GPT-5.1 常见问题与解决方案：我踩过的坑和最后的解法

起因：一个让我抓狂的下午

上周我在给公司的客服系统做升级，把后端从 GPT-4o 切到 GPT-5.1。本来以为是无缝替换，结果半天之内连续遇到四个问题：API 返回 400 错误、长文本总结开始“偷懒”、代码生成的输出总是被截断，还有推理模式响应慢得让人怀疑人生。

折腾了一天之后系统终于稳定了。这篇文章就是把我踩过的坑、搜到的文档、以及最终的解决方案整理出来，希望你别再走我的弯路。

问题一：升级后 API 直接报 400

切换模型后第一件事，我把原来的请求原封不动发过去，结果收到：

{
  "error": {
    "message": "Invalid parameter: 'response_format' is not supported with this model",
    "type": "invalid_request_error"
  }
}

原因：GPT-5.1 系列对结构化输出的处理方式变了。以前用 response_format: { "type": "json_object" } 的老写法，现在推荐用 text.format 参数，或者直接用结构化输出的 JSON Schema 模式。

解决方案：

response = client.responses.create(
    model="gpt-5.1",
    input="从这段评论中提取情感倾向和关键词",
    text={
        "format": {
            "type": "json_schema",
            "name": "sentiment_result",
            "schema": {
                "type": "object",
                "properties": {
                    "sentiment": {"type": "string"},
                    "keywords": {"type": "array", "items": {"type": "string"}}
                },
                "required": ["sentiment", "keywords"],
                "additionalProperties": False
            }
        }
    }
)

另外注意：如果你是从旧的 Chat Completions 接口迁移过来的，GPT-5.1 在 Responses API 上表现最好，官方文档也明确建议新项目用 Responses API。我当时是直接改成了 Responses API，顺便解决了后面遇到的几个其他问题。

问题二：长文本总结“偷懒”

让 GPT-5.1 总结一份 8000 字的行业报告，返回的结果明显比预期短，很多细节被跳过了。

我试过的错误方向：先在提示词里加“请详细总结”，没什么用；又加“至少写 1000 字”，稍微好一点但内容还是浮于表面。

真正有效的方案：GPT-5.1 有一个 reasoning_effort 参数，用来控制推理深度。对于需要仔细阅读长文的任务，把它调高：

response = client.responses.create(
    model="gpt-5.1",
    reasoning={"effort": "high"},  # 默认是 medium
    input=long_document + "\n\n请逐章节总结要点，每个章节单独列出"
)

把任务拆解成“逐章节”这样的明确步骤，再配合高推理力度，输出质量立刻就上来了。我的经验是：

简单任务（改写、翻译、格式转换）：用 low，省钱又快
常规任务：默认 medium
复杂分析、长文处理、多步推理：用 high

还有一个提示词层面的技巧：与其说“详细总结”，不如说“覆盖以下维度：核心论点、支撑数据、潜在风险、作者立场”。给模型一个清单，比给一个模糊的程度词有效得多。

问题三：代码生成被截断

生成一个 300 行左右的组件时，输出总在中间断掉，finish_reason 显示 length。

这是最经典的问题——max_output_tokens 不够。GPT-5.1 的推理模型会先消耗一部分 token 做内部推理，这部分也算在输出预算里，所以同样的限额，实际能写出来的内容比以前少了。

解决方案：

response = client.responses.create(
    model="gpt-5.1",
    max_output_tokens=16000,  # 给足余量
    input="..."
)

另一个思路是用 low 推理力度——写代码这类任务其实不太需要深度推理，降低推理开销后，同样的 token 预算能输出更多实际内容。我最后的做法是：代码生成任务用 low + 高 token 上限，分析任务才用 high。

问题四：响应太慢

开了 high 推理之后，连简单请求也要十几秒。这暴露了我的架构问题：所有请求都走了同一个配置。

最终方案是按任务路由：

def pick_model(task_type):
    if task_type in ("chat", "rewrite", "classify"):
        return "gpt-5.1-chat"       # 非推理，响应快
    if task_type == "quick_reasoning":
        return "gpt-5.1"            # 推理力度 low
    return "gpt-5.1"                # 复杂任务，high effort

GPT-5.1 系列里有面向不同场景的变体，轻量对话直接用非推理变体，延迟从十几秒降到两秒以内，用户体验完全不一样。

其他几个小坑

中文提示词的效果：GPT-5.1 对中文的理解比前代好很多，但我发现复杂指令用英文写、要求输出中文，遵循度还是略高一点。比如把"Always respond in Simplified Chinese"放在系统提示词末尾，比整段中文指令更稳。

工具调用的参数：从旧模型迁移时，functions 参数要换成 tools，tool_choice 的写法上也有细微变化。报错信息其实挺清楚的，照着改就行。

上下文遗忘：超长对话里，GPT-5.1 偶尔会忘记十几轮之前的约束（比如“始终用表格输出”）。解法是把关键约束放在系统提示词里，而不是第一轮对话里——系统提示词的权重明显更高。

实用建议汇总

新项目直接用 Responses API，别在 Chat Completions 上浪费迁移时间
reasoning_effort 是你最该学的参数，按任务难度分级使用，成本和速度差异巨大
给模糊的要求列清单，“详细”不如“覆盖 A、B、C 三个维度”
token 预算要留出推理开销，否则输出会莫名截断
关键约束放系统提示词，别指望模型记住第 1 轮说过的话

诚实的局限性评估

折腾下来我的整体感受是：GPT-5.1 在复杂推理和指令遵循上确实有进步，中文能力也让我印象深刻。但它不是“开箱即用就完美”——推理参数不调，你要么为简单任务多花钱，要么让复杂任务表现平庸。截断问题依然需要自己管理 token 预算，官方没有兜底。

另外，非推理变体和推理变体的能力边界需要你自己摸清楚。我建议拿真实的业务请求各跑二十条对比一下，这比我这里给的任何经验都可靠。毕竟我的场景是客服和文本分析，你的场景可能完全不同。

有其他坑欢迎交流，祝少踩坑。

GPT-5.1 常见问题与解决方案