Responses API
PulseAugur coverage of Responses API — every cluster mentioning Responses API across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
AWS 通过 LiteLLM 网关实现 OpenAI Codex 的集中控制
AWS 详细介绍了一种在 Amazon ECS 和 Amazon Bedrock 上使用 LiteLLM 设置 OpenAI 的 ChatGPT Codex 的方法。此方法允许组织为生成式 AI 编码代理实施集中的企业级控制，管理模型访问、消耗归因、预算和速率限制。该解决方案涉及在 AWS 账户内部署客户操作的 LiteLLM 网关，该网关充当 Codex 和 Amazon Bedrock 之间的控制点，确保安全和受管理的模型交互。
-
llm-openrouter 插件 v0.7 增加了新工具和 OpenRouter LLM 兼容性
llm-openrouter 插件已更新至 0.7 版本，增强了其与 OpenRouter 上可用的推理 LLM 的兼容性，特别是与 LLM 版本 0.32。此次更新集成了 Responses API，并引入了三个新的服务器端工具：Shell、WebFetch 和 WebSearch，可以通过特定选项启用。该版本还引用了关于概念完整性、Qwen 3.8-27B 模型过度思考的倾向以及据称 OpenAI 与 Hugging Face 相…
-
OpenAI Assistants API 弃用截止日期设定在 2026 年 8 月
OpenAI 将弃用其 Assistants API，关闭日期定于 2026 年 8 月 26 日。建议开发者迁移到新的 Responses API 和 Conversations API，它们将取代旧的功能。迁移不仅涉及代码更改；还需要仔细处理对话状态、工具使用、文件管理和成本控制，以确保平稳过渡并保留面向用户的行为。
-
OpenAI 发布 GPT-5.6 构建者指南，用于构建高性价比的 AI 代理 · 跟踪 4 个来源
OpenAI 发布了其 GPT-5.6 模型的构建者指南，为初创公司提供技术见解。该指南侧重于通过实现更智能的模型选择和引入 Responses API 等新工具，来构建更具成本效益和更快的 AI 代理。该资源旨在帮助开发人员有效地利用 GPT-5.6 进行生产应用。
-
DeepSeek V4 Flash的性能取决于运行时，而非模型本身
最近的一项分析表明，像DeepSeek-V4 Flash这样的AI模型的性能在很大程度上取决于运行时环境，而不是模型本身。作者认为，一个有效的AI Agent是模型潜力乘以运行时实现率的产物。这个实现率受到协议匹配、工具可靠性、上下文管理和接受标准等因素的影响。文章指出，DeepSeek的V4 Flash已被适配到Codex等特定运行时，并支持Responses API等功能，这表明这些是产品适配，而非普遍的模型改进。
-
DeepSeek V4-Flash通过后训练增强，获得Agent API支持
DeepSeek 更新了其 DeepSeek-V4-Flash 模型，重点在于后训练增强，而非架构更改或参数扩展。此修订版模型现已通过 API 提供，在 Terminal Bench 2.1 和 DeepSWE 等 Agent 特定基准测试中表现出改进的性能，尽管部分结果是使用专有工具和内部数据集实现的。此次更新还引入了对 Responses API 的原生支持，简化了与 Codex 等 Agent 框架的集成。
-
OpenAI 披露 API 设置将 GPT-5.6 Sol 基准分数提升 188%
OpenAI 详细介绍了特定的 API 设置如何显著影响基准性能，特别是对其 GPT-5.6 "Sol" 模型。通过 Responses API 启用 "保留推理" 和 "上下文压缩"，GPT-5.6 Sol 在 ARC-AGI-3 基准测试中的分数提高了 188%，同时使用的输出 token 减少了六倍。OpenAI 认为，这些设置以及适当的框架设计和提示对于准确评估模型至关重要，尤其是在内存和上下文管理是关键的长期代理任务中。
-
AI Gateway 通过 WebSocket 支持为代理提升 OpenAI API 速度
AI Gateway 已为 OpenAI Responses API 集成了 WebSocket 支持，该支持允许持久连接。据 OpenAI 称，这一增强功能旨在促进多轮代理工作流，并已在涉及超过 20 次工具调用的代理部署中将执行速度提高了高达 40%。
-
OpenAI推出安全MCP隧道以集成私有服务器
OpenAI推出了一项安全MCP隧道功能，允许ChatGPT和Codex等模型安全地与私有或本地MCP服务器进行交互。此功能利用一个开源代理，建立一个仅出站的HTTPS连接到OpenAI，无需入站防火墙端口或公共监听器。该隧道的推出解决了将MCP服务器公开相关的重大安全风险，正如Adversa AI发现的在线大量未经身份验证且易受攻击的MCP服务所指出的那样。
-
开发者利用 Qwen Cloud 构建自主销售代理，优化速度和效率
一位开发者详细介绍了构建一个自主销售代理的过程，该代理旨在自动化 B2B 销售任务，如研究和外展。该代理是为 Global AI Hackathon Series 使用 Qwen Cloud 和 Alibaba Cloud 构建的，面临着多项工程挑战。解决方案包括优化网络搜索的 Token 使用量，为高并发工具调用实施混合方法，以及修复影响向量嵌入的环境变量解析问题。
-
OpenAI 的 Responses API 缺乏音频支持，用户寻求时间表
用户正在询问将音频功能集成到 OpenAI 的 Responses API 中。目前，音频文件上传仅支持 Completions API，而 Responses API 的音频支持则列为“即将推出”。一个主要问题是，在无状态环境中，每次消息都需要重新上传音频，这对于互联网带宽有限的用户来说可能是一个问题。
-
AI 开发转向本地基础设施，云服务发生变化
由于计费、API 功能和政府指令的变化，AI 开发正从云服务转向本地基础设施。GitHub 的 Copilot 正在转向与代理任务的 token 消耗挂钩的按使用量计费，而 OpenAI 则通过内置工具和远程执行功能增强其 Responses API。Anthropic 的 Fable/Mythos 模型因美国政府的出口管制指令而面临访问暂停，凸显了远程模型访问的不稳定性。这一趋势表明，开发人员需要考虑 AI 代理的运行位置、模型选择…
-
Node.js集成OpenAI Responses API指南
一个开发者指南演示了如何将OpenAI的Responses API集成到Node.js应用程序中。本教程涵盖了设置客户端、使用系统指令以获得稳定行为以及通过先前的对话轮次实现少样本提示。它还详细介绍了流式响应、通过模式生成结构化JSON输出以及将Markdown转换为安全HTML等高级功能。
-
OpenAI Responses API 与自定义 RAG：LLM开发者的权衡
现在，开发具有文档检索功能的 LLM 应用程序的开发者主要有两种途径：利用 OpenAI 的 Responses API 及其内置文件搜索功能，或者构建自定义的检索增强生成 (RAG) 管道。Responses API 提供了一种快速、零运维的解决方案，可立即部署，但牺牲了对嵌入模型、分块策略和成本可见性的控制。相反，自定义 RAG 管道虽然需要更多的工程投入，但提供了对检索过程的完全所有权，能够对嵌入、向量存储和查询逻辑进行微调，以…
-
OpenAI API 用户询问输入令牌优化参数
一位 Reddit 用户正在询问 OpenAI 的 Responses API 中的一个参数的功能。问题的核心在于该参数是否可以通过防止重复传输相同信息来优化成本，特别是在 AI 模型越来越大的上下文窗口成本不断增加的背景下。
-
AI 工具增强工作流：WebSocket API、视频生成和简历构建
一位开发者通过添加 WebSocket 支持增强了 Responses API，旨在减少冗余任务并改善 Codex 等 AI agent 的上下文管理，可能将工作流效率提高高达 40%。另外，一位用户对 Grok 4.3 的推出表示不满，指出缺少图像生成质量模式以及 X Premium 订阅用户在可访问性方面存在问题。另一位用户分享了对一项新视频生成功能的积极评价，强调了其在创建具有一致角色和资产的短片方面的易用性。最后，分享了一个 …
-
从模型到代理：为 Responses API 配备计算机环境
OpenAI 通过集成计算机环境增强了其 Responses API，使模型能够充当能够执行复杂工作流的代理。这项新功能允许模型在隔离的工作空间中与命令行工具交互、运行各种编程语言以及访问受限的网络资源。此次更新还引入了图像生成和改进的文件搜索等新的内置工具，以及用于后台处理和加密数据处理的功能，旨在提高可靠性和开发人员效率。