21 ਮਈ 2025

New tools and features in the Responses API

ਲੋਡ ਹੋ ਰਿਹਾ ਹੈ…

ਅੱਜ, ਅਸੀਂ Responses API ਵਿੱਚ ਨਵੇਂ ਬਿਲਟ-ਇਨ ਟੂਲ ਜੋੜ ਰਹੇ ਹਾਂ। ਇਹ ਏਜੰਟਿਕ ਐਪਲੀਕੇਸ਼ਨ ਬਣਾਉਣ ਲਈ ਸਾਡਾ ਮੁੱਖ API primitive ਹੈ। ਇਸ ਵਿੱਚ ਸਭ ਰਿਮੋਟ Model Context Protocol (MCP) ਸਰਵਰਾਂ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਲਈ ਸਹਾਇਤਾ ਸ਼ਾਮਲ ਹੈ, ਨਾਲ ਹੀ ਇਮੇਜ ਜਨਰੇਸ਼ਨ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), ਕੋਡ ਇੰਟਰਪ੍ਰੀਟਰ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), ਅਤੇ ਫਾਈਲ ਖੋਜ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਵਿੱਚ ਸੁਧਾਰ ਵਰਗੇ ਟੂਲ ਵੀ ਹਨ। ਇਹ ਟੂਲ ਸਾਡੀ GPT‑4o series, GPT‑4.1 series, ਅਤੇ OpenAI o-series ਰੀਜ਼ਨਿੰਗ ਮਾਡਲਾਂ ਵਿੱਚ ਉਪਲਬਧ ਹਨ। o3 ਅਤੇ o4-mini ਹੁਣ Responses API ਵਿੱਚ ਆਪਣੇ ਚੇਨ-ਆਫ-ਥੌਟ ਦੇ ਅੰਦਰ ਹੀ ਟੂਲਾਂ ਅਤੇ ਫੰਕਸ਼ਨਾਂ ਨੂੰ ਸਿੱਧੇ ਕਾਲ ਕਰ ਸਕਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਅਜੇਹੇ ਜਵਾਬ ਮਿਲਦੇ ਹਨ ਜੋ ਸੰਦਰਭ ਅਨੁਸਾਰ ਹੋਰ ਸਮ੍ਰਿੱਧ ਅਤੇ ਪ੍ਰਸੰਗਿਕ ਹੁੰਦੇ ਹਨ। Responses API ਨਾਲ o3 ਅਤੇ o4-mini ਦੀ ਵਰਤੋਂ ਬੇਨਤੀਆਂ ਅਤੇ ਟੂਲ ਕਾਲਾਂ ਦੌਰਾਨ ਰੀਜ਼ਨਿੰਗ ਟੋਕਨ ਸੁਰੱਖਿਅਤ ਰੱਖਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਮਾਡਲ ਦੀ ਬੁੱਧਿਮਤਾ ਵਿੱਚ ਸੁਧਾਰ ਹੁੰਦਾ ਹੈ ਅਤੇ ਡਿਵੈਲਪਰਾਂ ਲਈ ਲਾਗਤ ਅਤੇ ਵਿਲੰਬ ਘਟਦਾ ਹੈ।

ਅਸੀਂ Responses API ਵਿੱਚ ਅਜੇਹੇ ਨਵੇਂ ਫੀਚਰ ਵੀ ਲਾ ਰਹੇ ਹਾਂ ਜੋ enterprise ਅਤੇ ਡਿਵੈਲਪਰਾਂ ਲਈ ਭਰੋਸੇਯੋਗਤਾ, ਦਿੱਖ ਅਤੇ ਪਰਾਈਵੇਸੀ ਵਿੱਚ ਸੁਧਾਰ ਕਰਦੇ ਹਨ। ਇਨ੍ਹਾਂ ਵਿੱਚ ਲੰਬੇ ਸਮੇਂ ਚੱਲਣ ਵਾਲੇ ਕੰਮਾਂ ਨੂੰ ਅਸਿੰਕ੍ਰੋਨਸ ਅਤੇ ਹੋਰ ਭਰੋਸੇਯੋਗ ਢੰਗ ਨਾਲ ਸੰਭਾਲਣ ਲਈ background mode⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), reasoning summaries⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਲਈ ਸਹਾਇਤਾ, ਅਤੇ encrypted reasoning items⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਲਈ ਸਹਾਇਤਾ ਸ਼ਾਮਲ ਹਨ।

ਮਾਰਚ 2025 ਵਿੱਚ web search, file search, ਅਤੇ computer use ਵਰਗੇ ਟੂਲਾਂ ਨਾਲ Responses API ਜਾਰੀ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਲੱਖਾਂ ਡਿਵੈਲਪਰਾਂ ਨੇ ਸਾਡੀਆਂ ਮਾਡਲ series ਵਿੱਚ ਖਰਬਾਂ ਟੋਕਨਾਂ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨ ਲਈ API ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਹੈ। ਗਾਹਕਾਂ ਨੇ API ਦੀ ਮਦਦ ਨਾਲ ਕਈ ਕਿਸਮ ਦੀਆਂ ਏਜੰਟਿਕ ਐਪਲੀਕੇਸ਼ਨ ਬਣਾਈਆਂ ਹਨ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ Zencoder⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਦਾ coding agent, private equity ਅਤੇ investment banking ਲਈ Revi⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਦਾ market intelligence agent, ਅਤੇ MagicSchool AI⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ)'s education assistant ਸ਼ਾਮਲ ਹਨ। ਇਹ ਸਭ ਆਪਣੀ ਐਪ ਵਿੱਚ ਪ੍ਰਸੰਗਿਕ ਅਤੇ ਤਾਜ਼ਾ ਜਾਣਕਾਰੀ ਲਿਆਉਣ ਲਈ web search ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ। ਹੁਣ ਡਿਵੈਲਪਰ ਅੱਜ ਜਾਰੀ ਕੀਤੇ ਨਵੇਂ ਟੂਲਾਂ ਅਤੇ ਫੀਚਰਾਂ ਦੀ ਪਹੁੰਚ ਨਾਲ ਹੋਰ ਵੀ ਲਾਭਕਾਰੀ ਅਤੇ ਭਰੋਸੇਯੋਗ ਏਜੰਟ ਤਿਆਰ ਕਰ ਸਕਦੇ ਹਨ।

ਨਵੀਂ ਰਿਮੋਟ MCP ਸਰਵਰ ਸਹਾਇਤਾ

ਅਸੀਂ Responses API ਵਿੱਚ ਰਿਮੋਟ MCP ਸਰਵਰਾਂ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਲਈ ਸਹਾਇਤਾ ਜੋੜ ਰਹੇ ਹਾਂ, ਜੋ ਏਜੰਟਸ SDK ਵਿੱਚ MCP ਸਹਾਇਤਾ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਦੇ ਰਿਲੀਜ਼ ਉੱਤੇ ਆਧਾਰਿਤ ਹੈ। MCP ਇੱਕ ਖੁੱਲ੍ਹਾ ਪ੍ਰੋਟੋਕੋਲ ਹੈ ਜੋ ਇਹ ਮਿਆਰੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਐਪਲੀਕੇਸ਼ਨ LLMs ਨੂੰ ਸੰਦਰਭ ਕਿਵੇਂ ਪ੍ਰਦਾਨ ਕਰਦੀਆਂ ਹਨ। Responses API ਵਿੱਚ MCP ਸਰਵਰਾਂ ਦੀ ਸਹਾਇਤਾ ਨਾਲ, ਡਿਵੈਲਪਰ ਸਿਰਫ ਕੁਝ ਲਾਈਨਾਂ ਦੇ ਕੋਡ ਨਾਲ ਸਾਡੇ ਮਾਡਲਾਂ ਨੂੰ ਕਿਸੇ ਵੀ MCP ਸਰਵਰ ਉੱਤੇ ਹੋਸਟ ਕੀਤੇ ਟੂਲਾਂ ਨਾਲ ਜੋੜ ਸਕਣਗੇ। ਇੱਥੇ ਕੁਝ ਉਦਾਹਰਨਾਂ ਹਨ ਜੋ ਦਿਖਾਉਂਦੀਆਂ ਹਨ ਕਿ ਡਿਵੈਲਪਰ ਅੱਜ Responses API ਨਾਲ ਰਿਮੋਟ MCP ਸਰਵਰਾਂ ਨੂੰ ਕਿਵੇਂ ਵਰਤ ਸਕਦੇ ਹਨ:

Python

1response = client.responses.create(
2  model="gpt-4.1",
3  tools=[{
4    "type": "mcp",
5    "server_label": "shopify",
6    "server_url": "https://pitchskin.com/api/mcp",
7  }],
8  input="Add the Blemish Toner Pads to my cart"
9)

Blemish Toner Pads ਤੁਹਾਡੇ ਕਾਰਟ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰ ਦਿੱਤੇ ਗਏ ਹਨ। ਤੁਸੀਂ ਇੱਥੇ checkout ਲਈ ਅੱਗੇ ਵੱਧ ਸਕਦੇ ਹੋ:

Pitch. Skin checkout page showing express options (Shop Pay, PayPal, G Pay), contact and delivery form fields, and an order summary for one ‘Blemish Toner Pads 200 mL (120 pads)’ priced at AUD $49.

ਲੋਕਪ੍ਰਿਯ ਰਿਮੋਟ MCP ਸਰਵਰਾਂ ਵਿੱਚ Cloudflare⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), HubSpot⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), Intercom⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), PayPal⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), Plaid⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), Shopify⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), Stripe⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), Square⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), Twilio⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), Zapier⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ), ਅਤੇ ਹੋਰ ਕਈ ਸ਼ਾਮਲ ਹਨ। ਅਸੀਂ ਉਮੀਦ ਕਰਦੇ ਹਾਂ ਕਿ ਆਉਣ ਵਾਲੇ ਮਹੀਨਿਆਂ ਵਿੱਚ ਰਿਮੋਟ MCP ਸਰਵਰਾਂ ਦਾ ਇਕੋਸਿਸਟਮ ਤੇਜ਼ੀ ਨਾਲ ਵਧੇਗਾ, ਜਿਸ ਨਾਲ ਡਿਵੈਲਪਰਾਂ ਲਈ ਅਜੇਹੇ ਸ਼ਕਤੀਸ਼ਾਲੀ ਏਜੰਟ ਬਣਾਉਣਾ ਆਸਾਨ ਹੋਵੇਗਾ ਜੋ ਉਹਨਾਂ ਟੂਲਾਂ ਅਤੇ ਡਾਟਾ ਸਰੋਤਾਂ ਨਾਲ ਜੁੜ ਸਕਣ ਜਿਨ੍ਹਾਂ ਉੱਤੇ ਉਹਨਾਂ ਦੇ ਯੂਜ਼ਰ ਪਹਿਲਾਂ ਹੀ ਨਿਰਭਰ ਹਨ। ਇਕੋਸਿਸਟਮ ਨੂੰ ਸਭ ਤੋਂ ਵਧੀਆ ਸਹਾਇਤਾ ਦੇਣ ਅਤੇ ਇਸ ਵਿਕਸਿਤ ਹੋ ਰਹੇ ਮਿਆਰ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾਉਣ ਲਈ, OpenAI ਵੀ MCP ਲਈ steering committee ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਇਆ ਹੈ।

ਇਹ ਜਾਣਨ ਲਈ ਕਿ ਆਪਣਾ ਰਿਮੋਟ MCP ਸਰਵਰ ਕਿਵੇਂ ਚਾਲੂ ਕਰਨਾ ਹੈ, Cloudflare⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਦੀ ਇਹ guide ਵੇਖੋ। ਇਹ ਜਾਣਨ ਲਈ ਕਿ Responses API ਵਿੱਚ MCP tool ਕਿਵੇਂ ਵਰਤਣਾ ਹੈ, ਸਾਡੀ API Cookbook ਵਿੱਚ ਇਹ guide⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਵੇਖੋ。

ਇਮੇਜ ਜਨਰੇਸ਼ਨ, ਕੋਡ ਇੰਟਰਪ੍ਰੀਟਰ, ਅਤੇ ਫਾਈਲ ਖੋਜ ਲਈ ਅਪਡੇਟਾਂ

Responses API ਵਿੱਚ ਬਿਲਟ-ਇਨ ਟੂਲਾਂ ਨਾਲ, ਡਿਵੈਲਪਰ ਸਿਰਫ ਇੱਕ API call ਨਾਲ ਹੋਰ ਸਮਰੱਥ ਏਜੰਟ ਆਸਾਨੀ ਨਾਲ ਬਣਾ ਸਕਦੇ ਹਨ। ਰੀਜ਼ਨਿੰਗ ਕਰਦੇ ਹੋਏ ਕਈ ਟੂਲਾਂ ਨੂੰ ਕਾਲ ਕਰਨ ਨਾਲ, ਮਾਡਲ ਹੁਣ Humanity’s Last Exam ਵਰਗੇ ਉਦਯੋਗ-ਮਿਆਰੀ benchmarks ਉੱਤੇ ਟੂਲ ਕਾਲਿੰਗ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਕਾਫ਼ੀ ਉੱਚਾ ਨਤੀਜਾ ਹਾਸਲ ਕਰਦੇ ਹਨ (source)। ਅੱਜ, ਅਸੀਂ ਨਵੇਂ ਟੂਲ ਜੋੜ ਰਹੇ ਹਾਂ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

Image generation: Images API⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਦੀ ਵਰਤੋਂ ਤੋਂ ਇਲਾਵਾ, ਡਿਵੈਲਪਰ ਹੁਣ ਸਾਡੇ ਸਭ ਤੋਂ ਨਵੇਂ ਇਮੇਜ ਜਨਰੇਸ਼ਨ ਮਾਡਲ—gpt-image-1—ਨੂੰ Responses API ਦੇ ਅੰਦਰ ਇੱਕ ਟੂਲ ਵਜੋਂ ਐਕਸੈਸ ਕਰ ਸਕਦੇ ਹਨ। ਇਹ ਟੂਲ real-time streaming ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਡਿਵੈਲਪਰ ਇਮੇਜ ਬਣ ਰਹੀ ਹੋਣ ਦੌਰਾਨ ਉਸ ਦੀ preview ਦੇਖ ਸਕਦੇ ਹਨ, ਅਤੇ multi-turn edits ਦਾ ਵੀ ਸਮਰਥਨ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਡਿਵੈਲਪਰ ਮਾਡਲ ਨੂੰ ਇਹਨਾਂ ਇਮੇਜਾਂ ਨੂੰ ਕਦਮ-ਦਰ-ਕਦਮ ਸੁਖਮ ਤਰੀਕੇ ਨਾਲ ਸੰਵਾਰਨ ਲਈ ਪ੍ਰੌੰਪਟ ਦੇ ਸਕਦੇ ਹਨ। ਹੋਰ ਜਾਣੋ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ).
Code Interpreter: ਡਿਵੈਲਪਰ ਹੁਣ Responses API ਦੇ ਅੰਦਰ Code Interpreter⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਨ। ਇਹ ਟੂਲ ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ, ਜਟਿਲ ਗਣਿਤ ਅਤੇ ਕੋਡਿੰਗ ਸਮੱਸਿਆਵਾਂ ਹੱਲ ਕਰਨ, ਅਤੇ ਮਾਡਲਾਂ ਨੂੰ ਇਮੇਜਾਂ ਨੂੰ ਡੂੰਘਾਈ ਨਾਲ ਸਮਝਣ ਅਤੇ ਸੰਭਾਲਣ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ ਲਾਭਦਾਇਕ ਹੈ (ਜਿਵੇਂ, images ਨਾਲ thinking)। o3 ਅਤੇ o4-mini ਵਰਗੇ ਮਾਡਲਾਂ ਦੀ ਆਪਣੇ ਚੇਨ-ਆਫ-ਥੌਟ ਦੇ ਅੰਦਰ Code Interpreter ਟੂਲ ਵਰਤਣ ਦੀ ਸਮਰੱਥਾ ਨੇ Humanity’s Last Exam ਸਮੇਤ ਕਈ benchmarks ਉੱਤੇ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਸੁਧਾਰ ਕੀਤਾ ਹੈ (source)। ਹੋਰ ਜਾਣੋ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ).
File search: ਡਿਵੈਲਪਰ ਹੁਣ ਸਾਡੇ ਰੀਜ਼ਨਿੰਗ ਮਾਡਲਾਂ ਵਿੱਚ file search⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਟੂਲ ਨੂੰ ਐਕਸੈਸ ਕਰ ਸਕਦੇ ਹਨ। File search ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਯੂਜ਼ਰ ਦੀ query ਦੇ ਆਧਾਰ ਉੱਤੇ ਆਪਣੇ ਦਸਤਾਵੇਜ਼ਾਂ ਦੇ ਪ੍ਰਸੰਗਿਕ ਹਿੱਸੇ ਮਾਡਲ ਦੇ ਸੰਦਰਭ ਵਿੱਚ ਲਿਆਉਣ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ। ਅਸੀਂ file search ਟੂਲ ਲਈ ਅਪਡੇਟਾਂ ਵੀ ਲਾ ਰਹੇ ਹਾਂ ਜੋ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਕਈ vector stores ਵਿੱਚ ਖੋਜ ਕਰਨ ਅਤੇ arrays ਨਾਲ attribute filtering ਦਾ ਸਮਰਥਨ ਦਿੰਦੀਆਂ ਹਨ। ਹੋਰ ਜਾਣੋ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ).

Responses API ਵਿੱਚ ਨਵੇਂ ਫੀਚਰ

ਨਵੇਂ ਟੂਲਾਂ ਤੋਂ ਇਲਾਵਾ, ਅਸੀਂ Responses API ਵਿੱਚ ਨਵੇਂ ਫੀਚਰਾਂ ਲਈ ਸਹਾਇਤਾ ਵੀ ਜੋੜ ਰਹੇ ਹਾਂ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

Background mode: Codex, ਡੀਪ ਰਿਸਰਚ, ਅਤੇ Operator ਵਰਗੇ ਏਜੰਟਿਕ ਉਤਪਾਦਾਂ ਵਿੱਚ ਵੇਖਿਆ ਗਿਆ ਹੈ ਕਿ ਰੀਜ਼ਨਿੰਗ ਮਾਡਲ ਜਟਿਲ ਸਮੱਸਿਆਵਾਂ ਹੱਲ ਕਰਨ ਲਈ ਕਈ ਮਿੰਟ ਲੈ ਸਕਦੇ ਹਨ। ਡਿਵੈਲਪਰ ਹੁਣ background mode ਦੀ ਵਰਤੋਂ ਕਰਕੇ o3 ਵਰਗੇ ਮਾਡਲਾਂ ਉੱਤੇ ਅਜਿਹੇ ਹੀ ਅਨੁਭਵ ਤਿਆਰ ਕਰ ਸਕਦੇ ਹਨ, ਬਿਨਾਂ timeouts ਜਾਂ ਹੋਰ connectivity issues ਦੀ ਚਿੰਤਾ ਕੀਤੇ। background mode ਇਹ ਕੰਮ ਅਸਿੰਕ੍ਰੋਨਸ ਤਰੀਕੇ ਨਾਲ ਸ਼ੁਰੂ ਕਰਦਾ ਹੈ। ਡਿਵੈਲਪਰ completion ਦੀ ਜਾਂਚ ਲਈ ਇਹ objects poll ਕਰ ਸਕਦੇ ਹਨ, ਜਾਂ ਜਦੋਂ ਵੀ ਉਹਨਾਂ ਦੀ ਐਪਲੀਕੇਸ਼ਨ ਨੂੰ ਨਵੀਂ state ਨਾਲ ਅੱਪਡੇਟ ਹੋਣ ਦੀ ਲੋੜ ਹੋਵੇ, events streaming ਸ਼ੁਰੂ ਕਰ ਸਕਦੇ ਹਨ। ਹੋਰ ਜਾਣੋ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ).

Python

1response = client.responses.create(
2  model="o3",
3  input="Write me an extremely long story.",
4  reasoning={ "effort": "high" },
5  background=True
6)

Reasoning summaries: Responses API ਹੁਣ ਮਾਡਲ ਦੇ ਅੰਦਰੂਨੀ ਚੇਨ-ਆਫ-ਥੌਟ ਦੇ ਸੰਖੇਪ, ਕੁਦਰਤੀ-ਭਾਸ਼ਾ ਸਾਰ ਤਿਆਰ ਕਰ ਸਕਦੀ ਹੈ, ਬਿਲਕੁਲ ਉਸੇ ਤਰ੍ਹਾਂ ਜਿਵੇਂ ਤੁਸੀਂ ChatGPT ਵਿੱਚ ਵੇਖਦੇ ਹੋ। ਇਸ ਨਾਲ ਡਿਵੈਲਪਰਾਂ ਲਈ debug ਕਰਨਾ, audit ਕਰਨਾ, ਅਤੇ ਹੋਰ ਵਧੀਆ end-user experiences ਬਣਾਉਣਾ ਆਸਾਨ ਹੋ ਜਾਂਦਾ ਹੈ। Reasoning summaries ਬਿਨਾਂ ਕਿਸੇ ਵਾਧੂ ਲਾਗਤ ਦੇ ਉਪਲਬਧ ਹਨ। ਹੋਰ ਜਾਣੋ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ).

Python

1response = client.responses.create(
2    model="o4-mini",
3    tools=[
4        {
5            "type": "code_interpreter",
6            "container": {"type": "auto"}
7        }
8    ],
9    instructions=(
10        "You are a personal math tutor. "
11        "When asked a math question, run code to answer the question."
12    ),
13    input="I need to solve the equation `3x + 11 = 14`. Can you help me?",
14    reasoning={"summary": "auto"}
15)

Encrypted reasoning items: ਜ਼ੀਰੋ ਡਾਟਾ ਰਿਟੈਂਸ਼ਨ (ZDR)⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਲਈ ਯੋਗ ਗਾਹਕ ਹੁਣ API ਬੇਨਤੀਆਂ ਵਿੱਚ reasoning items ਨੂੰ ਦੁਬਾਰਾ ਵਰਤ ਸਕਦੇ ਹਨ, ਬਿਨਾਂ ਇਸਦੇ ਕਿ ਕੋਈ ਵੀ reasoning item OpenAI ਦੇ ਸਰਵਰਾਂ ਉੱਤੇ ਸਟੋਰ ਕੀਤਾ ਜਾਵੇ। o3 ਅਤੇ o4-mini ਵਰਗੇ ਮਾਡਲਾਂ ਲਈ, ਫੰਕਸ਼ਨ ਕਾਲਾਂ ਦੇ ਵਿਚਕਾਰ reasoning items ਦਾ ਮੁੜ-ਉਪਯੋਗ ਬੁੱਧਿਮਤਾ ਵਧਾਉਂਦਾ ਹੈ, ਟੋਕਨ ਵਰਤੋਂ ਘਟਾਉਂਦਾ ਹੈ, ਅਤੇ cache hit rates ਵਧਾਉਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਲਾਗਤ ਅਤੇ ਵਿਲੰਬ ਘਟਦਾ ਹੈ। ਹੋਰ ਜਾਣੋ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ).

Python

1response = client.responses.create(
2  model="o3",
3  input="Implement a simple web server in Rust from scratch.",
4  store=False,
5  include=["reasoning.encrypted_content"]
6)

ਕੀਮਤ ਅਤੇ ਉਪਲਬਧਤਾ

ਇਹ ਸਾਰੇ ਟੂਲ ਅਤੇ ਫੀਚਰ ਹੁਣ Responses API ਵਿੱਚ ਉਪਲਬਧ ਹਨ, ਅਤੇ ਸਾਡੀ GPT‑4o series, GPT‑4.1 series, ਅਤੇ ਸਾਡੇ OpenAI o-series ਰੀਜ਼ਨਿੰਗ ਮਾਡਲਾਂ (o1, o3, o3‑mini, ਅਤੇ o4-mini) ਵਿੱਚ ਸਮਰਥਿਤ ਹਨ। ਇਮੇਜ ਜਨਰੇਸ਼ਨ ਸਿਰਫ ਸਾਡੀ ਰੀਜ਼ਨਿੰਗ ਮਾਡਲ series ਦੇ o3 ਉੱਤੇ ਹੀ ਸਮਰਥਿਤ ਹੈ।

ਮੌਜੂਦਾ ਟੂਲਾਂ ਦੀ ਕੀਮਤ ਪਹਿਲਾਂ ਵਰਗੀ ਹੀ ਰਹਿੰਦੀ ਹੈ। ਇਮੇਜ ਜਨਰੇਸ਼ਨ ਦੀ ਲਾਗਤ $5.00/1M text input tokens, $10.00 / 1M image input tokens, ਅਤੇ $40.00 / 1M image output tokens ਹੈ, cached input tokens ਉੱਤੇ 75% ਛੂਟ ਨਾਲ। Code Interpreter ਦੀ ਲਾਗਤ ਪ੍ਰਤੀ container $0.03 ਹੈ। File search ਦੀ ਲਾਗਤ ਪ੍ਰਤੀ ਦਿਨ vector storage ਲਈ $0.10/GB ਅਤੇ $2.50/1k tool calls ਹੈ। ਰਿਮੋਟ MCP server tool ਨੂੰ ਕਾਲ ਕਰਨ ਲਈ ਕੋਈ ਵਾਧੂ ਲਾਗਤ ਨਹੀਂ ਹੈ। ਤੁਹਾਡੇ ਤੋਂ ਸਿਰਫ API ਦੇ output tokens ਲਈ ਹੀ ਬਿੱਲ ਲਿਆ ਜਾਂਦਾ ਹੈ। ਸਾਡੇ docs ਵਿੱਚ pricing⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਬਾਰੇ ਹੋਰ ਜਾਣੋ।

ਅਸੀਂ ਇਹ ਦੇਖਣ ਲਈ ਉਤਸ਼ਾਹਿਤ ਹਾਂ ਕਿ ਤੁਸੀਂ ਕੀ ਬਣਾਉਂਦੇ ਹੋ!

ਲੇਖਕ

OpenAI