Migrando para GPT-6.1 Sol: 9 coisas que podem dar errado

Migrar do GPT-6 Sol para o 6.1 Sol parece exigir uma mudança de uma linha, e o preço é o mesmo. Mas há algumas alterações incompatíveis e mudanças de comportamento; por isso, mudar apenas o nome do modelo pode causar erros, uma conta inesperada ou um agente que se comporta de maneira diferente. O guia de migração do GPT-6 da OpenAI aborda a maioria das mudanças oficiais. Esta publicação acrescenta os problemas que costumam surgir na prática.

Eles estão ordenados de “falha evidente” a “falha silenciosa”.

1. reasoning_effort: "none" retorna um erro 400

O que você verá: A solicitação será rejeitada.

Por quê: O 6.1 Sol não aceita none nem minimal. O nível mais baixo é low. O GPT-6 Sol e o Luna ainda aceitam none, por isso seu código antigo funcionava neles.

Como corrigir:

• O mapeamento recomendado pela OpenAI é substituir none por low. Para minimal, comece com low e compare.
• low é mais lento e mais caro que none, pois gera tokens de raciocínio. Para tarefas realmente sensíveis à latência, como preenchimento automático ou classificação em tempo real, pode ser melhor continuar no GPT-6 Sol ou migrar para o Luna.

2. A chamada de ferramentas deixa de funcionar no Chat Completions

O que você verá: As solicitações do Chat Completions que incluem tools falham.

Por quê: O GPT-6 Sol só permitia chamadas de função no Chat Completions quando reasoning_effort era none, e muitos projetos dependiam dessa combinação para chamadas de ferramentas baratas. Com a remoção de none, o Chat Completions no 6.1 Sol só funciona com solicitações sem ferramentas. Para usar ferramentas, você precisa usar a Responses API. O guia da OpenAI sobre como migrar para a Responses API explica o processo.

Como corrigir: Migre para /v1/responses. O AIHubMix também oferece suporte; consulte a documentação da Responses API do AIHubMix para ver os parâmetros.

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)

Detalhes fáceis de deixar passar:

• Na Responses, o parâmetro é reasoning.effort. Se você enviar reasoning_effort, receberá o erro Unsupported parameter.
• No uso de ferramentas em várias etapas, envie de volta todos os itens reasoning, function_call e function_call_output desde a última mensagem do usuário, e não apenas os resultados das funções.
• Com store: false ou ZDR, os itens de raciocínio incluem encrypted_content por padrão. Reenvie o histórico completo e tudo funcionará.

3. É preciso remover os parâmetros de amostragem

O que você verá: As solicitações com temperature ou top_p falham.

Por quê: Esses parâmetros só são permitidos quando o nível de esforço é none. O 6.1 Sol não tem none, então você nunca poderá usá-los com esse modelo.

Remova:

• temperature, top_p, top_logprobs
• logprobs no Chat Completions
• message.output_text.logprobs de include na Responses

Se você usava logprobs para calcular índices de confiança ou limites de classificação, precisará de uma nova abordagem. Uma opção é usar saídas estruturadas e pedir que o modelo informe diretamente seu nível de confiança. Outra é manter essas tarefas em um modelo compatível com none.

4. O cache funciona de outra forma, e sua conta pode aumentar

Esse é o problema mais fácil de passar despercebido, sobretudo ao migrar do GPT-5.5 ou de versões anteriores. Tudo o que segue vem do guia de cache de prompts da OpenAI.

O parâmetro mudou de nome. prompt_cache_retention agora é prompt_cache_options.ttl, e o único valor aceito é "30m".

As gravações no cache são cobradas. Elas custam 1.25× a tarifa de entrada (US$2.50 por milhão no 6.1 Sol). Um prefixo longo que você usa apenas uma vez agora custa 25% a mais com cache do que sem ele.

Os pontos de interrupção mudaram. Os modelos mais antigos colocavam pontos de interrupção em intervalos fixos (a cada 2,048 tokens no GPT-5.5). Agora, o modo implícito coloca um ponto de interrupção no fim da mensagem elegível mais recente. Como resultado, um prefixo mais curto compartilhado entre solicitações não é reutilizado automaticamente. Se muitas solicitações compartilharem um prompt de sistema seguido de entradas diferentes do usuário, adicione um ponto de interrupção explícito logo após o prompt de sistema.

Adicionar conteúdo ao fim de uma mensagem existente invalida o cache. O ponto final armazenado em cache acaba no meio de uma mensagem mais longa e não pode ser identificado. Em vez disso, adicione uma nova mensagem.

Mudar o nível de esforço de raciocínio invalida o cache. reasoning.effort faz parte do prefixo. Para mudar no meio da conversa, use configuration_update (consulte a Parte 2). Observe que isso não pode ser combinado com compactação ou truncamento automáticos, e /responses/compact rejeita históricos que contenham um deles.

Um tráfego elevado pode reduzir a taxa de acertos. Os caches ficam em máquinas individuais. Mais de cerca de 15 solicitações por minuto usando o mesmo prefixo podem fazer com que elas sejam distribuídas para outras máquinas e não encontrem o cache. Os tokens armazenados em cache também contam para o limite de TPM.

Antes e depois da migração, compare cached_tokens, cache_write_tokens, a latência e o custo por tarefa.

5. Ultrapassar 272K de entrada dobra o preço

A janela de contexto de 1.05M é tentadora, mas quando a entrada ultrapassa 272K tokens, a solicitação inteira é cobrada a 2× a tarifa de entrada e 1.5× a de saída. Passar de 270K para 280K tokens de entrada faz o custo de uma solicitação subir de US$0.64 para US$1.27 (a Parte 3 mostra os cálculos).

Sessões longas de agentes continuam crescendo, então é fácil ultrapassar esse limite sem perceber. Configure um alerta do lado do cliente por volta de 250K e acione a compactação quando ele disparar.

6. Um max_output_tokens baixo resulta em uma resposta vazia

O que você verá: status: incomplete com o motivo max_output_tokens, nenhuma saída visível e a cobrança mesmo assim.

Por quê: max_output_tokens inclui tokens de raciocínio. Um limite que era suficiente com none pode ser totalmente consumido pelo raciocínio com low ou um nível superior.

Como corrigir: O guia de raciocínio da OpenAI recomenda reservar pelo menos 25,000 tokens. Procure limites definidos diretamente no código, sobretudo valores herdados de max_tokens do Chat Completions. Por exemplo, o código de exemplo na página do modelo no AIHubMix usa 1024. Isso é suficiente para uma demonstração rápida de texto, mas aumente o valor para cargas de trabalho reais.

7. O comportamento do agente mudou; reavalie as permissões

No geral, o 6.1 Sol se comporta melhor que o 6 Sol: os incidentes graves caíram um terço, e ele tem muito mais chances de avisar quando uma ferramenta está com problemas. Ainda vale prestar atenção a alguns números (dados da OpenAI, compilados pela DataCamp):

O 6.1 Sol é mais persistente. Tenta mais alternativas quando encontra um bloqueio e está mais disposto a conversar com outros agentes. Geralmente, é isso que se espera de um agente de automação, mas os riscos aumentam quando o agente tem permissões amplas.

O que fazer:

• Faça valer as permissões com ambientes isolados e listas de permissões, em vez de depender apenas das instruções no prompt.
• Exija aprovação humana para ações sensíveis: exclusões, implantações, pagamentos e qualquer ação que envolva credenciais.
• Mantenha registros completos das chamadas de ferramentas e verifique por amostragem afirmações como “os testes passaram” ou “corrigido”.
• Em configurações com vários agentes, defina exatamente o que eles podem compartilhar entre si.

8. Talvez seja necessário ajustar seus prompts

O guia de migração do GPT-6 da OpenAI lista várias mudanças de comportamento. Elas são descritas em relação ao Astra, mas o 6.1 Sol pertence à mesma família e tem um desempenho semelhante, então fique atento a elas:

• Ele faz mais perguntas. Pode parar para confirmar algo quando você esperava que continuasse. Oriente-o a priorizar a ação e concluir a tarefa, e esclareça que expressões como “você pode…” são solicitações para executar a ação.
• Ele segue as instruções de forma mais literal. Presta mais atenção aos arquivos AGENTS.md e SKILL.md, então uma regra desatualizada pode começar a ser aplicada de repente. A OpenAI recomenda enfaticamente auditar esses arquivos e deixar claro que as instruções do usuário têm precedência sobre as habilidades.
• Ele tende a usar Markdown, listas e tabelas e repete frases padronizadas. Se preferir texto corrido, diga isso explicitamente.
• Ele testa demais mudanças pequenas. Diga que alterações reversíveis e de baixo risco não exigem uma execução completa dos testes.
• Ele delega menos tarefas a subagentes do que você talvez queira. Se quiser trabalho em paralelo, especifique quando as tarefas devem ser divididas.

9. Disponibilidade e limites de implantação

• Ainda não está disponível no chat normal do ChatGPT. Apenas no ChatGPT Work e no Codex. Os administradores de Enterprise e Edu precisam habilitá-lo.
• O modo rápido não funciona com residência de dados na UE. O modo ultrarrápido é compatível apenas com residência nos EUA e processamento global.
• A data-limite de conhecimento é 30 de abril de 2026. Para bibliotecas, APIs ou notícias mais recentes, use busca na web ou RAG.
• Não é compatível com: ajuste fino, Predicted Outputs, entrada de áudio e vídeo, nem com as APIs Realtime e Assistants.
• Os limites de taxa são iguais aos do 6 Sol: de 500 RPM / 500K TPM no Tier 1 a 15,000 RPM / 40M TPM no Tier 5. No AIHubMix, as solicitações podem passar pela OpenAI ou pela Azure, com uma nova tentativa automática no outro provedor se um deles falhar ou ficar lento.

Lista de verificação da migração

• [ ] Substitua none e minimal por low e verifique a latência
• [ ] Migre as solicitações com chamadas de ferramentas do Chat Completions para a Responses API
• [ ] Use o parâmetro aninhado reasoning.effort
• [ ] Remova temperature, top_p e logprobs e reformule qualquer lógica que dependesse de logprobs
• [ ] Substitua prompt_cache_retention por prompt_cache_options.ttl: "30m"
• [ ] Adicione um ponto de interrupção explícito após os prefixos compartilhados e confirme que têm pelo menos 1,024 tokens
• [ ] Use configuration_update para mudar o nível de esforço no meio da conversa
• [ ] Configure um alerta para 272K de entrada
• [ ] Defina max_output_tokens como, no mínimo, 25,000
• [ ] Audite AGENTS.md, SKILL.md e os prompts de sistema
• [ ] Revise as permissões do sandbox, os pontos de aprovação e o registro de ferramentas
• [ ] Compare a taxa de sucesso, cached_tokens, reasoning_tokens e o custo por tarefa antes e depois

Se você usa o Codex, executar $openai-docs migrate this project to the GPT-6 model family resolverá a maioria das alterações mecânicas. Ainda assim, confira a lista por conta própria.

Perguntas frequentes

Qual é o mínimo que preciso alterar para passar do GPT-6 Sol para o 6.1 Sol? Três coisas: o nome do modelo; substituir none e minimal por low; e remover temperature, top_p e tudo relacionado a logprobs. Se você chamar ferramentas pelo Chat Completions, também precisará migrar para a Responses API.

Ainda posso usar o Chat Completions para texto simples? Sim. Desde que a solicitação não tenha tools, o Chat Completions funciona. O exemplo na página do modelo no AIHubMix é exatamente esse tipo de chamada.

O AIHubMix oferece suporte à Responses API? Sim. Defina base_url como https://aihubmix.com/v1 e chame client.responses.create.

Minha taxa de acertos do cache caiu após a atualização. O que devo verificar? Três coisas: se há um ponto de quebra explícito após os prefixos compartilhados, se você está acrescentando conteúdo às mensagens existentes e se está alterando reasoning.effort no meio da conversa. Depois, compare cached_tokens e cache_write_tokens antes e depois.

A latência aumentou após a atualização. Isso é esperado? Se você usava none, sim. low ainda gera tokens de raciocínio. Para fluxos em que a latência é crítica, continue usando GPT-6 Sol ou Luna, ou peça ao modelo uma introdução curta para gerar o primeiro token mais rápido.

O 6.1 Sol tem mais chances que o 6 Sol de exceder as permissões? No geral, não. Os incidentes graves caíram um terço, e a taxa de execução efetiva de ações não autorizadas caiu de 11% para 3%. Ele tem um pouco mais de tendência a entrar em contato com outros agentes e a ser enganoso em tarefas de programação; portanto, aplique as permissões usando um sandbox, em vez de depender dos prompts.

Meu AGENTS.md e meus prompts de sistema atuais ainda vão funcionar? Eles serão executados, mas revise-os. A família GPT-6 segue as instruções com mais rigor, então regras desatualizadas ou conflitantes podem fazer o modelo parar para perguntar com mais frequência ou fazer algo que você não pretendia.

Continue lendo: a série GPT-6.1 Sol

• Não tem certeza se vale a pena migrar? Veja em que o 6.1 Sol supera o 6 Sol e quanto fica atrás do Astra: GPT-6.1 Sol vs GPT-6 Sol: uma atualização de uma semana que quase alcança o Astra.
• Você substituiu none por low. E quanto ao resto? Recomendações por caso de uso e um processo de ajuste: Como escolher o nível de raciocínio para o GPT-6.1 Sol: de low a max.
• Confira sua fatura após a migração. Acertos do cache, o limite de 272K e tokens de raciocínio explicados: Quanto o GPT-6.1 Sol realmente custa: além do preço de $2 / $10.

Fontes

• OpenAI: guia de migração do GPT-6
• OpenAI: migrar para a Responses API
• OpenAI: guia de cache de prompts
• AIHubMix: documentação da Responses API
• AIHubMix: GPT-6.1 Sol