GPT-6 Astra API nutzen: Erster Aufruf, Effort-Stufen & Migration von GPT-5.6

Kurzreferenz

Setup und erster Request

Schritt 1: EvoLink-API-Key anlegen

Schritt 2: OpenAI SDK installieren

pip install openai        # Python
npm install openai        # Node.js

Schritt 3: Den ersten Request senden

Beginnen Sie mit einem einfachen Responses-Request. OpenAI verlangt Responses für Tool Calling; erweiterte Responses-Funktionen müssen auf der EvoLink-Route separat geprüft werden.

curl https://api.evolink.ai/v1/responses \
  -H "Authorization: Bearer $EVOLINK_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-astra",
    "input": "Erkläre in einem Absatz den Unterschied zwischen Cache-Reads und Cache-Writes.",
    "reasoning": {"effort": "medium"}
  }'

from openai import OpenAI

client = OpenAI(
    api_key="your-evolink-api-key",
    base_url="https://api.evolink.ai/v1",
)

response = client.responses.create(
    model="gpt-6-astra",
    input="Erkläre in einem Absatz den Unterschied zwischen Cache-Reads und Cache-Writes.",
    reasoning={"effort": "medium"},
)

print(response.output_text)
print(response.model, response.usage)

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: "your-evolink-api-key",
  baseURL: "https://api.evolink.ai/v1",
});

const response = await client.responses.create({
  model: "gpt-6-astra",
  input: "Erkläre in einem Absatz den Unterschied zwischen Cache-Reads und Cache-Writes.",
  reasoning: { effort: "medium" },
});

console.log(response.output_text);
console.log(response.model, response.usage);

Reine Textanfragen über Chat Completions

response = client.chat.completions.create(
    model="gpt-6-astra",
    messages=[{"role": "user", "content": "Fasse dieses Changelog in drei Stichpunkten zusammen: ..."}],
    reasoning_effort="low",
)
print(response.choices[0].message.content)

Chat Completions vs. Responses API

Läuft Ihre Agentenschleife heute auf Chat Completions, verlegen Sie sie auf Responses oder lassen Sie sie auf GPT-5.6, das dort weiterhin Tool Calling unterstützt.

Den Reasoning-Effort wählen

OpenAI dokumentiert zwei zusätzliche Steuerungsmöglichkeiten. Ihre Unterstützung auf EvoLink ist noch nicht verifiziert; die folgenden Angaben dienen als Referenz für die Anbieter-API:

• configuration_update erlaubt es, in einem Responses-Gespräch den Effort zwischen Turns zu ändern, ohne den Prompt-Cache zu verlieren. Starten Sie bei medium und erhöhen Sie nur die Turns, die scheitern.
• reasoning.mode: "pro" ist ein separater Qualitätsmodus der Responses API; behandeln Sie ihn als eigenen Evaluierungskandidaten, nicht als sechste Effort-Stufe.

Effort pro Request in Responses setzen:

response = client.responses.create(
    model="gpt-6-astra",
    input=[{"role": "user", "content": "Refaktoriere dieses Modul und erkläre jede Änderung."}],
    reasoning={"effort": "high"},
    max_output_tokens=8000,
)

Tool Calling über die Responses API

tools = [{
    "type": "function",
    "name": "get_build_status",
    "description": "Gibt den Status des letzten CI-Builds für einen Branch zurück.",
    "parameters": {
        "type": "object",
        "properties": {"branch": {"type": "string"}},
        "required": ["branch"],
    },
}]

first = client.responses.create(
    model="gpt-6-astra",
    input=[{"role": "user", "content": "Ist der main-Branch grün? Falls nicht, fasse den Fehler zusammen."}],
    tools=tools,
    reasoning={"effort": "medium"},
)

calls = [item for item in first.output if item.type == "function_call"]
outputs = []
for call in calls:
    # hier Ihr Tool ausführen
    outputs.append({
        "type": "function_call_output",
        "call_id": call.call_id,
        "output": '{"status": "failed", "step": "unit-tests", "log_url": "https://ci.example/123"}',
    })

second = client.responses.create(
    model="gpt-6-astra",
    input=[{"role": "user", "content": "Ist der main-Branch grün? Falls nicht, fasse den Fehler zusammen."}]
          + list(first.output) + outputs,
    tools=tools,
    reasoning={"effort": "medium"},
)
print(second.output_text)

Structured Outputs und Streaming

response = client.responses.create(
    model="gpt-6-astra",
    input="Extrahiere Modell-ID, Kontextfenster und Output-Limit aus diesem Text: ...",
    text={
        "format": {
            "type": "json_schema",
            "name": "model_spec",
            "schema": {
                "type": "object",
                "properties": {
                    "model_id": {"type": "string"},
                    "context_tokens": {"type": "integer"},
                    "max_output_tokens": {"type": "integer"},
                },
                "required": ["model_id", "context_tokens", "max_output_tokens"],
                "additionalProperties": False,
            },
            "strict": True,
        }
    },
    reasoning={"effort": "low"},
)
print(response.output_text)

Migration von GPT-5.6

Die folgende Tabelle nennt OpenAIs Migrationsanforderungen. Prüfen Sie auf EvoLink die Request-Felder und optionalen Funktionen einzeln, bevor Sie Traffic umstellen; ein neuer Modellname allein belegt keine Kompatibilität.

Der Diff für einen typischen Chat-Completions-Aufruf:

 response = client.chat.completions.create(
-    model="gpt-5.6-sol",
+    model="gpt-6-astra",
     messages=messages,
-    temperature=0.2,
-    reasoning_effort="none",
+    reasoning_effort="low",
 )

Kostenregeln: 272K, Caching, Batch und Flex

Regel 1: Oberhalb von 272K Input-Tokens wird der gesamte Request neu bepreist

Input- und Cache-Sätze verdoppeln sich, der Output-Satz steigt um das 1,5-Fache – für den gesamten Request, nicht nur für die Tokens jenseits der Schwelle.

Achttausend zusätzliche Tokens verdoppeln die Rechnung fast. Zählen Sie Tokens vor dem Senden, verdichten Sie den Kontext, wenn Sie sich dem Band nähern, oder routen Sie den Request zu GPT-5.6 Sol, dessen Long-Context-Satz bei $8 / $30 liegt.

Regel 2: Caching lohnt sich ab der ersten Wiederverwendung

• ungecacht: 10 × (k + 1) Dollar pro Million Präfix-Tokens
• gecacht: 12.50 + 1 × k

Regel 3: Batch und Flex kosten die Hälfte

Bei OpenAI kosten Batch und Flex 50 % von Standard. Sie kommen für Offline-Evaluierungen, nächtliche Verarbeitung und Backfills infrage. Fast kostet das Doppelte, bietet für Astra kein Latenz-SLA und ist mit EU-Datenresidenz nicht verfügbar. Verfügbarkeit und Abrechnung dieser Modi auf EvoLink sind noch nicht verifiziert; übernehmen Sie Anbieter-Rabatte nicht ohne Prüfung der Route in eine EvoLink-Kalkulation.

Die Regeln zusammengenommen

Rate Limits und Fallback

OpenAI veröffentlicht die Astra-Rate-Limits nach Nutzungsstufe. Die Zahlen sind relevant, weil ein einziger Request mit vollem Kontext ein Token-Budget pro Minute übersteigen kann.

Auf EvoLink werden Limits pro Konto gesetzt; prüfen Sie Ihr Dashboard vor Lasttests. Drei Fehlermodi verdienen explizite Behandlung:

1. 400 wegen Request-Form. temperature, top_p, Effort none oder Tools auf Chat Completions. Korrigieren Sie den Request; kein Retry.
2. 429 oder 5xx. Mit Backoff wiederholen, dann auf demselben Key zu gpt-5.6-sol zurückfallen. Der Leitfaden zu Timeout, Retry und Fallback beschreibt das Muster.
3. Task von OpenAIs Safety-Monitor gestoppt. Astra läuft unter asynchronem Misalignment-Monitoring; löst es aus, stoppt der API-Task. Loggen Sie es, melden Sie es dem Operator und routen Sie die Aufgabe zu einem Fallback-Modell, statt zu schleifen.

def call_with_fallback(**kwargs):
    for model in ("gpt-6-astra", "gpt-5.6-sol"):
        try:
            return client.responses.create(model=model, **kwargs)
        except Exception as err:  # in Produktion auf 429/5xx eingrenzen
            last = err
    raise last

FAQ

Welche Modell-ID verwende ich für GPT-6?

Kann ich Tools mit GPT-6 Astra über Chat Completions nutzen?

Nein. OpenAI dokumentiert Tool Calling für dieses Modell nur auf Responses; Chat Completions akzeptiert Text- und Bildeingaben. Bildeingaben über EvoLink müssen noch auf der Route geprüft werden.

Mit welchem Reasoning-Effort sollte ich starten?

Akzeptiert GPT-6 Astra temperature?

Wie wird ein Request über 272K Input-Tokens abgerechnet?

Der gesamte Request wechselt ins Long-Context-Band: 2-Fache bei Input und Cache, 1,5-Fache beim Output. Zählen Sie zuerst Tokens und verdichten oder teilen Sie, wenn Sie sich der Schwelle nähern.

Was ändert sich bei der Migration von GPT-5.6?

Ist GPT-6 Astra auf Amazon Bedrock?

Wo finde ich EvoLinks Preis für GPT-6 Astra?

Quellen

• OpenAI: GPT-6 Astra Modelldokumentation
• OpenAI: GPT-6 Astra Modell-Leitfaden (Migration, nicht unterstützte Parameter, Tools nur über Responses)
• OpenAI: Reasoning-Leitfaden
• OpenAI: Prompt-Caching-Leitfaden
• OpenAI: Fast-Mode-Leitfaden
• OpenAI: Rate-Limits-Leitfaden
• OpenAI API-Preise
• OpenAI: GPT-6 Astra Ankündigung
• AWS: OpenAI-Model-Cards in Amazon Bedrock
• Shinsuke Kagawa: Wechsel von GPT-5.6 Sol zu GPT-6 Astra – mit medium starten