Salt la conținutul principal
Română— Alege o limbă
Meniu

Primul dumneavoastră apel API

Lecția 5 din 22 Actualizată 3 noiembrie 2026 Dezvoltator
Pe această pagină
  1. Primul dumneavoastră apel API
  2. Cel mai simplu apel
  3. Ce conține de fapt răspunsul
  4. Parametrii care contează
  5. Trecerea la input structurat
  6. Nu lăsați niciodată un apel neprotejat
  7. Puncte cheie

Lecție actualizată la 3 noiembrie 2026 pe baza documentației OpenAI: parametrii temperature și top_p sunt acceptați doar cu un efort de raționament (reasoning effort) setat la none, în timp ce modelele GPT-5.6 raționează implicit la nivelul medium. Apelurile care setează acești parametri trebuie, prin urmare, să specifice reasoning={"effort": "none"} (pentru Responses API) sau reasoning_effort="none" (pentru Chat Completions). Surse: Utilizarea GPT-6 · GPT-5.6 Terra.

Primul dumneavoastră apel API

Mediul dumneavoastră este pregătit: să trecem la treabă. Sunteți pe cale să efectuați primul apel către Responses API, să disecați obiectul returnat de acesta și apoi să manipulați parametrii care fac diferența dintre un răspuns generic și unul util.

Cel mai simplu apel

Aveți nevoie doar de doi parametri: model, identificatorul modelului interogat, și input, promptul dumneavoastră – fie un șir de text, fie o listă de mesaje, așa cum vom vedea imediat.

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)...

Ce conține de fapt răspunsul

output_text este doar o scurtătură convenabilă. Obiectul response conține, de asemenea, ID-ul său unic – esențial pentru înlănțuirea schimburilor și consultarea jurnalelor de apeluri –, modelul efectiv utilizat și o defalcare a consumului de token-uri. Obișnuiți-vă să înregistrați aceste trei informații încă din primele dumneavoastră scripturi. Acest lucru vă va permite să răspundeți ulterior la întrebarea: „De ce s-a dublat factura luna aceasta?“

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

Parametrii care contează

temperature guvernează variabilitatea generării. La 0.0, modelul alege sistematic continuarea cea mai probabilă: aceasta este configurarea pentru întrebările factuale, extragerea datelor și orice situație în care aveți nevoie de reproducere identică. La 1.0, modelul explorează mai mult, ceea ce este de dorit pentru denumiri, scriere creativă sau generarea de variante.

# 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.

Parametrul instructions preia rolul vechiului mesaj de sistem: definește rolul, tonul și constrângerile pe care modelul trebuie să le mențină pe tot parcursul schimbului, indiferent de întrebarea pusă. În exemplul de mai jos, aceeași întrebare, pusă fără instrucțiuni, ar produce o listă de sfaturi generale; cu instrucțiuni, va produce rețete.

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...

În final, max_output_tokens limitează lungimea răspunsului. Aceasta este o măsură de protecție bugetară, nu o instrucțiune de scriere: răspunsul este întrerupt brusc odată ce limita este atinsă. Dacă doriți un răspuns scurt și bine formulat, solicitați acest lucru și în prompt.

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

Trecerea la input structurat

Când un simplu șir de caractere nu este suficient, input acceptă o listă de mesaje. Forma minimă conține un singur tur de dialog, dar beneficiul devine vizibil imediat ce furnizați istoricul: modelul are astfel acces la ce s-a spus deja și răspunde în consecință. Aici, „progresul“ este înțeles în contextul Python, nu în abstract.

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...

Nu lăsați niciodată un apel neprotejat

Apelurile de rețea eșuează, iar cheile expiră. Trei excepții acoperă majoritatea cazurilor la început de drum: AuthenticationError pentru o cheie lipsă sau invalidă, RateLimitError când depășiți throughput-ul permis și APIError ca plasă de siguranță generică. O lecție întreagă va reveni asupra strategiei complete, dar încă de astăzi, încadrați apelurile dumneavoastră în blocuri de gestionare a erorilor.

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}")

Pentru a consolida toate aceste cunoștințe, scrieți un script care pune trei întrebări și acumulează token-urile consumate. Veți combina bucla de apeluri, o temperatură de 0.0 pentru răspunsuri stabile și citirea câmpului usage – cele trei reflexe de bază.

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")

Puncte cheie

  • Un apel de bază necesită doar model și input
  • response.output_text furnizează textul răspunsului
  • response.usage detaliază consumul de token-uri
  • temperature controlează creativitatea (0.0 = factual, 1.0 = creativ)
  • instructions înlocuiește mesajul de sistem din Chat Completions
  • Gestionați întotdeauna erorile cu blocuri try/except