迁移 GPT-6.2 时容易触发 400 的参数
作者实测发现,GPT-6.2 Sol 和 Astra 会拒绝非默认采样参数,Chat Completions 也会拒绝将推理强度设为 none、minimal 或 max。文章建议按模型能力省略不适用的采样字段,并显式校验推理强度。
AI 深度解读
把旧客户端的模型名改成 gpt-6.2-sol 或 gpt-6.2-astra,请求可能还没开始推理就返回 HTTP 400。作者对两款模型做了在线探测,发现旧封装里常见的 temperature: 0、跨模型通用的推理档位,都可能在请求校验这一关出问题。
迁移时最值得先查的是网关最终发出的请求体。旧参数可能由 SDK 或公共封装自动补上。顺手把推理深度、回答详略和缓存键各自管起来,出了问题也更容易定位。
旧封装里的哪些默认值会触发 400
原文把两款模型的发布日期记为 2026 年 11 月 17 日,在线探测日期记为 11 月 19 日。作者报告,两款模型收到 temperature != 1、top_p != 1,或非零的 frequency_penalty、presence_penalty 时,都会返回 HTTP 400。抽取和代码审查工具常预设 temperature: 0 或 temperature: 0.2,所以即使业务调用处没传,封装也可能把它补进去。作者建议按模型能力判断,对 GPT-6.2 直接省略这四个字段。
reasoning_effort 也要收紧。原文列出的可用值为 low、medium、high、xhigh,并明确说在 Chat Completions 上传 none、minimal、max 会收到 HTTP 400。如果网关确实需要兼容其他模型的档位,可以显式把 minimal 映射成 low,把 max 或 ultra 映射成 xhigh。这些是网关侧的兼容策略,原文没有给出 ultra 的直接探测结果。调用方传 none 时,作者建议在网关直接报错,让调用方知道「关闭推理」这个意图无法按原样执行。
想让回答短一点,可以单独调 verbosity
作者报告两款模型都接受 verbosity,可选 low、medium、high。reasoning_effort 控制推理投入,verbosity 控制回答展开到什么程度。比如让 AI 排查一个棘手的构建错误,可以设 reasoning_effort: "high" 和 verbosity: "low",让模型多花力气分析,返回时只交代定位结果和修复步骤。原文没给出这组配置的输出长度或排错成功率对照。
缓存键怎么划分,长输入在哪告警
作者重复提交相同提示词时,沿用同一个 prompt_cache_key 观察到了缓存 token 命中,换键后观察到未命中。多个工作区共用一段系统提示词时,可以用 org-id:workflow-v1 这种键,把组织和工作流版本纳入缓存命名,方便解释缓存指标。
原文把迁移时要过滤的字段、要校验的枚举和输入告警阈值放进了同一份清单。
{
"strip_params": ["temperature", "top_p", "frequency_penalty", "presence_penalty"],
"allowed_reasoning_effort": ["low", "medium", "high", "xhigh"],
"allowed_verbosity": ["low", "medium", "high"],
"monitor_input_tokens_above": 272000
}
最后一行管的是计价阈值。按原文,两款模型支持最多 1.05M 上下文 token,输入超过 272K,也就是 272000 token,就会进入长上下文计价档。
我的判断
如果团队只接这两款模型,在请求出口加一份显式的参数白名单,通常比在每个业务调用点删字段更好维护。网关同时承担多模型切换时,再加档位映射才有价值。原文没有比较 minimal 和 low,或 max 和 xhigh 在成本、延迟、结果质量上的差异,映射只能视为兼容经验。
原文同时提到 Chat Completions 和 Responses API,但没有给出逐端点的完整请求体和验证矩阵。尤其是 reasoning_effort 的拒绝值,明确写出的实测范围只有 Chat Completions。缓存测试也只展示了重复提示词时换键会影响命中,没给出并发、多租户隔离或计费效果的对照数据。可以据此设计缓存指标,租户权限仍应由应用层控制。
能拿来做什么
- 给 Node 网关的 Chat Completions 和 Responses API 分别加一条出站请求测试,检查 SDK 序列化后的请求体是否还带着旧采样字段,并分别验证实际使用的推理档位。
- 给 AI 排错工具保留独立的推理和详略设置。先用
high推理配low详略跑一批真实问题,再看输出是否够短、修复步骤是否够用。 - 多工作区 Agent 可以按组织和工作流版本生成
prompt_cache_key,比较同键和换键时的缓存 token,并对超过 272000 token 的输入单独告警。