GPT Image 2.5 Flare & Sunburst sind jetzt auf EvoLink verfügbarGPT Image 2.5 testen
EvoLink.AIEvoLink.AI

GPT-6 Sol API

Greifen Sie über die einheitliche Chat-API von EvoLink auf GPT-6 Sol von OpenAI zu – auch gesucht als GPT 6 Sol / gpt-6-sol –. Testen Sie Coding, mehrstufige Agents, Tool-Nutzung vor der Integration.

OpenAITextgenerierungVerfügbar
ab $1.800 / 1M Input-Tokens$2.000 offizieller Preis-10%
API-Dokumentation
Chat CompletionsResponses APIReasoning-EffortPrompt-CachingTool-Nutzung
ProduktionsrouteLive
Kontext
1.05M Kontext · max. 128K Ausgabe
Geeignet für
Komplexes Coding, agentische Workflows, toollastige Aufgaben
Eingabe
Text + Bilder
Ausgabe
Text · JSON (strukturierte Ausgabe) · Tool-Aufrufe
ModellePreiseReadmeAPI

GPT-6 Sol auswählen

Eine exakte Modell-ID auf der OpenAI-kompatiblen Integration. Die Sätze für kurzen und langen Kontext aller vier Token-Rollen stehen auf der Karte.

GPT-6 Sol

Das GPT-6-Modell von OpenAI, entwickelt für komplexes Coding und agentische Workflows.

Ausgewählt
Modell-ID
gpt-6-sol
Geeignet für

Komplexes Coding, Agenten-Schleifen mit vielen Tool-Aufrufen und lang laufende Implementierungsaufgaben

< 272K
Eingabe
$1.800 / 1M-10%
122.4 cr / 1M$2.000offizieller Preis
Cache-Lesen
$0.181 / 1M-10%
12.3 cr / 1M$0.200offizieller Preis
Cache-Schreiben
$2.250 / 1M-10%
153 cr / 1M$2.500offizieller Preis
Ausgabe
$9.000 / 1M-10%
612 cr / 1M$10.000offizieller Preis
≥ 272K
Eingabe
$3.600 / 1M-10%
244.8 cr / 1M$4.000offizieller Preis
Cache-Lesen
$0.362 / 1M-10%
24.6 cr / 1M$0.400offizieller Preis
Cache-Schreiben
$4.500 / 1M-10%
306 cr / 1M$5.000offizieller Preis
Ausgabe
$13.500 / 1M-10%
918 cr / 1M$15.000offizieller Preis

Alle Tarife gelten pro 1M Tokens, in USD und Credits, und entsprechen der aktuellen Preisgestaltung Ihres Kontos. Ab 272K Prompt-Tokens gilt die Langkontext-Stufe: ×2 für Eingabe- und Cache-Rollen, ×1.5 für die Ausgabe.

GPT-6 Sol Preise

Schätzen Sie vor der Integration die Kosten einer GPT-6 Sol-Anfrage. Der Rechner verwendet die aktuellen Tarife Ihres Kontos; offizielle Preise dienen als Vergleich.

Anfragen-Rechner

Geben Sie den Token-Mix einer Anfrage und die Anzahl erfolgreicher Tool-Aufrufe ein.

Geschätzte Kosten pro Anfrage

GPT-6 Sol
Kurzkontext-Tarif
USD$0.0046
Credits0.3085

Offizielle Schätzung $0.0051 · $0.0006 gespart (10%)

Eingabe-Tokens0.1224 cr
Cache-Lese-Tokens0.0025 cr
Cache-Schreib-Tokens0 cr
Ausgabe-Tokens0.1836 cr

Mindestgebühr: 0.01 Credits pro Anfrage. Ab 272K Prompt-Tokens werden Eingabe- und Cache-Rollen mit ×2, die Ausgabe mit ×1.5 berechnet. Tool-Aufrufe werden nicht multipliziert.

Budget-Leitfaden

Ungefähre Anfragen mit dem aktuellen Token-Mix.
Credits aufladen
$10
Etwa 2106 Anfragen

Für schnelle Tests

$50
Etwa 11021 Anfragen

Für die laufende Entwicklung

$100
Etwa 22042 Anfragen

Für die Produktionsbewertung

Tarife serverseitiger Tools

Nur erfolgreiche serverseitige Aufrufe werden pro Aufruf berechnet; fehlgeschlagene Versuche kosten keine Tool-Gebühr, Tokens werden weiterhin berechnet.
  • Websuche$0.010/ Aufruf0.68 cr / Aufruf

GPT-6 Sol API

Das GPT-6-Modell von OpenAI, entwickelt für komplexes Coding und agentische Workflows — Mehrdatei-Änderungen, toolgestützte Agenten und lang laufende Implementierungsaufgaben — verfügbar über einen EvoLink API-Key mit Chat Completions und Responses.

GPT-6 Sol wird auf EvoLink unter der Modell-ID gpt-6-sol über Chat Completions · Responses bereitgestellt – mit demselben API-Key und Guthaben wie jedes andere Modell. Es bietet ein Kontextfenster von 1.05M und bis zu 128K Ausgabe-Tokens, dazu Coding, mehrstufige Agents, Tool-Nutzung.

GPT-6 Sol

GPT-6 Sol Spezifikationen und Fähigkeiten

Die Zahlen stammen aus der EvoLink-Routenkonfiguration; die Fähigkeiten entsprechen dem, was die API heute bereitstellt.

Kontextfenster
1.05M Tokens
Max. Ausgabe
128K Tokens
Eingabe
Text + Bilder
Ausgabe
Text · JSON (strukturierte Ausgabe) · Tool-Aufrufe
Reasoning
Konfigurierbarer Reasoning-Aufwand
Tool-Nutzung
Function Calling mit mehrstufigen Tool-Sequenzen
Prompt-Caching
Tarife für Cache-Schreiben + Cache-Lesen
Langkontext-Stufe
×2 Eingabe / ×1.5 Ausgabe ab 272K Prompt-Tokens
Protokolle
Chat Completions · Responses
Modell-ID
gpt-6-sol

Wofür GPT-6 Sol am besten geeignet ist

Eine exakte Modell-ID für Coding- und Agenten-Traffic; die schwierigste End-to-End-Arbeit geht an GPT-6 Astra, fokussierte Aufrufe mit hohem Volumen an GPT-6 Luna. OpenAI meldet DeepSWE v1.1 68,8 % bei max und eine Coding-Täuschungsrate von 1,3 % gegenüber 10,4 % bei GPT-5.6 Sol (Herstellerangabe).

Mehrdatei-Änderungen ausliefern

In einer Aufgabe über mehrere Dateien hinweg planen, bearbeiten und testen und bei fehlschlagenden Tests weiter iterieren, statt bei einem einzelnen plausiblen Vorschlag stehen zu bleiben.

Toolgestützte Agenten betreiben

Funktionsaufrufe, Dateisuche und weitere integrierte Tools über die Responses API verketten; auf Chat Completions erfordert Function Calling reasoning_effort none.

Reasoning pro Request abstimmen

Wählen Sie reasoning_effort bei jedem Aufruf von none bis max: none für schnelles Tool-Routing, höhere Stufen für Debugging und Design-Reviews. Reasoning-Tokens werden als Output abgerechnet.

Projektkontext in einem Fenster halten

Repository-Dateien, Spezifikationen und Tool-Ergebnisse in einem 1,05M-Token-Fenster unterbringen; testen Sie Wiederfindung und Anweisungstreue mit Ihren eigenen Workloads, bevor Sie sich auf das volle Fenster verlassen.

Zwei Wege, GPT-6 Sol zu nutzen: EvoLink API oder Agent

Nutzen Sie die EvoLink API für Produkt-Backends und Batch-Jobs oder rufen Sie GPT-6 Sol aus Codex, Claude oder Gemini für Coding- und Analyse-Workflows auf. Beide Wege teilen denselben EvoLink API-Key, das Guthaben, die Modell-ID und die Anfragehistorie.

Option 1

Mit der EvoLink API integrieren

Ideal für: Produkt-Backends, Batch-Jobs, automatisierte Pipelines

Senden Sie OpenAI-kompatible Chat-Completions- (oder Anthropic-Messages-) Anfragen an EvoLink und steuern Sie Modell-ID, System-Prompt, Ausgabebudget, Tools und strukturierte Ausgabe.

  1. 1Erstellen Sie einen EvoLink API-Key in der Konsole
  2. 2Richten Sie Ihr OpenAI- oder Anthropic-SDK auf die EvoLink-Basis-URL und wählen Sie die oben gezeigte Modell-ID
  3. 3Senden Sie eine repräsentative Anfrage und lesen Sie im Feld usage Eingabe-, Cache- und Ausgabe-Tokens ab
  4. 4Setzen Sie max_tokens und Wiederholungen pro Aufgabe; behalten Sie Tool-Call-IDs und -Ergebnisse über Runden hinweg
EvoLink API-Key erstellen
Option 2

Mit einem Agenten aufrufen

Ideal für: Coding-, Review- und Analyseaufgaben in Codex, Claude und Gemini

Geben Sie dem Agenten Aufgabe, Eingaben und Abnahmekriterien. Er baut die Anfrage, ruft GPT-6 Sol über EvoLink auf und liefert die Antwort samt Token-Verbrauch.

  1. 1Setzen Sie EVOLINK_API_KEY in Ihrer lokalen Umgebung; nie in Code oder Prompt
  2. 2Beschreiben Sie Aufgabe, einzubeziehende Eingaben und das erwartete Ausgabeformat
  3. 3Lassen Sie den Agenten GPT-6 Sol über EvoLink aufrufen und die Anfrage vor dem Senden zeigen
  4. 4Lassen Sie den Agenten Antwort, Token-Verbrauch und etwaige Fehlermeldungen berichten

GPT-6 Sol API-Codebeispiel und Fehlerbehandlung

Dieses Beispiel zeigt die kürzeste lauffähige Anfrage: ein OpenAI-kompatibler Chat-Completions-Aufruf mit System-Prompt, Nutzernachricht und Ausgabebudget. Die vollständige Parameter- und Antwortreferenz finden Sie im API-Tab.

Vollständige API-Doku ansehen
cURL
curl -X POST https://api.evolink.ai/v1/chat/completions \
  -H "Authorization: Bearer $EVOLINK_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-sol",
    "messages": [
      { "role": "system", "content": "You are a senior engineer fixing a failing test suite." },
      { "role": "user", "content": "These tests fail after the refactor. Find the root cause and propose a minimal patch:\n<test output>" }
    ],
    "reasoning_effort": "medium",
    "max_tokens": 4096
  }'

# Use the exact ID gpt-6-sol on both Chat Completions and Responses.
# reasoning_effort accepts none, low, medium (default), high, xhigh, and
# max; reasoning tokens are billed as output. On Chat Completions, function
# calling works only with reasoning_effort set to none; use Responses for
# built-in tools and function calling at higher effort.

Ungültige Anfrage oder nicht unterstützter Parameter

Prüfen Sie Modell-ID, messages-Array und Parameterbereiche anhand der API-Referenz; entfernen Sie Felder, die diese Route nicht unterstützt.

Authentifizierungs- oder Guthabenproblem

Prüfen Sie das Authorization-Bearer-Token und bestätigen Sie das verfügbare Guthaben in der Konsole.

Kontextlänge überschritten

Die Prompt-Tokens übersteigen das Kontextfenster von GPT-6 Sol. Kürzen Sie oder rufen Sie nur relevante Belege ab und nutzen Sie gecachte Präfixe wieder.

Ratenlimit (429)

Mit Backoff und Jitter erneut versuchen; Anfragen bündeln oder in eine Warteschlange stellen statt parallel zu senden.

Inhalt oder Tool-Aufruf abgelehnt

Prüfen Sie sensible Inhalte, fehlerhafte Tool-Call-Argumente und JSON-Schema-Abweichungen vor dem erneuten Versuch.

Bevor Sie GPT-6 Sol produktiv einsetzen

Vier Prüfungen, die Kosten und Stabilität entscheiden.

01

Die exakte GPT-6 Sol-Modell-ID wählen

Verwenden Sie gpt-6-sol auf Chat Completions und Responses; einen generischen gpt-6-Alias gibt es nicht.

Erforderlich
02

Den Endpunkt für Tool-Aufrufe wählen

Nutzen Sie Responses für integrierte Tools und Function Calling; auf Chat Completions funktioniert Function Calling nur mit reasoning_effort none.

Erforderlich
03

Prompts für Cache-Lesezugriffe strukturieren

Stabile Anweisungen und Referenzmaterial zuerst, damit Cache-Reads bei Wiederholungen den vollen Eingabepreis ersetzen.

Empfohlen
04

Die 272K-Schwelle einplanen und mit usage messen

Über 272K Prompt-Token wird der gesamte Request zum Langkontext-Tarif berechnet; gleichen Sie die Kosten vor der Skalierung über das usage-Objekt ab.

Empfohlen

Vierteiliges Prompt-Caching

Ungecachter Input, Cache-Reads, Cache-Writes und Output werden getrennt aus dem finalen Usage-Objekt abgerechnet. Cache-Writes werden nicht erneut als normaler Input berechnet.

Long-Context-Schwelle

Ab mehr als 272K Prompt-Tokens gelten für Input und beide Cache-Rollen 2x-Sätze und für Output 1,5x-Sätze für den gesamten Request.

GPT-6 Sol im Vergleich mit GPT-6 Astra und GPT-5.6 Sol

EvoLink

Vergleichen Sie GPT-6 Sol mit GPT-6 Astra und GPT-5.6 Sol anhand der EvoLink-Preise pro 1M Tokens.

GPT-6 Sol
EvoLink-Preis / 1M (Input / Output)$1.8 / $9
Kontextfenster1.05M
Prompt-CachingCache-Read + Cache-Write
Ideal fürKomplexes Coding, Agenten-Schleifen mit vielen Tool-Aufrufen und lang laufende Implementierungsaufgaben
GPT-6 Astra
EvoLink-Preis / 1M (Input / Output)$9 / $45
Kontextfenster1.05M
Prompt-CachingCache-Read + Cache-Write
Ideal fürDie schwierigste End-to-End-Arbeit in Reasoning, Coding, Computer Use und Recherche
GPT-5.6 Sol
EvoLink-Preis / 1M (Input / Output)$3.6 / $18
Kontextfenster1.05M
Prompt-CachingCache-Read + Cache-Write
Ideal fürSol-Stufe der vorherigen Generation für anspruchsvolles Reasoning und Coding-Agenten

Die Basis-Kontextpreise entsprechen der aktuellen Preisgestaltung Ihres Kontos; abgemeldete Besucher sehen die Default-Tarife. Die Long-Context-Multiplikatoren stehen im Abschnitt Preise.

GPT-Modellfamilie

Gleicher API-Key, gleiches Guthaben – Stufe wechseln, ohne die Integration zu ändern.

Alle GPT-Modelle vergleichen
GPT-6.1 Terra

GPT-6.1 Terra

Schnelles, effizientes visuelles Reasoning, Computer Use und Schreiben

Modell ansehen
GPT-6.1 Sol

GPT-6.1 Sol

Neues Sol für Mehrdatei-Coding und Agents auf Responses

Modell ansehen
GPT-6 Astra

GPT-6 Astra

Das leistungsfähigste Modell von OpenAI für die schwierigste End-to-End-Arbeit

Modell ansehen

Weitere Textmodelle auf EvoLink neben GPT-6 Sol

Claude Opus 5

Claude Opus 5

Das vorherige Flaggschiff von Anthropic auf Opus-Stufe für Coding auf Repository-Ebene, lang laufende Agenten und urteilsintensive Reviews.

Modell ansehen
DeepSeek V4 Pro

DeepSeek V4 Pro

Die stärkste Stufe von DeepSeek mit Thinking-Modus und 1M Kontextfenster für anspruchsvolles Reasoning.

Modell ansehen
Gemini 3.8 Flash

Gemini 3.8 Flash

Das leistungsfähigste Flash-Modell von Google mit Fortschritten bei Software-Engineering und agentischen Aufgaben sowie 1M Kontextfenster.

Modell ansehen
Grok 4.7

Grok 4.7

xAI-Modell für Reasoning und Tool-Nutzung mit 500K Kontextfenster und nutzungsbasiert abgerechneten serverseitigen Tools.

Modell ansehen

Weiterführende Artikel zu GPT-6 Sol

GPT-6 Sol Release-Datum und Rollout

GPT-6 Sol Release-Datum und Rollout

Veröffentlicht am 22. September 2026; Rollout je Kanal und was OpenAI zu Coding und Agenten-Ehrlichkeit meldet

Leitfaden lesen
GPT-6 Sol vs GPT-5.6 Sol

GPT-6 Sol vs GPT-5.6 Sol

Halber Listenpreis, gleicher 1,05M-Kontext, die Tool-Calling-Regel auf Chat Completions und ein Upgrade-Gate nach Kosten pro akzeptierter Aufgabe

Leitfaden lesen
GPT-6 API-Leitfaden (Astra)

GPT-6 API-Leitfaden (Astra)

Erster Aufruf, Reasoning-Effort, die 272K- und Cache-Abrechnungsregeln der ganzen GPT-6-Familie

Leitfaden lesen

GPT-6 Sol API – FAQ

Welche Modell-ID soll ich verwenden?

Verwenden Sie gpt-6-sol. Es gibt keinen generischen gpt-6-Alias, und dieselbe ID funktioniert auf Chat Completions und Responses.

Was kostet GPT-6 Sol auf EvoLink?

Die EvoLink-Standardsätze liegen bei $1.800 Input und $9.000 Output pro 1M Tokens, gegenüber dem OpenAI-Listenpreis von $2.000 / $10.000. Cache-Reads kosten $0.181 und Cache-Writes $2.250 pro 1M Tokens; angemeldete Nutzer sehen die Sätze für ihr eigenes Konto.

Wie wird gecachter Input abgerechnet?

Cache-Reads und Cache-Writes sind getrennte Token-Segmente. Keines davon wird erneut als normaler Input berechnet.

Wann gelten Long-Context-Sätze?

Übersteigen die Prompt-Tokens insgesamt 272.000, nutzt der gesamte Request die Long-Context-Multiplikatoren: 2x für Input und beide Cache-Rollen, 1,5x für Output.

Welche Reasoning-Effort-Stufen werden unterstützt?

reasoning_effort auf Chat Completions und reasoning.effort auf Responses akzeptieren none, low, medium (Standard), high, xhigh und max. Höherer Effort verbraucht mehr Reasoning-Tokens, die als Output abgerechnet werden; none überspringt das Reasoning für die geringste Latenz.

Kann ich Function Calling auf Chat Completions nutzen?

Nur mit reasoning_effort auf none. Für integrierte Tools oder Function Calling mit höherem Reasoning-Effort rufen Sie die Responses API mit derselben ID gpt-6-sol auf.

Wie groß sind Kontextfenster und maximaler Output?

GPT-6 Sol hat ein Kontextfenster von 1.050.000 Tokens, mit bis zu 922.000 Input-Tokens und bis zu 128.000 Output-Tokens pro Request.

Sollte ich von GPT-5.6 Sol auf GPT-6 Sol upgraden?

GPT-6 Sol behält 1,05M Kontext, 128K Ausgabe und sechs Reasoning-Stufen von GPT-5.6 Sol, zum halben OpenAI-Listenpreis und mit neuerem Wissensstand (20. April 2026). OpenAI meldet DeepSWE v1.1 68,8 % bei max und eine Coding-Täuschungsrate von 1,3 % gegenüber 10,4 % bei GPT-5.6 Sol; das sind Herstellerzahlen. Entscheiden Sie auf Ihren eigenen Aufgaben nach Kosten pro akzeptierter Aufgabe, nicht nach Preis pro Token; der Leitfaden GPT-6 Sol vs GPT-5.6 Sol unten enthält das Abnahmeset und die eine Vertragsänderung, die zuerst zu prüfen ist: Function Calling auf Chat Completions erfordert reasoning_effort none.

GPT-6 Sol, Astra oder Luna: welches Modell?

Sol für komplexes Coding und toolgetriebene Agenten; die schwerste End-to-End-Arbeit aus Reasoning, Recherche und Computer Use an GPT-6 Astra; fokussierte, hochvolumige Aufrufe wie Klassifikation, Extraktion und Routing an GPT-6 Luna. Alle drei teilen 1,05M Kontext, dieselbe Integration und dieselbe 272K-Long-Context-Regel, sodass Sie Traffic nach Aufgabe aufteilen und einen API-Key behalten. Die GPT-Kollektionsseite vergleicht sie nebeneinander.