OpenAI
GPT 5.6 Sol Pro
gpt-5.6-sol-pro — мультимодальная модель OpenAI для сложных рассуждений и генерации. Принимает текст и изображения, поддерживает контекст 1,050,000 токенов и режим reasoning.mode=pro.
- Вход
- 1 012,80 ₽
- Выход
- 5 064,00 ₽
- Кэш
- 101,28 ₽
- Интеллект
- 47
- Код
- 77,4
- Доступность
- 100%
openai/gpt-5.6-sol-proДанные каталога получены .
Цена
- Текстовый диалог · вход
- 1 012,80 ₽ / 1 млн токенов
- Текстовый диалог · выход
- 5 064,00 ₽ / 1 млн токенов
- Текстовый диалог · вход из кэша
- 101,28 ₽ / 1 млн токенов
Цена указана в рублях для выбранной операции и её параметров.
Перед оплачиваемым запросом создаётся резерв. Итоговый расход привязан к сохранённым параметрам и тарифу запроса. При неизвестном результате резерв удерживается до проверки; такой запрос не следует повторять с новым идентификатором.
О модели
gpt-5.6-sol-pro — мультимодальная модель OpenAI для сложных рассуждений и генерации. Принимает текст и изображения, поддерживает контекст 1,050,000 токенов и режим reasoning.mode=pro. Разработчик: openai. Вход: текст, изображения. Выход: текст. Контекст: 1050000 токенов.
Характеристики
- 4 октября: нет данных—4 октября
- 5 октября: нет данных—5 октября
- 6 октября: 100%100%6 октября
- Тип модели
- Текст
- Вход модели
- Текст, Изображения
Данные, которые модель принимает вместе с запросом.
- Выход модели
- Текст
Форматы результата, которые создаёт модель.
- Контекстное окно
- 1 050 000 токенов
Контекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.
- Операции
- Текстовый диалог, Понимание изображений
- Возможности модели
- Потоковый ответ, Понимание изображений, Входные изображения
Контрольные показатели
Artificial Analysis
18 показателей · проверено
- Индекс интеллекта
- 47 индексСводная оценка Artificial Analysis по всем её тестам
- Индекс программирования
- 77,4 индексСводная оценка Artificial Analysis по программированию
Агентная работа
- AA-Briefcase1 487 Elo
Агентная работа со знаниями (Elo)
- AutomationBench-AA60,1 %
Автоматизация рабочего процесса со штрафами за нарушение ограничений
- AutomationBench-AA · полностью выполненные задачи30,3 %
Полностью выполненные рабочие процессы без нарушений ограничений
- GDPval-AA v21 588 Elo
Экономически значимые задачи (Elo)
- Harvey LAB-AA87,2 %
Доля пройденных критериев юридической агентной работы
Рассуждение по документу
- AA-LCR v1.184 %
Рассуждение на длинном контексте с обновлённой оценкой
- GDP.pdf27,2 %
Профессиональное рассуждение по PDF: доля прохождения всех проверок
Устаревшие тесты
- AA-LCR (версия не указана, архивный)84 %
Оценка рассуждений на длинном контексте
- GPQA Diamond (архивный)94,1 %
Научные рассуждения уровня выпускника
- T²-Bench Telecom (архивный)85,1 %
Разговорные ИИ-агенты в сценариях с двойным управлением
- Terminal-Bench Hard (архивный)65,9 %
Агентное программирование и работа в терминале
Рассуждения
- HLE49,5 %
Humanity’s Last Exam — вопросы экспертного уровня
Рассуждение
- IFBench72,7 %
Тест на следование инструкциям
Документ: рассуждение
- MLCR-AA26,1 %
Медицинское рассуждение на длинном контексте
Программирование
- SciCode57,1 %
Программирование на Python для научных вычислений
- Terminal-Bench v4.039,9 %
Практические задачи по программированию и работе в терминале
Оценки относятся к этой версии модели и методике источника. Качество и скорость конкретного запроса они не гарантируют.
API-запрос
Операция доступна через API. Ключ храните в переменной окружения на своём сервере. REQUEST_ID: уникальный идентификатор запроса. При повторе сохраняйте его и тело запроса.
import json
import os
from urllib.request import Request, HTTPRedirectHandler, build_opener
class NoRedirect(HTTPRedirectHandler):
def redirect_request(self, req, fp, code, msg, headers, newurl):
return None
opener = build_opener(NoRedirect)
def post(url, payload):
request = Request(url, data=json.dumps(payload).encode("utf-8"), headers={
"Authorization": "Bearer " + os.environ["KVANTORA_API_KEY"],
"Content-Type": "application/json",
"Idempotency-Key": os.environ["REQUEST_ID"],
}, method="POST")
with opener.open(request, timeout=120) as response:
return json.load(response)
payload = {
"model": "openai/gpt-5.6-sol-pro",
"messages": [
{
"role": "user",
"content": "Объясни задачу кратко."
}
]
}
print(post("https://api.kvantora.ai/v1/chat/completions", payload))





