长时间运行的 Responses API 请求可用 background: true 异步执行;GPT-6.2 Astra 可在 Standard 处理下申请 2h 或 8h 完成窗口,分别按符合资格的模型 token 费率享受低于 Standard 30% 或 40% 的折扣。
适合的任务:调用方可以等待、并希望异步处理的长任务或多轮 Agent 工作流。
不适合的任务:需要立即首 token 的交互;可一次性提交的独立批量请求应评估 Batch API。
适用的模型版本:GPT-6.2 Astra;指南列出的折扣窗口 public beta 模型还包括 GPT-6.2 Sol、GPT-6.1 Terra、GPT-6 Luna。
适用的客户端、Agent 或 API:Responses API。
推荐的推理档位和参数:本指南未给出推理档位建议。折扣窗口要求 Standard 处理:设置 service_tier: "default";若用 auto,只有 API 选择 Standard 时才符合资格。GPT-6.2 Astra 不提供 Flex processing。
创建一个 8 小时后台响应:
{
"model": "gpt-6.2-astra",
"input": "YOUR_TASK_INPUT",
"background": true,
"service_tier": "default",
"background_options": {
"completion_window": "8h"
}
}2h 和 8h 请求应省略 stream 或设为 false。单次响应可省略 background_options.continuation_id;需延续同一工作流时,由应用为该运行生成唯一 ID,并在后续请求中复用。
Python 轮询示例:
from time import sleep
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
model="gpt-6.2-astra",
input="YOUR_TASK_INPUT",
background=True,
service_tier="default",
background_options={"completion_window": "8h"},
)
while response.status in {"queued", "in_progress"}:
sleep(2)
response = client.responses.retrieve(response.id)
print(response.status, response.output_text)取消进行中的响应:
response = client.responses.cancel(response.id)
print(response.status)调用 POST /v1/responses,设置模型、输入和 background: true;保存返回的 response ID。
如需折扣窗口,指定 background_options.completion_window 为 2h 或 8h,并使用 Standard。默认 soonest 不享受窗口折扣,使用常规请求和 token 限额。
通过 webhook 订阅 response.completed 及应用需要处理的失败、不完整或取消事件;验签并用 webhook-id 去重。也可按 response ID 调用 retrieve,在 queued 或 in_progress 时继续等待,进入终态后停止轮询。
若需取消,调用 cancel。重复取消是幂等的,后续调用会返回最终 Response 对象。
多轮工作流的后续请求复用相同模型、处理层级、完成窗口、API project 和 continuation_id。前一响应仍可用时,以 previous_response_id 延续;若已过期,按原顺序传回原始输入和完整输出项(包括加密 reasoning items 及原 function call),再附上工具结果。
完成窗口表列出:soonest 为默认且无折扣;2h 为低于 Standard 30%;8h 为低于 Standard 40%。
折扣适用于每个符合条件请求的模型 token 费率,包括后续请求。窗口完成目标从 API 接受初始请求时开始,仅针对该响应;文档表述为目标时间。
符合折扣条件的请求须为 Standard。service_tier: "default" 选择 Standard;auto 只有在 API 选择 Standard 时才符合条件。
2h 和 8h 窗口与 Batch API 共用 Batch/Background Rate Limit;提交时计入输入 tokens。soonest 使用常规请求与 token 限额。
API 接受 2h 或 8h 请求后,会自动重试符合条件的容量错误;queued 或 in_progress 时沿用同一 response ID 等待 webhook 或轮询。
后台响应的首 token 延迟可能高于同步响应。2h/8h 窗口不可流式;soonest 可创建流式后台响应。
后台模式会暂时存储响应数据,即使 store: false 或组织使用 Zero Data Retention;文档说明这是为执行请求和供后续检索结果所需。所有窗口(soonest、2h、8h)的暂存请求内容均静态加密。
2h/8h 是完成目标,不是保证在该时限内完成。排队开始时间取决于调度。
折扣窗口仍处于 public beta;是否可用还取决于受支持模型、Standard 处理和 API 限额。指南没有给出账号级资格检查方法。
后台请求会暂存数据,即使设置 store: false 或启用 ZDR。此页面没有说明暂存的具体保留时长;隐私与数据控制细节应以其引用的 Data controls 文档为准。
标准请求不能复用由 2h/8h 后台请求创建的提示缓存条目,即使提示完全相同。
轮询示例中的 2 秒是文档代码示例,不是通用轮询频率要求。可接收 webhook 时,文档推荐用 webhook 获取完成通知。
本文依据 OpenAI 官方后台模式指南整理,未实际发送 API 请求。配置片段中的 YOUR_TASK_INPUT 需替换为应用输入;窗口、模型、服务层级和折扣均按页面原文记录。文档页面未注明发布日期及后台暂存保留时长。
GPT-6.2 Astra