Aġenti tar-Raġunar (GPT-5.6 Sol, sforz għoli sa massimu)
F'din il-paġna
Aġġornat fit-2 ta’ Novembru, 2026 — mudelli. L-
o3,o3-pro, u l-istantanji antiki tal-GPT-5 se jitneħħew mill-API fl-11 ta’ Diċembru 2026, u l-o4-miniilu li ġie ssostitwit. Għal aġenti ġodda, ibda bil-familja GPT-6: GPT-6.1 Sol għall-bilanċ, GPT-6 Astra għall-kompiti l-aktar esigenti.
Aġenti tar-Raġunar (GPT-5.6, sforz għoli sa massimu)
Mal-familja GPT-5.6 (disponibbli minn Lulju 2026), ir-raġunar m’għadux ġestit minn mudelli separati bħall-ġenerazzjoni preċedenti (o3-pro, o4-mini): issa huwa setting għal kull talba (none, low, medium, high, xhigh, max) applikabbli għal kull mudell. Aġent li verament jeħtieġ jaħseb—jesplora diversi mogħdijiet qabel ma jwieġeb—tipikament juża GPT-5.6 Sol b’sforz high jew xhigh. Integrata fl-aġenti tiegħek, din il-kapaċità tar-raġunar tiftaħ kompiti li jirrikjedu deliberazzjoni ġenwina.
Meta tattivaw ir-raġunar f’aġent
Ir-raġunar fil-fond jispikka f’sitwazzjonijiet speċifiċi, u l-esperjenza turi li kollha għandhom karatteristika komuni: tqabbil ta’ mogħdijiet possibbli qabel ma tittieħed deċiżjoni. Dan japplika għal ippjanar kumpless, fejn taqsam kompitu f’passi ottimali, u għal analiżi matematika—kalkoli, statistika, ottimizzazzjoni—fejn pass wieħed żbaljat jinvalida l-bqija. Japplika wkoll għad-debugging, li jinvolvi t-traċċar ta’ sintomu lura għall-kawża primarja tiegħu, u għat-teħid ta’ deċiżjonijiet, fejn trid tevalwa għażliet differenti u tagħżel l-aħjar waħda. Ir-reviżjoni tal-kodiċi taqa’ fl-istess kategorija: sabiex issib bug sottili, jeħtieġ li ssimula mentalment eżekuzzjonijiet li qari lineari ma jikxifx.
Għal kompiti sempliċi (tweġiba għal mistoqsija, iffurmar ta’ test), GPT-5.6 Terra jew Luna b’sforz baxx (jew anke none) huma aktar mgħaġġla u irħas. Li tħallas għar-raġunar biex terġa’ tifformula paragrafu huwa bħal ma tħalli karozza tat-tlielaq iddur bla għan fit-traffiku.
Sol + sforz għoli/xhigh: raġunar fil-fond
GPT-5.6 Sol b’sforz għoli ta’ raġunar jissostitwixxi dak li kien jagħmel l-o3-pro. L-aġent jieħu aktar ħin iżda jipproduċi analiżijiet aktar fondi. L-eżempju hawn taħt huwa tipiku: mistoqsija strateġika b’tliet għażliet, fejn it-tweġiba t-tajba tiddependi fuq kompromessi bejn ir-riskju, l-ispiża, u l-orizzont ta’ żmien. Innota li l-istruzzjonijiet jiddefinixxu b’mod espliċitu d-dimensjonijiet li għandhom jiġu kkunsidrati—ir-raġunar dejjem jibbenefika minn restrizzjonijiet ċari.
from agents import Agent, Runner, ModelSettings
from openai.types.shared import Reasoning
strategic_advisor = Agent(
name="Strategic Advisor",
instructions="""You are a business strategy consultant.
Analyze deeply before recommending.
Always consider: risks, opportunities,
costs, and alternatives.""",
model="gpt-5.6-sol",
model_settings=ModelSettings(reasoning=Reasoning(effort="high")),
)
result = Runner.run_sync(
strategic_advisor,
"""Our SaaS startup has 500 clients, €2M MRR, and is growing 15% per month.
We are debating:
A) Raise a Series B (€20M) and accelerate in the US
B) Stay bootstrapped and consolidate in Europe
C) Seek a strategic acquirer
Which strategy do you recommend and why?"""
)
print(result.final_output)
Għall-analiżijiet l-aktar kritiċi, żid l-isforz għal xhigh jew max. Hemm ukoll setting ultra (imħabbar f’Lulju 2026) li jikkoordina 4 aġenti parallelament b’mod default (sa 16 fuq ċerti evalwazzjonijiet) għall-kompiti l-aktar tqal—qawwi, iżda b’konsum ta’ tokens ferm ogħla: irriżervah għal problemi li jiġġustifikaw l-ispiża.
Terra + sforz medju: raġunar mgħaġġel
Bejn l-ebda raġunar u l-analiżi fil-fond hemm punt ideali użat ħafna fil-produzzjoni. GPT-5.6 Terra b’sforz medium joffri kompromess tajjeb bejn il-kapaċità tar-raġunar u l-veloċità—l-ekwivalenti tal-ex o4-mini. Ideali għal aġenti li jeħtieġu jirraġunaw malajr, bħal dan l-aġent dijanjostiku li jaqra l-metriċi tas-server u għandu jgħaqqad is-saturazzjoni tal-memorja ma’ żieda f’daqqa f’żbalji 5xx fi żmien sekondi, waqt li s-sit ikun qed jgħaddi minn inċident.
from agents import Agent, Runner, ModelSettings, function_tool
from openai.types.shared import Reasoning
@function_tool
def get_server_metrics(server: str) -> str:
"""Retrieves metrics for a server."""
import json
metrics = {
"cpu": 87.5,
"ram": 92.1,
"disk": 65.3,
"requests_per_second": 1250,
"response_time_p99": 450,
"errors_5xx": 23,
}
return json.dumps(metrics)
diagnostic_agent = Agent(
name="Diagnostic Agent",
instructions="""You diagnose infrastructure problems.
Analyze the metrics and identify the probable cause.
Propose immediate and long-term corrective actions.""",
model="gpt-5.6-terra",
model_settings=ModelSettings(reasoning=Reasoning(effort="medium")),
tools=[get_server_metrics],
)
result = Runner.run_sync(
diagnostic_agent,
"The site has been slow for 30 minutes. Diagnose server web-prod-01."
)
Mudell: router tal-konfigurazzjoni
M’għandekx tagħżel konfigurazzjoni waħda għal dejjem. Uża konfigurazzjoni ħafifa għar-routing u waħda xierqa għall-eżekuzzjoni: l-ewwel aġent jaqra l-kompitu, jirritorna oġġett ittajpjat li jindika liema mudell u sforz għandhom jintużaw, imbagħad inti tistanzja l-aġent tal-eżekuzzjoni b’dik id-deċiżjoni. Il-qasam reason mhuwiex dekorattiv—jippermettilek, meta tirrevedi l-logs tiegħek, tivverifika li r-router qed jipprovdi żejjed sistematikament jew le.
from pydantic import BaseModel
from typing import Literal
class ConfigDecision(BaseModel):
model: Literal["gpt-5.6-luna", "gpt-5.6-terra", "gpt-5.6-sol"]
effort: Literal["none", "low", "medium", "high", "xhigh"]
reason: str
router_agent = Agent(
name="Smart Router",
instructions="""Analyze the task and decide which configuration to use:
- gpt-5.6-luna, effort none/low: simple tasks (summaries, rephrasing, factual answers)
- gpt-5.6-terra, effort medium: fast reasoning (classification, diagnostics)
- gpt-5.6-sol, effort high/xhigh: complex tasks (strategic planning, deep analysis, math)""",
model="gpt-5.6-terra",
model_settings=ModelSettings(reasoning=Reasoning(effort="medium")),
output_type=ConfigDecision,
)
async def process_with_optimal_config(task: str):
# Step 1: choose the configuration
decision = await Runner.run(router_agent, task)
config = decision.final_output
print(f"Configuration: {config.model} / effort {config.effort} ({config.reason})")
# Step 2: execute with the right configuration
execution_agent = Agent(
name="Execution Agent",
instructions="Accomplish the requested task with precision.",
model=config.model,
model_settings=ModelSettings(reasoning=Reasoning(effort=config.effort)),
)
result = await Runner.run(execution_agent, task)
return result.final_output
Imġiba tal-istreaming bir-raġunar attivat
Meta r-raġunar ikun attivat, l-istreaming għandu kurżità: il-proċess intern tal-ħsieb tal-mudell ma jiġix trasmess bħala test sempliċi. L-interfaċċa tiegħek għalhekk tirċievi tokens għat-tweġiba finali, iżda xejn matul il-fażi tar-raġunar.
agent = Agent(
name="Analyst",
instructions="Analyze the data deeply.",
model="gpt-5.6-sol",
model_settings=ModelSettings(reasoning=Reasoning(effort="high")),
)
# Streaming delivers the final answer, not the intermediate reasoning
result = Runner.run_streamed(agent, "Analyze this complex problem.")
async for event in result.stream_events():
if event.type == "raw_response_event":
if hasattr(event.data, "delta") and event.data.delta:
print(event.data.delta, end="", flush=True)
Ikkunsidra din il-latency fl-UX tiegħek: b’sforz high jew ogħla, l-ewwel tokens jistgħu jaslu wara ħin sinifikanti ta’ ħsieb. Indikatur ta’ stennija espliċitu jipprevjeni lill-utenti milli jaħsbu li l-app iffriża u jirrifrexxjaw il-paġna fl-agħar mument.
Ottimizzazzjoni tal-ispejjeż
Ir-raġunar jikkonsma tokens addizzjonali (il-ħsieb intern huwa fatturat). Żewġ lievi jgħinu biex jinżammu l-ispejjeż taħt kontroll: naqqas l-isforz default u żidu biss meta jkun meħtieġ, imbagħad ifred id-deċiżjoni mill-eżekuzzjoni—jiġifieri, irraġuna biex tiddeċiedi iżda eżegwixxi mingħajr raġunar. Il-fluss ta’ xogħol ibridu hawn taħt japplika t-tieni prinċipju—Terra f’medium jistabbilixxi l-approċċ, Luna jwettaqu bl-għodod.
# Pattern: hybrid reasoning
# Terra + medium for decision, Luna without reasoning for execution
decision_agent = Agent(
name="Decider",
instructions="Decide on the optimal approach.",
model="gpt-5.6-terra",
model_settings=ModelSettings(reasoning=Reasoning(effort="medium")),
)
executor_agent = Agent(
name="Executor",
instructions="Execute the decided plan.",
model="gpt-5.6-luna", # Cheaper for execution
tools=[search_crm, generate_report],
)
async def hybrid_workflow(task: str):
plan = await Runner.run(decision_agent, f"How to handle: {task}")
result = await Runner.run(executor_agent, plan.final_output)
return result.final_output
Punti Ewlenin
- Ir-raġunar huwa setting għal kull talba fuq kull mudell GPT-5.6 (none → max), mhux aktar mudelli separati bħal o3-pro/o4-mini
- GPT-5.6 Sol b’sforz
high/xhigh: ippjanar strateġiku, analiżi kumplessa, matematika - GPT-5.6 Terra b’sforz
medium: raġunar mgħaġġel għal dijanjostiċi u routing - Is-setting
ultrajikkoordina aġenti multipli parallelament għall-kompiti l-aktar tqal—spiża ta’ tokens ferm ogħla - Il-mudell tar-router jagħżel dinamikament il-kombinazzjoni mudell + sforz u jottimizza l-ispejjeż
- Irraġuna biex tiddeċiedi, eżegwixxi mingħajr raġunar: l-aħjar proporzjon kwalità-prezz