Agenti z razmislekom (GPT-5.6 Sol, visok do največji napor)
Na tej strani
Posodobljeno 2. novembra 2026 — modeli.
o3,o3-proin starejši posnetki GPT-5 bodo 11. decembra 2026 odstranjeni iz API-ja,o4-minipa je že dolgo presežen. Za nove agente začni z družino GPT-6: GPT-6.1 Sol za uravnoteženo delovanje, GPT-6 Astra za najbolj zahtevne naloge.
Agenti z razmislekom (GPT-5.6, visok do največji napor)
Z družino modelov GPT-5.6 (na voljo od julija 2026) razmislek ni več domena ločenih modelov, kot je veljalo v prejšnji generaciji (o3-pro, o4-mini): zdaj gre za nastavitev na zahtevo (none, low, medium, high, xhigh, max), ki velja za vsak model. Agent, ki resnično potrebuje čas za razmislek – raziskovanje več poti pred odgovorom – bo običajno uporabil GPT-5.6 Sol z naporom high ali xhigh. Vgrajena sposobnost razmisleka v tvojih agentih odklene naloge, ki zahtevajo pristno premišljevanje.
Kdaj v agentu omogočiti razmislek
Poglobljen razmislek pride do izraza v specifičnih situacijah, izkušnje pa kažejo, da imajo vse skupno lastnost: primerjavo možnih poti pred sprejetjem odločitve. To velja za kompleksno načrtovanje, kjer nalogo razbiješ na optimalne korake, in matematično analizo – izračune, statistiko, optimizacijo – kjer ena napačna poteza razveljavi vse ostalo. Velja tudi za odpravljanje napak (debugging), ki vključuje sledenje simptomu nazaj do njegovega vzroka, ter za odločanje, kjer moraš ovrednotiti več možnosti in izbrati najboljšo. Pregled kode spada v isto kategorijo: iskanje skrite napake zahteva mentalno simulacijo izvajanja, ki je linearno branje ne razkrije.
Za preproste naloge (odgovarjanje na vprašanja, oblikovanje besedila) sta GPT-5.6 Terra ali Luna z nizkim naporom (ali celo none) hitrejša in cenejša. Plačevanje razmisleka za preoblikovanje odstavka je kot puščanje dirkalnega avtomobila v prostem teku sredi prometne konice.
Sol + visok/xhigh napor: poglobljen razmislek
GPT-5.6 Sol z visokim naporom razmisleka nadomešča tisto, kar je nekoč počel o3-pro. Agent potrebuje več časa, a proizvede globlje analize. Spodnji primer je tipičen: strateško vprašanje s tremi možnostmi, kjer je pravilen odgovor odvisen od kompromisov med tveganjem, stroški in časovnim horizontom. Upoštevaj, da navodila izrecno določajo dimenzije, ki jih je treba upoštevati – razmislek ima vedno korist od jasnih omejitev.
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)
Za najbolj kritične analize stopnjuj na xhigh ali max. Na voljo je tudi nastavitev ultra (napovedana julija 2026), ki privzeto usklajuje 4 agente vzporedno (do 16 pri določenih evalvacijah) za najtežje naloge – zmogljivo, a z bistveno večjo porabo žetonov: rezerviraj jo za težave, ki upravičujejo ta strošek.
Terra + srednji napor: hiter razmislek
Med odsotnostjo razmisleka in poglobljeno analizo obstaja idealna sredina, ki se v proizvodnji pogosto uporablja. GPT-5.6 Terra z naporom medium ponuja dober kompromis med sposobnostjo razmisleka in hitrostjo – ekvivalent nekdanjega o4-mini. Idealno za agente, ki morajo hitro razmišljati, kot je ta diagnostični agent, ki bere metrike strežnika in mora v nekaj sekundah povezati zasičenost pomnilnika s skokom napak 5xx, medtem ko spletno mesto doživlja incident.
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."
)
Vzorec: usmerjevalnik konfiguracije
Ni treba, da se za vedno odločiš za eno konfiguracijo. Uporabi lahkotno konfiguracijo za usmerjanje in ustrezno za izvajanje: prvi agent prebere nalogo, vrne tipiziran objekt, ki označuje, kateri model in napor uporabiti, nato pa instantiateš izvajalskega agenta s to odločitvijo. Polje reason ni le okras – omogoča ti, da ob pregledu dnevnikov preveriš, ali usmerjevalnik sistematično ne dodeljuje preveč virov.
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
Obnašanje pretoka (streaming) z omogočenim razmislekom
Ko je razmislek omogočen, ima pretok posebnost: notranji miselni proces modela se ne prenaša v navadnem besedilu. Tvoj vmesnik zato prejme žetone za končni odgovor, med fazo razmisleka pa ničesar.
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)
To zakasnitev upoštevaj v svoji uporabniški izkušnji (UX): pri naporu high ali višjem lahko prvi žetoni prispejo šele po znatnem času razmišljanja. Ekspliciten indikator čakanja prepreči, da bi uporabniki mislili, da se je aplikacija zataknila, in osvežili stran v najslabšem trenutku.
Optimizacija stroškov
Razmislek porabi dodatne žetone (notranje razmišljanje se zaračuna). Dva vzvoda pomagata obdržati stroške pod nadzorom: znižaj privzeti napor in ga stopnjuj le po potrebi, nato loči odločanje od izvajanja – to pomeni, razmisli za odločitev, izvrši pa brez razmisleka. Spodnji hibridni potek dela uporablja drugo načelo – Terra z medium določi pristop, Luna pa ga izvede z orodji.
# 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
Ključne ugotovitve
- Razmislek je nastavitev na zahtevo za vsak model GPT-5.6 (none → max), ne več ločeni modeli kot o3-pro/o4-mini
- GPT-5.6 Sol z naporom
high/xhigh: strateško načrtovanje, kompleksna analiza, matematika - GPT-5.6 Terra z naporom
medium: hiter razmislek za diagnostiko in usmerjanje - Nastavitev
ultrausklajuje več agentov vzporedno za najtežje naloge – bistveno višji strošek žetonov - Vzorec usmerjevalnika dinamično izbere kombinacijo model + napor in optimizira stroške
- Razmisli za odločitev, izvrši brez razmisleka: najboljše razmerje med kakovostjo in ceno