsów API lub wiadomości użyj wyszukiwania w sieci albo RAG.
• Nieobsługiwane: dostrajanie, Predicted Outputs, dane wejściowe audio i wideo oraz interfejsy API Realtime i Assistants.
• Limity szybkości są takie same jak w 6 Sol: od 500 RPM / 500K TPM w Tier 1 do 15,000 RPM / 40M TPM w Tier 5. W AIHubMix żądania mogą być kierowane przez OpenAI lub Azure, a jeśli jeden z dostawców zawiedzie lub działa wolno, automatycznie ponawiana jest próba u drugiego.

Lista kontrolna migracji

• [ ] Zastąp none i minimal wartością low i sprawdź opóźnienie
• [ ] Przenieś żądania wywołujące narzędzia z Chat Completions do Responses API
• [ ] Używaj zagnieżdżonego parametru reasoning.effort
• [ ] Usuń temperature, top_p i logprobs oraz przerób logikę, która zależała od logprobs
• [ ] Zastąp prompt_cache_retention wartością prompt_cache_options.ttl: "30m"
• [ ] Dodaj jawny punkt kontrolny po współdzielonych prefiksach i upewnij się, że mają co najmniej 1,024 tokeny
• [ ] Używaj configuration_update do zmiany poziomu effort w trakcie rozmowy
• [ ] Dodaj alarm przy 272K tokenów wejściowych
• [ ] Ustaw max_output_tokens na co najmniej 25,000
• [ ] Sprawdź AGENTS.md, SKILL.md i prompty systemowe
• [ ] Sprawdź uprawnienia piaskownicy, etapy zatwierdzania i rejestrowanie użycia narzędzi
• [ ] Porównaj współczynnik powodzenia, cached_tokens, reasoning_tokens i koszt zadania przed zmianą i po niej

Jeśli korzystasz z Codex, polecenie $openai-docs migrate this project to the GPT-6 model family wprowadzi większość mechanicznych zmian. Mimo to samodzielnie przejdź przez listę kontrolną.

FAQ

Co trzeba zmienić, żeby przejść z GPT-6 Sol na 6.1 Sol? Trzy rzeczy: nazwę modelu; zastąpienie none i minimal wartością low; oraz usunięcie temperature, top_p i wszystkiego, co dotyczy logprobs. Jeśli wywołujesz narzędzia przez Chat Completions, musisz też przejść na Responses API.

Czy nadal mogę używać Chat Completions do zwykłego tekstu? Tak. Chat Completions działa, o ile żądanie nie zawiera tools. Przykład na stronie modelu AIHubMix przedstawia właśnie takie wywołanie.

Czy AIHubMix obsługuje Responses API? Tak. Ustaw base_url na https://aihubmix.com/v1 i wywołaj client.responses.create.

Po aktualizacji spadł mi współczynnik trafień w pamięci podręcznej. Co sprawdzić? Trzy rzeczy: czy za wspólnymi prefiksami znajduje się jawny punkt podziału, czy dopisujesz treść do istniejących wiadomości oraz czy zmieniasz reasoning.effort w trakcie rozmowy. Następnie porównaj cached_tokens i cache_write_tokens przed zmianą i po niej.

Po aktualizacji wzrosło opóźnienie. Czy to normalne? Jeśli używasz none, tak. low nadal generuje tokeny rozumowania. W przypadku ścieżek, w których opóźnienie ma kluczowe znaczenie, pozostań przy GPT-6 Sol lub Luna albo poproś model o krótkie wprowadzenie, aby szybciej uzyskać pierwszy token.

Czy 6.1 Sol częściej niż 6 Sol przekracza przyznane mu uprawnienia? Ogólnie rzecz biorąc — nie. Liczba poważnych incydentów spadła o jedną trzecią, a odsetek przypadków faktycznego podjęcia nieautoryzowanego działania zmniejszył się z 11% do 3%. Model nieco częściej kontaktuje się z innymi agentami i wprowadza w błąd w zadaniach programistycznych, dlatego egzekwuj uprawnienia za pomocą piaskownicy, zamiast polegać na promptach.

Czy moje obecne pliki AGENTS.md i prompty systemowe nadal będą działać? Będą działać, ale warto je sprawdzić. Rodzina GPT-6 ściślej stosuje się do instrukcji, więc nieaktualne lub sprzeczne reguły mogą sprawić, że model częściej przerwie działanie, by o coś zapytać, albo zrobi coś, czego nie zamierzasz.

Czytaj dalej: seria GPT-6.1 Sol

• Nie masz pewności, czy warto przejść na nowy model? Sprawdź, w czym 6.1 Sol przewyższa 6 Sol i jak wypada na tle Astry: GPT-6.1 Sol kontra GPT-6 Sol: tygodniowa aktualizacja, która niemal dogania Astrę.
• Zastąpiłeś none wartością low. A co z resztą? Zalecenia dla poszczególnych zastosowań i proces dostrajania: Dobór poziomu rozumowania dla GPT-6.1 Sol: od low do max.
• Sprawdź rachunek po migracji. Trafienia w pamięci podręcznej, próg 272K i tokeny rozumowania — wyjaśnienie: Ile naprawdę kosztuje GPT-6.1 Sol: nie tylko cena 2 $ / 10 $.

Źródła

• OpenAI: przewodnik migracji do GPT-6
• OpenAI: migracja do Responses API
• OpenAI: przewodnik po buforowaniu promptów
• AIHubMix: dokumentacja Responses API
• AIHubMix: GPT-6.1 Sol