Ensimmäinen API-kutsusi
Tällä sivulla
Oppitunti päivitetty 3. marraskuuta 2026 OpenAI:n dokumentaation perusteella: parametrit
temperaturejatop_phyväksytään vain, kun päättelytaso (reasoning effort) onnone, kun taas GPT-5.6-mallit käyttävät oletusarvoisesti päättelyä (medium). Kutsujen, jotka asettavat nämä parametrit, on siksi määritettäväreasoning={"effort": "none"}(Responses API) taireasoning_effort="none"(Chat Completions). Lähteet: Using GPT-6 · GPT-5.6 Terra.
Ensimmäinen API-kutsusi
Ympäristösi on valmis: ryhdytään töihin. Olet tekemässä ensimmäistä kutsuasi Responses API:hin, purat sen palauttaman objektin osiin ja muokkaat sitten niitä parametreja, jotka erottavat hyödyllisen vastauksen yleisestä.
Yksinkertaisin kutsu
Tarvitset vain kahta parametria: model, joka on kysyttävän mallin tunniste, ja input, eli kehotteesi – joko merkkijonona tai viestilistana, kuten kohta näemme.
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
model="gpt-5.6-terra",
input="What is the difference between Python and JavaScript?"
)
print(response.output_text)
# Result: Python is a versatile language oriented toward data science
# and backend development, while JavaScript is primarily used for
# frontend and backend web development (via Node.js)...
Mitä vastaus todella sisältää
output_text on vain kätevä oikotie. response-objekti sisältää myös sen yksilöllisen tunnisteen – joka on välttämätön keskusteluketjujen luomiseen ja kutsujen etsimiseen lokeista – käytetyn todellisen mallin sekä token-kulutuksen erittelyn. Tee tavaksi kirjata nämä kolme tietoa jo ensimmäisistä skripteistäsi lähtien. Näin pystyt myöhemmin vastaamaan kysymykseen: “Miksi lasku kaksinkertaistui tässä kuussa?”
response = client.responses.create(
model="gpt-5.6-terra",
input="Hello, how are you?"
)
# The response text (shortcut)
print(response.output_text)
# The unique ID of the response
print(f"ID: {response.id}")
# The model used
print(f"Model: {response.model}")
# Tokens consumed
print(f"Input tokens: {response.usage.input_tokens}")
print(f"Output tokens: {response.usage.output_tokens}")
print(f"Total tokens: {response.usage.total_tokens}")
# Result:
# Hello! I'm doing very well, thank you. How can I help you?
# ID: resp_abc123xyz
# Model: gpt-5.6-terra
# Input tokens: 14
# Output tokens: 19
# Total tokens: 33
Parametrit, joilla on väliä
temperature säätelee generoinnin vaihtelevuutta. Arvolla 0.0 malli valitsee systemaattisesti todennäköisimmän jatkeen: tämä asetus sopii faktoihin perustuviin kysymyksiin, datan poimintaan ja kaikkeen, mitä tarvitset toistettavaksi identtisesti. Arvolla 1.0 se tutkii laajemmin, mikä on haluamasi tilanne nimien keksimiseen, luovaan kirjoittamiseen tai variaatioiden tuottamiseen.
# Low temperature (0.0) = deterministic, factual
response_factual = client.responses.create(
model="gpt-5.6-terra",
reasoning={"effort": "none"}, # temperature requires effort none
input="What is the capital of Germany?",
temperature=0.0
)
print(response_factual.output_text)
# Result: The capital of Germany is Berlin.
# High temperature (1.0) = creative, varied
response_creative = client.responses.create(
model="gpt-5.6-terra",
reasoning={"effort": "none"}, # temperature requires effort none
input="Invent a name for a literary café.",
temperature=1.0
)
print(response_creative.output_text)
# Result: "The Wandering Pages"—a café where every table bears
# the name of a famous chapter.
Parametri instructions korvaa vanhan järjestelmäviestin: se määrittelee roolin, sävyn ja rajoitukset, joita mallin on noudatettava koko keskustelun ajan kysymyksestä riippumatta. Alla olevassa esimerkissä sama kysymys ilman ohjeistusta tuottaisi listan yleisiä vinkkejä; ohjeistuksen kanssa se tuottaa reseptejä.
response = client.responses.create(
model="gpt-5.6-terra",
instructions="You are an expert in French cuisine. "
"Always respond with recipe suggestions.",
input="I don't know what to do with zucchini."
)
print(response.output_text)
# Result: Here are three ideas for your zucchini:
# 1. Zucchini gratin with goat cheese...
# 2. Provençal ratatouille...
# 3. Cold zucchini velouté with mint...
Lopuksi max_output_tokens rajoittaa vastauksen pituutta. Tämä on budjetin suojamekanismi, ei kirjoitusohje: vastaus katkeaa äkillisesti, kun raja saavutetaan. Jos haluat lyhyen ja hyvin muotoillun vastauksen, pyydä sitä myös kehotteessa.
response = client.responses.create(
model="gpt-5.6-terra",
input="Explain general relativity.",
max_output_tokens=100
)
print(response.output_text)
print(f"Tokens used: {response.usage.output_tokens}")
# The response will be truncated at approximately 100 tokens
Siirtyminen jäsenneltyyn syötteeseen
Kun pelkkä merkkijono ei riitä, input hyväksyy viestilistan. Minimimuoto sisältää yhden vuoron, mutta hyöty ilmenee heti, kun tarjoat historiaa: mallilla on silloin pääsy aiemmin sanottuun ja se vastaa sen mukaisesti. Tässä “edistyminen” ymmärretään Python-kontekstissa, ei abstraktisti.
response = client.responses.create(
model="gpt-5.6-terra",
input=[
{
"role": "user",
"content": "Translate to English: Hello world"
}
]
)
print(response.output_text)
# Result: Hello world
# With conversation context
response = client.responses.create(
model="gpt-5.6-terra",
input=[
{
"role": "user",
"content": "My favorite language is Python."
},
{
"role": "assistant",
"content": "Python is an excellent choice! It is very versatile."
},
{
"role": "user",
"content": "Give me a tip to improve."
}
]
)
print(response.output_text)
# Result: To improve in Python, I recommend that you...
Älä jätä kutsua suojaamatta
Verkkokutsut epäonnistuvat ja avaimet vanhentuvat. Kolme poikkeustilannetta kattaa useimmat aloittelijan kohtaamat tapaukset: AuthenticationError puuttuvan tai virheellisen avaimen varalta, RateLimitError sallitun läpivirtauksen ylittyessä ja APIError yleisenä turvaverkkona. Kokonainen oppitunti palaa myöhemmin täydelliseen strategiaan, mutta aloita jo tänään käärimällä kutsusi try/except-lohkoihin.
from openai import OpenAI, APIError, AuthenticationError, RateLimitError
client = OpenAI()
try:
response = client.responses.create(
model="gpt-5.6-terra",
input="Hello!"
)
print(response.output_text)
except AuthenticationError:
print("Error: Invalid or missing API key")
except RateLimitError:
print("Error: Too many requests, wait a moment")
except APIError as e:
print(f"API Error: {e.message}")
Konsolidoidaksesi kaiken tämän, kirjoita skripti, joka esittää kolme kysymystä ja laskee yhteen kulutetut tokenit. Yhdistät kutsusilmukan, lämpötilan 0.0 vakaiden vastausten varmistamiseksi ja usage-tietojen lukemisen – nämä ovat kolme perusrefleksiä.
from openai import OpenAI
client = OpenAI()
questions = [
"What is the largest ocean in the world?",
"Who painted the Mona Lisa?",
"How many planets are in the solar system?"
]
total_tokens = 0
for question in questions:
response = client.responses.create(
model="gpt-5.6-terra",
reasoning={"effort": "none"}, # temperature requires effort none
input=question,
temperature=0.0
)
tokens = response.usage.total_tokens
total_tokens += tokens
print(f"Q: {question}")
print(f"A: {response.output_text}")
print(f" ({tokens} tokens)\n")
print(f"Total: {total_tokens} tokens consumed")
Keskeiset asiat
- Peruskutsu vaatii vain parametrit
modeljainput response.output_texttarjoaa vastauksen tekstinresponse.usageerittelee token-kulutuksentemperatureohjaa luovuutta (0.0 = faktapohjainen, 1.0 = luova)instructionskorvaa Chat Completionsin järjestelmäviestin- Käsittele virheet aina try/except-lohkoilla