how-tos

GPT-6.2 API: Hướng dẫn gửi yêu cầu đầu tiên bằng cURL và Python, Responses và Chat Completions

Poyo.ai Team
10 min read
Share:

Hướng dẫn GPT-6.2 API: yêu cầu đầu tiên bằng cURL và Python

Hướng dẫn GPT-6.2 API này đưa bạn từ lúc có khóa API tới một yêu cầu chạy được cho gpt-6.2-sol hoặc gpt-6.2-astra bằng cURL và OpenAI SDK cho Python, trên cả hai endpoint Responses và Chat Completions. Mọi request body đều theo schema PoYo đã công bố và ghi chú di chuyển GPT-6.2 của OpenAI tính đến ngày 18 tháng 11 năm 2026. Bạn có thể thử prompt trước trên trang model GPT-6.2 Sol hoặc trang model GPT-6.2 Astra.

Mới làm quen với hai model này? Tổng quan GPT-6.2 API trình bày các giới hạn và định vị của chúng.

Trước khi bắt đầu

Tạo khóa trong bảng điều khiển PoYo và chỉ giữ nó trên máy chủ:

export POYO_API_KEY="your-poyo-key"
Định dạngEndpointDùng khi
ResponsesPOST https://api.poyo.ai/v1/responsesMã mới, function tool, đầu vào hình ảnh, mức suy luận
Chat CompletionsPOST https://api.poyo.ai/v1/chat/completionsMã Chat Completions hiện có, tin nhắn chỉ văn bản, không dùng công cụ

Mọi yêu cầu đều gửi Authorization: Bearer $POYO_API_KEY. Các ví dụ dùng gpt-6.2-sol; thay bằng gpt-6.2-astra để dùng Astra. Cấu trúc yêu cầu giống hệt nhau.

Ba quy tắc trong hướng dẫn GPT-6.2 của OpenAI áp dụng cho mọi ví dụ dưới đây:

  1. Không gửi temperature hay top_p. OpenAI yêu cầu bỏ chúng, cùng với logprobs và top_logprobs trên Chat Completions và top_logprobs trên Responses. Schema của PoYo vẫn liệt kê temperature và top_p cho các model cũ hơn.
  2. Không đặt mức suy luận là none; API sẽ từ chối.
  3. Đặt các chỉ dẫn ổn định trong một tin nhắn developer ở đầu input. GPT-6.2 nối instructions cấp cao nhất vào sau input, khiến chúng rơi ra khỏi phần tiền tố có thể cache.

Yêu cầu GPT-6.2 API đầu tiên bằng 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 và input là bắt buộc. input là một chuỗi thuần hoặc một mảng các mục có role (developer, system, user, assistant) và content. Các trường khác đã được tài liệu hóa và dùng trong hướng dẫn này: reasoning, max_output_tokens, stream, store, tools, tool_choice, previous_response_id và metadata.

Phản hồi là một đối tượng Responses được trả về trực tiếp. Văn bản nằm trong các khối output[].content[] có type: "output_text"; trạng thái cuộc gọi nằm trong status; và số token nằm trong usage.input_tokens, usage.output_tokens và usage.total_tokens.

Python với OpenAI SDK

Trỏ SDK tới PoYo:

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 là helper của SDK, ghép tất cả các khối output_text lại. Hãy ghi log resp.usage cho mọi cuộc gọi; phần chi phí bên dưới sẽ đọc nó.

Chat Completions cho mã hiện có

Nếu mã của bạn đã dùng chat.completions.create, hãy đổi model và bỏ các trường sampling:

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)

Cùng yêu cầu đó bằng 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
  }'

Schema Chat Completions của PoYo mô tả model, messages (content dạng chuỗi; các role system, user, assistant), max_tokens, stream, stop, n và các trường penalty. Nó không mô tả tools, và OpenAI cho biết tool calling của GPT-6.2 yêu cầu Responses, nên agent cần chạy trên /v1/responses.

Thiết lập mức suy luận qua GPT-6.2 API

OpenAI đặt tên trường là reasoning.effort trong Responses và reasoning_effort trong Chat Completions. Tài liệu Responses của PoYo mô tả reasoning (ví dụ {"effort": "medium"}); tài liệu Chat Completions của PoYo chưa liệt kê reasoning_effort, nên hướng dẫn này chỉ đặt mức suy luận trên Responses.

Tình huốngThiết lậpNguồn
Tích hợp mớimediumOpenAI: "Bắt đầu với medium cho một tích hợp mới."
Trước đây dùng none hoặc minimallowGhi chú di chuyển GPT-6.2 của OpenAI
Tác vụ dài hoặc phức tạpMột mức cao hơnOpenAI: mức suy luận cao hơn "có thể giúp model kiên trì qua các bước kiểm tra cuối cùng"
noneBị từ chốiTrang model của OpenAI

Hướng dẫn reasoning của OpenAI liệt kê low, medium, high, xhigh và max trong số các giá trị có thể, nhưng cho biết chúng phụ thuộc vào model. Trang model GPT-6.2 không liệt kê tập giá trị được chấp nhận, nên hãy gửi một yêu cầu thử trước khi hard-code một mức cao hơn medium. Token suy luận được tính phí như đầu ra và tính vào max_output_tokens; OpenAI báo cáo chúng trong usage.output_tokens_details.reasoning_tokens.

Streaming phản hồi GPT-6.2 API

Với "stream": true, PoYo trả về text/event-stream. Mỗi dòng data: là JSON có type cho biết tên sự kiện; văn bản đến dưới dạng response.output_text.delta, và response.completed mang đối tượng cuối cùng kèm usage. PoYo không gửi các dòng event: riêng, và stream kết thúc bằng 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)

Trên Chat Completions, stream=True trả về các sự kiện chat.completion.chunk; văn bản nằm trong choices[0].delta.content và chunk cuối mang usage.

Đầu vào hình ảnh

GPT-6.2 nhận hình ảnh cùng văn bản. Trên PoYo, hãy gửi chúng tới Responses dưới dạng khối input_image với một URL công khai hoặc một Data URI đầy đủ (data:image/png;base64,...). Tài liệu của PoYo khuyên đặt văn bản trước hình ảnh:

{
  "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
}

Đọc usage và tính chi phí của một yêu cầu

Giá PoYo cho mỗi 1M token: Sol $1.60 đầu vào, $8 đầu ra, $0.08 đọc cache, $2 ghi cache; Astra lần lượt $6.40, $32, $0.32, $8 (1 tín dụng = $0.005).

Hướng dẫn caching của OpenAI báo cáo lượng đọc cache bị tính phí trong usage.input_tokens_details.cached_tokens và lượng ghi trong usage.input_tokens_details.cache_write_tokens. Schema của PoYo có input_tokens_details và output_tokens_details nhưng không liệt kê các khóa bên trong, nên hãy đọc chúng một cách phòng thủ:

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

Hãy coi kết quả là ước tính và đối chiếu với log usage trên PoYo. Mọi mức giá ở đây đều là giá ngữ cảnh ngắn. OpenAI tính giá cao hơn khi vượt 272K token đầu vào, nên với yêu cầu lớn như vậy hãy kiểm tra trang model. Các ví dụ tính có trong Giá GPT-6.2 API.

Các lỗi nên xử lý

HTTPNguyên nhânCách xử lý
400Trường không hợp lệ (validation_error, kèm chi tiết)Sửa body; mức suy luận none hoặc một trường chưa được tài liệu hóa có thể gây lỗi này
401Thiếu khóa API hoặc khóa không hợp lệKiểm tra header Authorization
402Không đủ tín dụngNạp thêm trước khi thử lại
404Model không xác định (model_not_found)Kiểm tra ID: gpt-6.2-sol, gpt-6.2-astra
429Bị giới hạn tốc độChờ rồi thử lại
500 / 502 / 503Lỗi máy chủ hoặc upstreamThử lại với exponential backoff

Tài liệu của PoYo cho biết các endpoint LLM hiện không bị giới hạn tốc độ, nhưng vẫn nên xử lý 429. Với OpenAI SDK, hãy bắt openai.APIStatusError và rẽ nhánh theo status_code. Chỉ thử lại với 5xx và 429; lỗi 400 sẽ tiếp tục thất bại cho tới khi body thay đổi. Body lỗi đầy đủ có trong mã lỗi PoYo.

Danh sách kiểm tra trước khi phát hành

  • Giữ POYO_API_KEY ở phía máy chủ; không bao giờ đưa nó vào mã trình duyệt hay ứng dụng di động.
  • Xóa temperature và top_p khỏi mọi luồng yêu cầu GPT-6.2, kể cả các hàm helper dùng chung.
  • Luôn đặt max_output_tokens (hoặc max_tokens), và chừa chỗ cho token suy luận trong giới hạn đó.
  • Ghi log status / finish_reason và toàn bộ khối usage cạnh request ID của riêng bạn, để thấy được các câu trả lời bị cắt cụt và những lần chi phí tăng đột biến.
  • Đặt ngữ cảnh dài, ổn định trong tin nhắn developer đầu tiên và câu hỏi thay đổi ở cuối, để prompt caching có cơ hội áp dụng.
  • Cố định model ID trong cấu hình, để có thể chuyển giữa gpt-6.2-sol và gpt-6.2-astra mà không cần deploy.

Về công cụ, streaming tool call và caching trong các phiên agent dài, hãy đọc tiếp GPT-6.2 API cho coding agent.

Câu hỏi thường gặp

Làm sao gọi GPT-6.2 API bằng Python?

Dùng OpenAI SDK với base_url="https://api.poyo.ai/v1", khóa PoYo của bạn, và model="gpt-6.2-sol" hoặc "gpt-6.2-astra" trong client.responses.create.

GPT-6.2 API có hỗ trợ streaming không?

Có, trên cả hai endpoint. Đặt stream: true; Responses gửi các sự kiện có kiểu như response.output_text.delta, còn Chat Completions gửi các sự kiện chat.completion.chunk. Cả hai đều kết thúc bằng data: [DONE].

Làm sao thiết lập mức suy luận cho GPT-6.2 API?

Gửi "reasoning": {"effort": "medium"} trên /v1/responses. OpenAI khuyên bắt đầu với medium và từ chối none.

Vì sao yêu cầu GPT-6.2 API của tôi lỗi khi có temperature?

OpenAI yêu cầu bỏ temperature và top_p với GPT-6.2. Hãy xóa chúng và kiểm soát độ dài đầu ra bằng max_output_tokens hoặc max_tokens.

Làm sao gửi hình ảnh tới GPT-6.2 API?

Dùng /v1/responses với một khối input_image (URL hoặc Data URI) đặt sau một khối input_text. Schema Chat Completions của PoYo chỉ mô tả nội dung dạng chuỗi.

Share: