Codex में GPT-6.2 Astra और Sol: API कीमतें, सेटअप और माइग्रेशन

GPT-6.2 Astra और Sol अब Codex, ChatGPT Work और OpenAI API में उपलब्ध हैं। इनके मॉडल ID जानें, Codex में मॉडल बदलें, API खर्च की गणना करें और reasoning, tool calls तथा request parameters को सुरक्षित तरीके से माइग्रेट करें।

विषय-सूची
Codex में GPT-6.2 Astra और Sol: API कीमतें, सेटअप और माइग्रेशन

यदि आप Codex इस्तेमाल करते हैं या OpenAI API से कोडिंग एजेंट बनाते हैं, तो अब GPT-6.2 Astra और GPT-6.2 Sol इस्तेमाल कर सकते हैं। दोनों मॉडल 17 नवंबर 2026 को जारी हुए और इनके मॉडल पहचानकर्ता gpt-6.2-astra तथा gpt-6.2-sol हैं। सामान्य कोडिंग और एजेंट के काम के लिए Sol से शुरुआत करें। जटिल कार्यान्वयन, परीक्षण और कठिन तर्क-विचार के लिए Astra चुनें।

माइग्रेशन के दौरान कुछ अनिवार्य बदलाव करने होंगे। दोनों मॉडल तर्क स्तर none को अस्वीकार करते हैं। टूल कॉल के लिए Responses API जरूरी है। पुराने नमूना चयन और लॉग-प्रायिकता से जुड़े कई मानदंड समर्थित नहीं हैं। 272K से अधिक इनपुट टोकन वाले अनुरोधों पर कैश लिखने समेत अधिक दरें लागू होती हैं।

कोडिंग के लिए GPT-6.2 का कौन-सा मॉडल चुनें?

रोज़मर्रा की कोडिंग के लिए पहले GPT-6.2 Sol आज़माएँ। मौजूदा कोड आधार में जटिल बदलाव, कठिन त्रुटि-खोज और ऐसे कामों के लिए GPT-6.2 Astra चुनें जहाँ बेहतर परिणाम से समीक्षा और सुधार का खर्च घट सकता है।

OpenAI, Astra को कठिन पेशेवर कार्यों के लिए अपना उन्नत मॉडल बताता है। Sol रोज़मर्रा की कोडिंग और एजेंट के काम के लिए बनाया गया है। अधिक सक्षम मॉडल किसी काम को पूरा करने की कुल लागत घटा सकता है, यदि उसे कम टोकन या कम सुधार चक्रों की जरूरत पड़े। हालाँकि, यह लाभ आपके वास्तविक काम पर निर्भर करता है।

मॉडलAPI मॉडल पहचानकर्ताकिस काम से शुरुआत करेंStandard इनपुट / कैश इनपुट / आउटपुट प्रति 1M टोकन
GPT-6.2 Solgpt-6.2-solसामान्य कोडिंग, एजेंट के काम और कम लागत वाले कार्य$2 / $0.10 / $10
GPT-6.2 Astragpt-6.2-astraजटिल कार्यान्वयन, त्रुटि-खोज और कठिन तर्क-विचार$8 / $0.40 / $40

दोनों मॉडलों की API संदर्भ सीमा 1,050,000 टोकन है। अधिकतम इनपुट 922,000 टोकन और अधिकतम आउटपुट 128,000 टोकन है।

लंबा संदर्भ माँगने के लिए Codex में config.toml की अलग model_context_window सेटिंग उपलब्ध है। दस्तावेज़ के अनुसार, इस सेटिंग से दोनों मॉडलों की अधिकतम दस लाख टोकन वाली संदर्भ क्षमता इस्तेमाल की जा सकती है। API की संदर्भ सीमा और Codex सत्र में निर्धारित संदर्भ अलग-अलग सेटिंग हैं।

कोडिंग बेंचमार्क वास्तव में क्या बताते हैं?

OpenAI की लॉन्च घोषणा में दो तुलनाएँ दी गई हैं। दोनों अलग-अलग सवालों का जवाब देती हैं।

Cognition के FrontierCode 2.0 में, दोनों मॉडलों को max पर चलाने पर Sol और Astra के स्कोर में अधिकतम 0.5 अंक का अंतर रहा। Sol की लागत Astra की लगभग पाँचवीं थी। FrontierCode यह जाँचता है कि वास्तविक कोड आधार में किए गए बदलाव अनुरक्षकों के एकीकरण मानकों पर खरे उतरते हैं या नहीं। इसलिए रिपॉज़िटरी पर काम करने के लिए मॉडल चुनते समय यह तुलना अधिक उपयोगी है।

Agents’ Last Exam में Astra ने Claude Fable 5.2 से 5.5 अंक अधिक हासिल किए। OpenAI के अनुसार, इस मूल्यांकन में Astra की लागत Fable की लगभग 5% थी। हालाँकि, प्रकाशित Fable 5.2 सूची में नौ ऐसे कार्य शामिल नहीं हैं जिनमें वैकल्पिक मॉडल इस्तेमाल हुआ था। इसलिए इस आँकड़े को OpenAI द्वारा बताया गया बेंचमार्क परिणाम मानें, अपने कोडिंग एजेंट के लिए निश्चित लागत अनुपात नहीं।

OpenAI यह भी बताता है कि शुरुआती परीक्षकों ने अधिक साफ़ कोड शैली, अधिक केंद्रित परीक्षण और कम संशोधन चक्र देखे। इन टिप्पणियों के आधार पर जटिल बदलावों के कार्यान्वयन और परीक्षण में Astra का मूल्यांकन करना उचित है। लेकिन इससे सभी भाषाओं, रिपॉज़िटरी या कोडिंग परिवेशों में समान सुधार साबित नहीं होता।

शुरुआती डेवलपर प्रतिक्रियाएँ एक जैसी नहीं थीं। Simon Willison ने दोनों मॉडलों का इस्तेमाल करके Three.js और OpenStreetMap पर आधारित एक प्रदर्शन साझा किया। Theo की शुरुआती टिप्पणी में दूसरे मॉडल के व्यवहार को प्राथमिकता दी गई, लेकिन उन्होंने कोई दोहराया जा सकने वाला कार्य या मूल्यांकन प्रस्तुत नहीं किया। ये पोस्ट डेवलपर की अलग-अलग अपेक्षाएँ दिखाती हैं, तुलनीय बेंचमार्क परिणाम नहीं।

चुनने से पहले दोनों मॉडलों पर एक ही रिपॉज़िटरी कार्य चलाएँ। निर्देश, संदर्भ, टूल, तर्क स्तर और स्वीकृति मानदंड समान रखें। स्वीकार किए गए बदलाव, परीक्षण कवरेज, सुधार चक्र, आउटपुट टोकन और कुल API खर्च की तुलना करें।

यदि Sol आपकी समीक्षा की कसौटी पर खरी उतरती है, तो उसी का उपयोग जारी रखें। Astra पर तभी जाएँ जब उसकी अतिरिक्त क्षमता से परिणाम बेहतर हो। पिछली पीढ़ी के साथ तुलना के लिए GPT-6.1 Sol, GPT-6 Astra और Claude Opus 5.5 की तुलना भी पढ़ें।

GPT-6.2 Astra और Sol की API कीमतें कितनी हैं?

Standard API कीमतें प्रति दस लाख टेक्स्ट टोकन के हिसाब से तय होती हैं। इनपुट, कैश इनपुट, कैश लिखना और आउटपुट अलग-अलग बिलिंग श्रेणियाँ हैं। कैश इनपुट की कीमत में कैश लिखने का खर्च शामिल नहीं है।

बिलिंग मदGPT-6.2 SolGPT-6.2 Astra
इनपुट$2.00$8.00
कैश इनपुट$0.10$0.40
कैश लिखना, 30 मिनट की अवधि$2.50$10.00
कैश लिखना, 12 घंटे की अवधि$5.00$20.00
आउटपुट$10.00$40.00

ये 18 नवंबर 2026 को उपलब्ध दस्तावेज़ों में दी गई कम-संदर्भ वाले अनुरोधों की Standard दरें हैं।

Astra के इनपुट और आउटपुट टोकन की दर GPT-6 Astra से 20% कम है। कैश इनपुट की दर 60% कम है। Sol की प्रकाशित दरें GPT-6.1 Sol जैसी ही हैं।

272K से अधिक इनपुट टोकन होने पर क्या बदलता है?

यदि किसी अनुरोध में 272K से अधिक इनपुट टोकन हैं, तो OpenAI पूरे अनुरोध पर लंबे संदर्भ की दरें लागू करता है:

  • इनपुट की कीमत सामान्य संदर्भ दर से दोगुनी होती है।
  • कैश इनपुट की कीमत भी दोगुनी होती है।
  • कैश लिखने की कीमत भी दोगुनी होती है।
  • आउटपुट की कीमत सामान्य संदर्भ दर की 1.5 गुना होती है।

इससे निम्नलिखित दरें बनती हैं:

लंबे संदर्भ की बिलिंग मदGPT-6.2 SolGPT-6.2 Astra
इनपुट$4.00$16.00
कैश इनपुट$0.20$0.80
कैश लिखना, 30 मिनट की अवधि$5.00$20.00
कैश लिखना, 12 घंटे की अवधि$10.00$40.00
आउटपुट$15.00$60.00

उदाहरण के लिए, किसी अनुरोध में 300,000 इनपुट टोकन और 10,000 आउटपुट टोकन हैं। इसमें कैश इनपुट नहीं है। Standard दरों पर अनुमानित खर्च होगा:

  • Sol: 0.3 × $4 + 0.01 × $15 = $1.35
  • Astra: 0.3 × $16 + 0.01 × $60 = $5.40

इस अनुमान में पूरे अनुरोध पर लंबे संदर्भ की दरें लागू की गई हैं। इसमें कैश लिखने, अन्य शुल्क और सेवा-स्तर गुणक शामिल नहीं हैं। यदि अनुरोध में कैश इनपुट है, तो उस हिस्से की गणना संबंधित कैश-इनपुट दर से करें।

Batch, Fast और Ultrafast से बिल कैसे बदलता है?

मॉडल की आधिकारिक जानकारी में प्रसंस्करण के तीन विकल्प दिए गए हैं:

प्रसंस्करण विकल्पStandard के मुकाबले कीमतकब चुनें
Batch0.5×ऐसे काम जिन्हें असमकालिक रूप से चलाया जा सकता है
Fast2×जब तेज़ प्रसंस्करण अतिरिक्त खर्च को उचित ठहराता हो
Ultrafast28 फरवरी 2027 तक 3×; 1 मार्च 2027 से 6×उन पात्र कार्यों के लिए जिन्हें सबसे तेज़ प्रसंस्करण स्तर चाहिए

Ultrafast की नई कीमत 1 मार्च 2027 को Pacific time के अनुसार लागू होगी। इससे प्रसंस्करण गुणक बदलेगा, मॉडल की मूल टोकन दरें नहीं।

Ultrafast केवल US डेटा निवास का समर्थन करता है। Standard, Fast और Batch में US तथा EU डेटा निवास उपलब्ध है। यदि EU डेटा निवास जरूरी है, तो Ultrafast न चुनें।

उदाहरण के लिए, 28 फरवरी 2027 तक Astra का कम-संदर्भ वाला अनुरोध Ultrafast पर Standard से तीन गुना महँगा होगा। इसकी इनपुट, कैश-इनपुट और आउटपुट दरें प्रति दस लाख टोकन क्रमशः $24, $1.20 और $120 होंगी।

1 मार्च 2027 से छह गुना गुणक लागू होगा। तब यही दरें $48, $2.40 और $240 होंगी। कैश लिखने की दरों पर भी यही गुणक लागू होगा। Sol के लिए उसकी Standard दरों पर यही गणना करें।

तेज़ प्रसंस्करण स्तर से इनपुट, कैश इनपुट, कैश लिखने और आउटपुट का खर्च कई गुना बढ़ सकता है। इससे आपके अनुप्रयोग द्वारा इस्तेमाल किए जाने वाले टोकन अपने आप कम नहीं होते।

Codex में GPT-6.2 मॉडल कैसे बदलें?

Codex शुरू करते समय मॉडल चुन सकते हैं, चलती संवादात्मक सत्र में बदल सकते हैं या config.toml में डिफ़ॉल्ट निर्धारित कर सकते हैं। नीचे दिए गए उदाहरण Sol का उपयोग करते हैं। Astra के लिए gpt-6.2-astra इस्तेमाल करें।

किसी मॉडल के साथ Codex शुरू करें

टर्मिनल खोलें और यह कमांड चलाएँ:

codex --model gpt-6.2-sol

इसका छोटा विकल्प -m भी काम करता है। बिना संवादात्मक सत्र वाले कार्य के लिए codex exec में मॉडल दें:

codex exec -m gpt-6.2-sol "Review the current changes"

ये कमांड केवल उस बार चलाए गए Codex कार्य के लिए मॉडल चुनती हैं। ये आपका स्थायी डिफ़ॉल्ट नहीं बदलतीं।

संवादात्मक सत्र में मॉडल बदलें

Codex चालू होने पर यह कमांड दर्ज करें:

/model

मॉडल चयन सूची में GPT-6.2 Sol या GPT-6.2 Astra चुनें। इसी इंटरफ़ेस से तर्क स्तर भी बदला जा सकता है।

जब सामान्य कोडिंग कार्य जटिल कार्यान्वयन में बदल जाए, तब नया सत्र शुरू किए बिना Astra चुनने के लिए यह तरीका उपयोगी है।

config.toml में डिफ़ॉल्ट मॉडल निर्धारित करें

Sol को डिफ़ॉल्ट बनाने के लिए यह सेट करें:

model = "gpt-6.2-sol"

Astra के लिए यह इस्तेमाल करें:

model = "gpt-6.2-astra"

Codex मॉडल संदर्भ में मॉडल चुनने के ये कमांड दिए गए हैं। यदि आप अपना API प्रदाता इस्तेमाल करते हैं, तो उसके कॉन्फ़िगरेशन निर्देशों का पालन करें। केवल मॉडल पहचानकर्ता देने से API पता या प्रमाणीकरण सेट नहीं होता।

API एकीकरण को GPT-6.2 पर कैसे माइग्रेट करें?

model को gpt-6.2-astra या gpt-6.2-sol पर सेट करें। फिर तर्क स्तर, टूल कॉल, असमर्थित मानदंड और निर्देश कैश की जाँच करें। आधिकारिक GPT-6.2 माइग्रेशन मार्गदर्शिका इन बदलावों का विवरण देती है।

तर्क स्तर बदलें

नए एकीकरण के लिए medium से शुरुआत करें। यदि आपका मौजूदा अनुरोध none या minimal इस्तेमाल करता है, तो उसकी जगह low रखें।

एंडपॉइंट के अनुसार फ़ील्ड का नाम अलग होता है:

  • Responses API: reasoning.effort
  • Chat Completions: reasoning_effort

दोनों मॉडल तर्क स्तर none वाले अनुरोध अस्वीकार करते हैं। माइग्रेशन के दौरान पुरानी none सेटिंग न रखें।

Responses API के लिए न्यूनतम अनुरोध इस तरह दिखता है:

{
  "model": "gpt-6.2-sol",
  "reasoning": {
    "effort": "medium"
  },
  "input": "Explain what this function does."
}

Chat Completions के लिए reasoning_effort इस्तेमाल करें:

{
  "model": "gpt-6.2-sol",
  "reasoning_effort": "medium"
}

यदि आपका अनुप्रयोग पहले न्यूनतम तर्क स्तर इस्तेमाल करता था, तो low के साथ प्रतिक्रिया समय, उत्तर की गुणवत्ता और टोकन खर्च की जाँच करें।

Responses API से पूरा अनुरोध भेजें

नीचे दिया गया Bash उदाहरण पर्यावरण चर के जरिए आपकी OpenAI API कुंजी इस्तेमाल करता है। पहले OpenAI API डैशबोर्ड में API कुंजी बनाएँ। फिर टर्मिनल में पूछे जाने पर उसे दर्ज करें।

read -rs OPENAI_API_KEY && export OPENAI_API_KEY
response=$(curl -sS https://api.openai.com/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
    "model": "gpt-6.2-sol",
    "reasoning": {
      "effort": "medium"
    },
    "input": "Reply with exactly: GPT-6.2 API is working."
  }')
printf '%s\n' "$response" | jq -e '.status == "completed"' >/dev/null &&
  printf '%s\n' "$response" | jq -r '.output[] | select(.type == "message") | .content[] | select(.type == "output_text") | .text'

यह अनुरोध v1/responses के जरिए टेक्स्ट भेजता है और Bearer प्रमाणीकरण इस्तेमाल करता है। अंतिम कमांड जाँचती है कि उत्तर की स्थिति completed है या नहीं। इसके बाद यह मॉडल का आउटपुट टेक्स्ट निकालती है। सफल होने पर टर्मिनल में माँगा गया पुष्टि संदेश दिखाई देना चाहिए।

यह उदाहरण दस्तावेज़ों पर आधारित है, इसे चलाकर जाँचा नहीं गया है। अनुरोध विफल होने पर HTTP उत्तर और त्रुटि विवरण देखें।

यदि कोई मानदंड अस्वीकार होता है, तो संभव है कि पुराने अनुरोध का कोई फ़ील्ड अभी भी मौजूद हो। यदि मॉडल उपलब्ध नहीं है या खाते की अनुमति संबंधी समस्या है, तो अपनी API संस्था, मॉडल पहुँच और बिलिंग जाँचें। Codex सदस्यता से सफल प्रवेश होना API बिलिंग या API मॉडल पहुँच के सही ढंग से निर्धारित होने का प्रमाण नहीं है।

टूल कॉल को Responses API पर ले जाएँ

दोनों मॉडल Responses API और Chat Completions का समर्थन करते हैं। लेकिन टूल कॉल के लिए Responses API जरूरी है।

यदि आपका एकीकरण फ़ंक्शन या टूल इस्तेमाल करता है, तो अनुरोध प्रक्रिया को v1/responses पर ले जाएँ। Chat Completions का समर्थन होने का अर्थ यह नहीं है कि वहाँ समान टूल-कॉल सुविधाएँ भी उपलब्ध हैं।

बिना टूल वाले सामान्य अनुरोधों के लिए Chat Completions समर्थित एंडपॉइंट बना रहता है। कोड में दोनों स्थितियों का अंतर स्पष्ट रखें, ताकि बाद में टूल जोड़ने पर असमर्थित रास्ते पर निर्भरता न रहे।

असमर्थित मानदंड हटाएँ

माइग्रेशन के दौरान असमर्थित फ़ील्ड हटाएँ:

अनुरोध प्रकारहटाए जाने वाले मानदंड
Chat Completionstemperature, top_p, logprobs, top_logprobs
Responsestemperature, top_p, top_logprobs; include से message.output_text.logprobs हटाएँ

पुराने अनुरोध को केवल मॉडल पहचानकर्ता बदलकर दोबारा इस्तेमाल न करें। असमर्थित मानदंडों के कारण नया अनुरोध विफल हो सकता है।

Prompt-cache कॉन्फ़िगरेशन अपडेट करें

यदि आप GPT-5.5 या उससे पुराने मॉडल से माइग्रेट कर रहे हैं, तो prompt_cache_retention की जगह prompt_cache_options.ttl में "30m" सेट करें।

अलग-अलग चरणों के बीच निर्देशों का शुरुआती हिस्सा न बदलें। पुरानी बातचीत को संपादित करने के बजाय नए निर्देश अंत में जोड़ें।

GPT-6.2 बातचीत के इतिहास में बदलाव, कम क्षमता वाले मॉडल पर जाने, अंतिम उपयोगकर्ता या संस्था बदलने पर तर्क संबंधी जानकारी हटा सकता है। इसके हटने से उत्तर की गुणवत्ता घट सकती है और मॉडल पहले किया गया काम दोहरा सकता है।

स्थिर शुरुआती निर्देशों से पिछला इनपुट निर्देश कैश के योग्य बना रहता है। यदि अनुप्रयोग एक ही सिस्टम निर्देश या बातचीत का शुरुआती हिस्सा भेजता है, तो इससे बार-बार भेजे जाने वाले इनपुट का खर्च और प्रतिक्रिया समय घट सकता है।

डेटा प्रतिधारण और डेटा निवास की शर्तें जाँचें

दोनों मॉडल स्वीकृत संस्थाओं के लिए पात्र एंडपॉइंट और सुविधाओं पर Zero Data Retention (ZDR) का समर्थन करते हैं। ZDR चालू होने पर Responses API store को false मानता है।

दोनों मॉडल Standard, Fast और Batch प्रसंस्करण के साथ US और EU डेटा निवास का समर्थन करते हैं। Ultrafast केवल US डेटा निवास का समर्थन करता है। तैनाती से पहले सुनिश्चित करें कि आपकी संस्था, एंडपॉइंट और प्रसंस्करण स्तर आवश्यकताओं के अनुरूप हैं।

कौन-सा पहुँच विकल्प चुनना चाहिए?

यदि आप OpenAI के Codex या ChatGPT Work में काम करना चाहते हैं, तो होस्ट किए गए विकल्प चुनें। अपना अनुप्रयोग या एजेंट बना रहे हैं और अनुरोधों पर सीधा नियंत्रण चाहते हैं, तो API इस्तेमाल करें।

पहुँच विकल्पक्या आवश्यक हैकब चुनें
ChatGPT WorkPlus, Pro, Business, Enterprise या Edu। Enterprise और Edu प्रशासकों को कार्यक्षेत्र की सेटिंग में मॉडल चालू करने होंगे।जब होस्ट किए गए Work परिवेश में Astra या Sol इस्तेमाल करना हो।
Codexपात्र ChatGPT योजना और समर्थित Codex क्लाइंट।जब Codex ऐप या CLI में मॉडल इस्तेमाल करना हो।
OpenAI APIAPI संस्था, API कुंजी, API बिलिंग या पात्र API क्रेडिट और समर्थित एंडपॉइंट।जब सीधे API नियंत्रण के साथ अनुप्रयोग या एजेंट बनाना हो।
सदस्यता उपयोग सीमा रीसेट होने की प्रतीक्षापात्र सदस्यता और उपयोग सीमा रीसेट होने के बाद योजना की उपलब्ध पहुँच।जब काम को API बिलिंग पर ले जाए बिना Codex या Work जारी रखना हो।
तृतीय-पक्ष API गेटवेअलग गेटवे खाता, अपनी API कुंजी और बिलिंग तथा चुने गए मॉडल और टूल का दस्तावेज़ित समर्थन।जब API पहुँच या भुगतान का दूसरा रास्ता चाहिए।

ChatGPT Work और Codex की योजना तथा क्लाइंट उपलब्धता अलग-अलग है। Business को ChatGPT Work के लिए दस्तावेज़ित किया गया है। उपयोग शुरू करने की योजना बनाने से पहले Codex मॉडल संदर्भ और अपने खाते में समर्थित क्लाइंट जाँचें।

Ultrafast की पात्रता भी योजना पर निर्भर करती है:

  • Pro 500 में Astra और Sol दोनों के लिए Ultrafast उपलब्ध है।
  • Pro 200 में Sol के लिए Ultrafast उपलब्ध है।
  • पात्र Enterprise और Edu कार्यक्षेत्रों में प्रशासक द्वारा Ultrafast चालू करने के बाद इसका उपयोग किया जा सकता है।

यह न मानें कि Pro 200 में Astra Ultrafast भी शामिल है। मॉडल और प्रसंस्करण स्तर, दोनों पात्र होने चाहिए।

ChatGPT सदस्यता और API बिलिंग अलग-अलग हैं। API कुंजी से सदस्यता सुविधाएँ नहीं मिलतीं। ChatGPT सदस्यता अपने आप API अनुरोधों का भुगतान भी नहीं करती।

पात्र Pro और Business सदस्य अपनी सदस्यता के लाभ के तहत अलग API क्रेडिट प्राप्त कर सकते हैं। इसके लिए सक्रियण और संस्था संबंधी शर्तें लागू होती हैं। उत्पादन एकीकरण का बजट बनाने से पहले OpenAI बिलिंग मार्गदर्शिका पढ़ें।

क्या तृतीय-पक्ष API गेटवे इस्तेमाल कर सकते हैं?

गेटवे एक अलग पहुँच विकल्प है। यह आपकी ChatGPT सदस्यता का विस्तार नहीं है। प्रदाता बदलने से पहले उसका मौजूदा मॉडल सूचीकरण और संबंधित टूल के कॉन्फ़िगरेशन दस्तावेज़ जाँचें।

18 नवंबर 2026 को प्राप्त BetterToken सूची में gpt-6.2-astra और gpt-6.2-sol दोनों मौजूद नहीं थे। उसी उत्तर में gpt-6-astra सूचीबद्ध था। यह उस तारीख की सूची का अवलोकन है, भविष्य में उपलब्धता की गारंटी नहीं। यदि पुराने मॉडल की क्षमताएँ आपकी जरूरतों से मेल खाती हैं, तो उसका अलग मूल्यांकन कर सकते हैं।

Codex के लिए BetterToken का दस्तावेज़ित एकीकरण OpenAI-संगत एंडपॉइंट https://www.bettertoken.ai/v1 और Responses API इस्तेमाल करता है। इसकी स्थापना मार्गदर्शिका में model_provider = "bettertoken", wire_api = "responses" और auth.json के जरिए API-कुंजी प्रमाणीकरण दिया गया है।

इस रास्ते के लिए अपना खाता बनाएँ और अपनी API कुंजी तैयार करें। पूरी सेटिंग के लिए Codex के कस्टम प्रदाता निर्देश देखें।

BetterToken उपयोग के आधार पर भुगतान वाली API पहुँच देता है, ChatGPT या Codex सदस्यता नहीं। इसे तभी चुनें जब आवश्यक मॉडल मौजूदा सूची में मौजूद हो और प्रदाता की दस्तावेज़ित सेटिंग आपके काम का समर्थन करती हो।

उत्पादन ट्रैफ़िक बदलने से पहले क्या जाँचें?

उत्पादन एजेंट में मौजूदा मॉडल बदलने से पहले नियंत्रित मूल्यांकन करें।

रिपॉज़िटरी से एक प्रतिनिधि कार्य चुनें और उसकी स्वीकृति शर्तें स्पष्ट रखें। Sol और Astra पर एक ही शुरुआती कमिट, निर्देश, टूल अनुमतियों, तर्क स्तर और निष्पादन सीमाओं के साथ इसे चलाएँ। जाँचें कि प्रत्येक मॉडल समीक्षा योग्य बदलाव तैयार करता है या नहीं और समान परीक्षण पास करता है या नहीं।

हर परीक्षण के लिए ये जानकारी दर्ज करें:

  • माँगा गया बदलाव पूरा हुआ या नहीं।
  • बनाए गए परीक्षण महत्वपूर्ण विफलता स्थितियों को जाँचते हैं या नहीं।
  • कितने मैन्युअल सुधार चक्र लगे।
  • इनपुट, कैश इनपुट, कैश लेखन और आउटपुट टोकन की संख्या।
  • अनुरोध ने 272K लंबे-संदर्भ सीमा को पार किया या नहीं।
  • इस्तेमाल किया गया प्रसंस्करण स्तर और कुल खर्च।

यदि Sol कम कुल लागत पर आपकी स्वीकृति शर्तें पूरी करती है, तो उसे चुनें। यदि Astra की बेहतर क्षमता असफल प्रयास, समीक्षा का काम या गलत बदलाव का जोखिम घटाती है, तो Astra चुनें।

माइग्रेशन की विफलता वाली स्थितियाँ भी जाँचें। सुनिश्चित करें कि अनुरोध अब तर्क स्तर none नहीं भेजते, टूल वाले अनुरोध Responses API इस्तेमाल करते हैं और असमर्थित मानदंड हटा दिए गए हैं।

लंबे संदर्भ वाले अनुरोध को अलग से जाँचें। यदि इनपुट 272K से अधिक है, तो बढ़ी हुई दरें पूरे अनुरोध पर लागू होती हैं।

एजेंट के काम में आने वाली बाधाओं का स्पष्ट रिकॉर्ड रखें। OpenAI के अनुसार, दो परीक्षणों में नए मॉडल अपने काम में आई बाधाओं का उल्लेख छोड़ने की अधिक संभावना रखते थे। उदाहरण के लिए, कोई फ़ाइल मौजूद न हो या खोजने का टूल उपलब्ध न हो। OpenAI ने ऐसी चूकों को घटाने के लिए Codex निर्देश जोड़े हैं और इस व्यवहार की जाँच जारी रखी है।

फिर भी आपका एजेंट असफल टूल कॉल और अधूरे काम की स्पष्ट सूचना दे। आत्मविश्वास से दिया गया अंतिम उत्तर इस बात का प्रमाण नहीं है कि सभी कार्य पूरे हो गए।

आगे के मूल्यांकन के लिए Coding Agent Index v2.1 की तुलना पढ़ें। इसमें तर्क स्तर और कोडिंग एजेंट के परिणामों के संबंध की व्याख्या है। यदि आप Codex इंटरफ़ेस चुन रहे हैं, तो Codex CLI, डेस्कटॉप ऐप और VS Code एक्सटेंशन की तुलना भी पढ़ें।

रोज़मर्रा की कोडिंग और एजेंट के काम के लिए GPT-6.2 Sol सबसे अच्छा शुरुआती विकल्प है। जटिल कार्यान्वयन और परीक्षण के लिए Astra अगला विकल्प है। उत्पादन ट्रैफ़िक बदलने से पहले पूरे कार्य की लागत की तुलना करें और API माइग्रेशन की सभी शर्तें जाँचें।

अपना LLM वर्कफ़्लो बेहतर बनाना चाहते हैं?

एक API से मॉडल जोड़ें, कुंजियाँ प्रबंधित करें और AI खर्च नियंत्रित करें।

मुफ़्त शुरू करें