Skip to main content
Работают все официальные библиотеки OpenAI; меняется только base_url. В примерах gpt-5.6-sol; для пакета Astra используйте gpt-astra.

Chat Completions

base_url должен содержать /v1 и не заканчиваться на /. Библиотека сама добавляет /chat/completions.
Ответы точно следуют схеме OpenAI: id вида chatcmpl-..., в usage есть prompt_tokens, completion_tokens и completion_tokens_details.reasoning_tokens. Квота списывается ровно на usage.total_tokens.

Responses API

Codex и новые SDK используют этот протокол. Настройка рассуждения лежит в reasoning.effort.

Уровень рассуждения

В Chat Completions используйте reasoning_effort (low, medium, high). Если не задан, шлюз использует high. Для простых задач ставьте low, чтобы экономить токены:
reasoning_effort — только для Chat Completions. В Responses API используйте reasoning: {"effort": ...}; отправка reasoning_effort на /v1/responses отклоняется с «Unsupported parameter».

Стриминг

На сложных вопросах модель может думать долго до первого токена. Используйте stream: true, чтобы соединение не оборвалось. stream_options.include_usage добавляет usage в последний чанк — так вы сами сверите квоту.

Отправка изображений (зрение)

Изображения кладутся в массив content: публичный URL или base64 для локальных файлов.
Изображения стоят токенов пропорционально размеру. Обрежьте нужный фрагмент вместо целого скриншота 4K.

Модели и квота через API

subscription возвращает общий лимит в hard_limit_usd; usage — израсходованное в total_usage, в центах (разделите на 100 перед сравнением). Страница проверки сделает это за вас.