
Dieser Leitfaden zur GPT-6.2 API führt Sie vom API-Schlüssel zu einer funktionierenden Anfrage an gpt-6.2-sol oder gpt-6.2-astra in cURL und mit dem Python OpenAI SDK, auf den Endpunkten Responses und Chat Completions. Jeder Request-Body folgt PoYos veröffentlichtem Schema und OpenAIs Migrationshinweisen zu GPT-6.2 mit Stand 18. November 2026. Sie können Prompts zuerst auf der GPT-6.2 Sol Modellseite oder der GPT-6.2 Astra Modellseite testen.
Neu bei diesen Modellen? Der GPT-6.2 API Überblick behandelt Limits und Positionierung.
Bevor Sie beginnen
Erstellen Sie einen Schlüssel im PoYo-Dashboard und halten Sie ihn auf Ihrem Server:
export POYO_API_KEY="your-poyo-key"
| Format | Endpunkt | Einsatz |
|---|---|---|
| Responses | POST https://api.poyo.ai/v1/responses | Neuer Code, Function Tools, Bild-Input, Reasoning Effort |
| Chat Completions | POST https://api.poyo.ai/v1/chat/completions | Bestehender Chat-Completions-Code, reine Textnachrichten, keine Tools |
Jede Anfrage sendet Authorization: Bearer $POYO_API_KEY. Die Beispiele verwenden gpt-6.2-sol; ersetzen Sie es durch gpt-6.2-astra für Astra. Die Anfrageformate sind identisch.
Drei Regeln aus OpenAIs GPT-6.2-Leitfaden gelten für jedes Beispiel unten:
- Senden Sie weder
temperaturenochtop_p. Laut OpenAI sollen Sie diese weglassen, dazulogprobsundtop_logprobsbei Chat Completions undtop_logprobsbei Responses. PoYos Schemas führentemperatureundtop_pfür ältere Modelle weiterhin auf. - Setzen Sie den Reasoning Effort nicht auf
none; die API lehnt das ab. - Legen Sie stabile Anweisungen in eine
developer-Nachricht am Anfang voninput. GPT-6.2 hängt Top-Level-instructionshinterinputan, wodurch sie aus dem cachebaren Präfix herausfallen.
Erste Anfrage an die GPT-6.2 API mit cURL
curl https://api.poyo.ai/v1/responses \
-H "Authorization: Bearer $POYO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-6.2-sol",
"input": [
{"role": "developer", "content": "You are a code reviewer. Be specific and cite line numbers."},
{"role": "user", "content": "Review this function for race conditions: ..."}
],
"reasoning": {"effort": "medium"},
"max_output_tokens": 8000,
"store": false
}'
model und input sind Pflichtfelder. input ist ein einfacher String oder ein Array von Items mit role (developer, system, user, assistant) und content. Weitere dokumentierte Felder, die dieser Leitfaden nutzt: reasoning, max_output_tokens, stream, store, tools, tool_choice, previous_response_id und metadata.
Die Antwort ist ein Responses-Objekt, das direkt zurückgegeben wird. Der Text steht in output[].content[]-Blöcken mit type: "output_text", der Status des Aufrufs in status und die Zählwerte in usage.input_tokens, usage.output_tokens und usage.total_tokens.
Python mit dem OpenAI SDK
Richten Sie das SDK auf PoYo aus:
import os
from openai import OpenAI
client = OpenAI(base_url="https://api.poyo.ai/v1", api_key=os.environ["POYO_API_KEY"])
resp = client.responses.create(
model="gpt-6.2-sol",
input=[
{"role": "developer", "content": "You are a senior backend engineer."},
{"role": "user", "content": "Write a migration plan from Celery 4 to Celery 5."},
],
reasoning={"effort": "medium"},
max_output_tokens=8000,
)
print(resp.output_text)
print(resp.status, resp.usage)
resp.output_text ist der Helfer des SDK, der alle output_text-Blöcke zusammenfügt. Loggen Sie resp.usage bei jedem Aufruf; der Kostenabschnitt unten liest es aus.
Chat Completions für bestehenden Code
Wenn Ihr Code bereits chat.completions.create verwendet, ändern Sie das Modell und entfernen Sie die Sampling-Felder:
resp = client.chat.completions.create(
model="gpt-6.2-sol",
messages=[
{"role": "system", "content": "You are a senior backend engineer."},
{"role": "user", "content": "Explain the CAP theorem with one example per trade-off."},
],
max_tokens=4000,
)
print(resp.choices[0].message.content, resp.choices[0].finish_reason)
Dieselbe Anfrage in cURL:
curl https://api.poyo.ai/v1/chat/completions \
-H "Authorization: Bearer $POYO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-6.2-sol",
"messages": [{"role": "user", "content": "Explain vector databases in one sentence."}],
"max_tokens": 1000
}'
PoYos Chat-Completions-Schema dokumentiert model, messages (content als String; Rollen system, user, assistant), max_tokens, stream, stop, n und die Penalty-Felder. tools dokumentiert es nicht, und laut OpenAI erfordert Tool Calling bei GPT-6.2 Responses, Agenten gehören also auf /v1/responses.
Reasoning Effort über die GPT-6.2 API setzen
OpenAI nennt das Feld reasoning.effort in Responses und reasoning_effort in Chat Completions. PoYos Responses-Referenz dokumentiert reasoning (Beispiel {"effort": "medium"}); die Chat-Completions-Referenz führt reasoning_effort noch nicht auf, daher setzt dieser Leitfaden den Effort nur über Responses.
| Situation | Einstellung | Quelle |
|---|---|---|
| Neue Integration | medium | OpenAI: „Beginnen Sie bei einer neuen Integration mit medium.“ |
Bisher none oder minimal | low | OpenAIs Migrationshinweis zu GPT-6.2 |
| Lange oder komplexe Aufgaben | Eine höhere Stufe | OpenAI: Höherer Effort „kann helfen, bis zu den abschließenden Prüfungen durchzuhalten“ |
none | Abgelehnt | OpenAIs Modellseiten |
OpenAIs Reasoning-Leitfaden nennt low, medium, high, xhigh und max unter den möglichen Werten, sagt aber, dass sie modellabhängig sind. Die GPT-6.2-Modellseiten listen die akzeptierten Werte nicht auf, senden Sie also eine Testanfrage, bevor Sie eine Stufe über medium fest einprogrammieren. Reasoning-Token werden als Output abgerechnet und zählen gegen max_output_tokens; OpenAI weist sie in usage.output_tokens_details.reasoning_tokens aus.
Antworten der GPT-6.2 API streamen
Mit "stream": true liefert PoYo text/event-stream. Jede data:-Zeile ist JSON, dessen type das Event benennt; Text kommt als response.output_text.delta, und response.completed enthält das finale Objekt mit usage. PoYo sendet keine separaten event:-Zeilen, und der Stream endet mit data: [DONE].
stream = client.responses.create(
model="gpt-6.2-sol",
input="Write a 100-word product introduction for a log search tool.",
reasoning={"effort": "low"},
max_output_tokens=2000,
stream=True,
store=False,
)
usage = None
for event in stream:
if event.type == "response.output_text.delta":
print(event.delta, end="", flush=True)
elif event.type == "response.completed":
usage = event.response.usage
elif event.type == "response.failed":
raise RuntimeError(event.response)
print("\n", usage)
Bei Chat Completions liefert stream=True Events vom Typ chat.completion.chunk; der Text steht in choices[0].delta.content, und der letzte Chunk enthält usage.
Bild-Input
GPT-6.2 akzeptiert Bilder zusammen mit Text. Bei PoYo senden Sie sie an Responses als input_image-Blöcke mit einer öffentlichen URL oder einer vollständigen Data-URI (data:image/png;base64,...). PoYos Dokumentation empfiehlt, den Text vor die Bilder zu setzen:
{
"model": "gpt-6.2-sol",
"input": [
{
"role": "user",
"content": [
{"type": "input_text", "text": "List every service in this architecture diagram that writes to the database."},
{"type": "input_image", "image_url": "https://example.com/diagram.png"}
]
}
],
"max_output_tokens": 3000
}
Usage auslesen und die Kosten einer Anfrage berechnen
PoYo-Preise pro 1M Token: Sol $1.60 Input, $8 Output, $0.08 Cache-Read, $2 Cache-Write; Astra $6.40, $32, $0.32, $8 (1 Credit = $0.005).
OpenAIs Caching-Leitfaden weist abgerechnete Cache-Reads in usage.input_tokens_details.cached_tokens und Writes in usage.input_tokens_details.cache_write_tokens aus. PoYos Schema enthält input_tokens_details und output_tokens_details, ohne deren Schlüssel aufzulisten, lesen Sie sie also defensiv aus:
PRICES = { # PoYo USD per 1M tokens: input, output, cache read, cache write
"gpt-6.2-sol": (1.60, 8.00, 0.08, 2.00),
"gpt-6.2-astra": (6.40, 32.00, 0.32, 8.00),
}
def estimate_cost_usd(model: str, usage) -> float:
p_in, p_out, p_read, p_write = PRICES[model]
details = getattr(usage, "input_tokens_details", None)
cached = getattr(details, "cached_tokens", 0) or 0
written = getattr(details, "cache_write_tokens", 0) or 0
fresh = usage.input_tokens - cached - written
return (fresh * p_in + cached * p_read + written * p_write
+ usage.output_tokens * p_out) / 1_000_000
Betrachten Sie das als Schätzung und gleichen Sie es mit Ihrem PoYo-Nutzungsprotokoll ab. Alle Preise hier sind Preise für kurzen Kontext. OpenAI verlangt über 272K Input-Token mehr, prüfen Sie also bei jeder so großen Anfrage die Modellseite. Durchgerechnete Beispiele finden Sie unter GPT-6.2 API Preise.
Fehler, die Sie behandeln sollten
| HTTP | Ursache | Vorgehen |
|---|---|---|
| 400 | Ungültiges Feld (validation_error, mit Details) | Body korrigieren; ein Effort none oder ein undokumentiertes Feld kann hier landen |
| 401 | Fehlender oder ungültiger API-Schlüssel | Authorization-Header prüfen |
| 402 | Nicht genügend Credits | Vor dem erneuten Versuch aufladen |
| 404 | Unbekanntes Modell (model_not_found) | ID prüfen: gpt-6.2-sol, gpt-6.2-astra |
| 429 | Rate Limit | Warten und erneut versuchen |
| 500 / 502 / 503 | Server- oder Upstream-Fehler | Mit exponentiellem Backoff erneut versuchen |
Laut PoYos Dokumentation sind LLM-Endpunkte derzeit nicht rate-limitiert, behandeln Sie 429 aber trotzdem. Fangen Sie mit dem OpenAI SDK openai.APIStatusError ab und verzweigen Sie nach status_code. Wiederholen Sie nur 5xx und 429; ein 400 schlägt erneut fehl, solange sich der Body nicht ändert. Die vollständigen Bodies finden Sie unter PoYo-Fehlercodes.
Checkliste vor dem Release
- Halten Sie
POYO_API_KEYauf dem Server; liefern Sie ihn nie in Browser- oder Mobile-Code aus. - Entfernen Sie
temperatureundtop_paus jedem Anfragepfad für GPT-6.2, auch aus gemeinsam genutzten Hilfsfunktionen. - Setzen Sie immer
max_output_tokens(odermax_tokens) und lassen Sie innerhalb dieser Obergrenze Platz für Reasoning-Token. - Loggen Sie
status/finish_reasonund den vollständigenusage-Block neben Ihrer eigenen Request-ID, damit abgeschnittene Antworten und Kostenspitzen sichtbar werden. - Legen Sie langen, stabilen Kontext in die erste
developer-Nachricht und die wechselnde Frage ans Ende, damit Prompt Caching greifen kann. - Hinterlegen Sie die Modell-ID fest in der Konfiguration, damit Sie ohne Deploy zwischen
gpt-6.2-solundgpt-6.2-astrawechseln können.
Für Tools, gestreamte Tool Calls und Caching in langen Agenten-Sessions geht es weiter mit GPT-6.2 API für Coding-Agenten.
Häufig gestellte Fragen
Wie rufe ich die GPT-6.2 API in Python auf?
Verwenden Sie das OpenAI SDK mit base_url="https://api.poyo.ai/v1", Ihrem PoYo-Schlüssel und model="gpt-6.2-sol" oder "gpt-6.2-astra" in client.responses.create.
Unterstützt die GPT-6.2 API Streaming?
Ja, auf beiden Endpunkten. Setzen Sie stream: true; Responses sendet typisierte Events wie response.output_text.delta, Chat Completions sendet chat.completion.chunk-Events. Beide enden mit data: [DONE].
Wie setze ich den Reasoning Effort der GPT-6.2 API?
Senden Sie "reasoning": {"effort": "medium"} an /v1/responses. OpenAI empfiehlt medium für den Einstieg und lehnt none ab.
Warum schlägt meine GPT-6.2 API Anfrage mit temperature fehl?
Laut OpenAI sollen Sie temperature und top_p bei GPT-6.2 weglassen. Entfernen Sie sie und steuern Sie die Ausgabelänge mit max_output_tokens oder max_tokens.
Wie sende ich ein Bild an die GPT-6.2 API?
Verwenden Sie /v1/responses mit einem input_image-Block (URL oder Data-URI) nach einem input_text-Block. PoYos Chat-Completions-Schema dokumentiert nur String-Content.