cURL / Python / Node.js

Każda oficjalna biblioteka OpenAI działa; zmienia się tylko base_url. Przykłady używają gpt-5.6-sol; dla pakietu Astra użyj gpt-astra.

Chat Completions

curl https://gpt.teamsoclo.site/v1/chat/completions \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.6-sol",
    "messages": [
      {"role": "system", "content": "You are a helpful assistant."},
      {"role": "user", "content": "Explain closures in JavaScript"}
    ]
  }'

from openai import OpenAI

client = OpenAI(
    api_key="sk-xxx",
    base_url="https://gpt.teamsoclo.site/v1",
)

resp = client.chat.completions.create(
    model="gpt-5.6-sol",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Explain closures in JavaScript"},
    ],
)

print(resp.choices[0].message.content)
print(resp.usage)

import OpenAI from "openai"

const client = new OpenAI({
  apiKey: "sk-xxx",
  baseURL: "https://gpt.teamsoclo.site/v1",
})

const resp = await client.chat.completions.create({
  model: "gpt-5.6-sol",
  messages: [
    { role: "system", content: "You are a helpful assistant." },
    { role: "user", content: "Explain closures in JavaScript" },
  ],
})

console.log(resp.choices[0].message.content)
console.log(resp.usage)

base_url musi zawierać /v1 i nie może kończyć się /. Biblioteka sama dołącza /chat/completions.

Odpowiedzi dokładnie następują schematu OpenAI: id to chatcmpl-..., usage ma prompt_tokens, completion_tokens i completion_tokens_details.reasoning_tokens. Limit jest naliczany dokładnie za usage.total_tokens.

Responses API

Codex i nowsze SDK używają tego protokołu. Ustawienie reasoning jest w reasoning.effort.

curl https://gpt.teamsoclo.site/v1/responses \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.6-sol",
    "input": "Write a Python function that checks for primes",
    "reasoning": {"effort": "medium"}
  }'

resp = client.responses.create(
    model="gpt-5.6-sol",
    input="Write a Python function that checks for primes",
    reasoning={"effort": "medium"},
)
print(resp.output_text)

Reasoning effort

Z Chat Completions użyj reasoning_effort (low, medium, high). Nieustawiony, brama używa high. Dla prostych zadań ustaw low, aby zaoszczędzić tokeny:

resp = client.chat.completions.create(
    model="gpt-5.6-sol",
    reasoning_effort="low",
    messages=[{"role": "user", "content": "Translate to French: good morning"}],
)

reasoning_effort dotyczy tylko Chat Completions. Z Responses API użyj reasoning: {"effort": ...}; wysłanie reasoning_effort do /v1/responses jest odrzucane z “Unsupported parameter”.

Streaming

stream = client.chat.completions.create(
    model="gpt-5.6-sol",
    messages=[{"role": "user", "content": "Write a short paragraph about autumn"}],
    stream=True,
    stream_options={"include_usage": True},
)

for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)
    if chunk.usage:
        print("\n", chunk.usage)

curl https://gpt.teamsoclo.site/v1/chat/completions \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.6-sol",
    "messages": [{"role": "user", "content": "Write a short paragraph about autumn"}],
    "stream": true,
    "stream_options": {"include_usage": true}
  }'

Przy trudnych pytaniach model może chwilę myśleć przed pierwszym tokenem. Użyj stream: true, aby połączenie nie zostało zerwane. stream_options.include_usage sprawia, że ostatni chunk zawiera usage, abyś mógł samodzielnie sprawdzić limit.

Wysyłanie obrazów (vision)

Obrazy są przekazywane w tablicy content, jako publiczny URL lub base64 dla lokalnych plików.

resp = client.chat.completions.create(
    model="gpt-5.6-sol",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "What error does this show?"},
            {"type": "image_url", "image_url": {"url": "https://example.com/screenshot.png"}},
        ],
    }],
)
print(resp.choices[0].message.content)

import base64

with open("screenshot.png", "rb") as f:
    b64 = base64.b64encode(f.read()).decode()

resp = client.chat.completions.create(
    model="gpt-5.6-sol",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "What error does this show?"},
            {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{b64}"}},
        ],
    }],
)
print(resp.choices[0].message.content)

Obrazy kosztują tokeny w zależności od rozmiaru. Przycinaj do istotnej części zamiast wysyłać pełny zrzut ekranu 4K.

Modele i limit przez API

# Modele, które może wywołać ten klucz
curl https://gpt.teamsoclo.site/v1/models -H "Authorization: Bearer sk-xxx"

# Limit (starsze punkty końcowe OpenAI)
curl https://gpt.teamsoclo.site/v1/dashboard/billing/subscription -H "Authorization: Bearer sk-xxx"
curl https://gpt.teamsoclo.site/v1/dashboard/billing/usage -H "Authorization: Bearer sk-xxx"

subscription zwraca sumę w hard_limit_usd; usage zwraca zużyte w total_usage, w centach (podziel przez 100 przed porównaniem). Strona sprawdzania robi to za ciebie.

Pierwsze kroki

Konfiguracja

Wsparcie

Chat Completions

Responses API

Reasoning effort

Streaming

Wysyłanie obrazów (vision)

Modele i limit przez API

​Chat Completions

​Responses API

​Reasoning effort

​Streaming

​Wysyłanie obrazów (vision)

​Modele i limit przez API

Chat Completions

Responses API

Reasoning effort

Streaming

Wysyłanie obrazów (vision)

Modele i limit przez API