GPT-6 Sol

Модель уместна, когда работа состоит из нескольких связанных шагов: изучить код, предложить изменение, внести его и проверить результат. В таком процессе важны удержание требований и способность обращаться к инструментам по ходу решения. OpenAI прямо называет сложное программирование и агентные сценарии основным назначением Sol.

Sol можно применять и для анализа большого набора текстовых материалов или изображений, если нужен разбор с последующим текстовым выводом. Примеры таких задач — свести требования из документов, объяснить различия в версиях кода или подготовить план исправлений. Это возможные способы использования заявленных возможностей, а не обещание результата без проверки на ваших данных.

Параметр reasoning.effort принимает значения none, low, medium, high, xhigh и max; по умолчанию выбран medium. Это позволяет соотнести глубину рассуждения со сложностью этапа. Для работы со встроенными инструментами и вызовом функций OpenAI рекомендует Responses API.

В карточке модели перечислены веб-поиск, поиск по файлам, интерпретатор кода и другие инструменты Responses API. Их применение зависит от того, какие инструменты подключены в конкретном продукте. В Chat Completions вызов функций у Sol поддерживается только при reasoning_effort: none; для рассуждения вместе с инструментами нужен Responses API.

OpenAI предлагает Astra для задач с наивысшими требованиями к возможностям, Sol — для сложной работы с балансом качества и стоимости, Luna — для повторяемых запросов в большом объёме. Если задача требует долгого анализа кода и цепочки действий, Sol служит отправной точкой для сравнения. Для потока коротких, хорошо определённых запросов стоит также проверить Luna.

Sol и Luna имеют одинаковые опубликованные пределы контекста и ответа. Разница между ними заключается в назначении и стоимости обработки, поэтому один только размер окна не поможет выбрать модель. Сравните качество на собственных примерах, время ответа и фактическое потребление токенов.