Bouwen met CometAPIHeb je één API voor meerdere modellen nodig?Test de workflow in Playground en maak daarna een API-sleutel aan wanneer het model en de kosten passen bij je use case.
Hoe gebruik je de GPT-6.1 Sol API met CometAPI, met behulp van cURL, Python, JavaScript, de Responses API, redeneringsinstellingen, tools, streaming, caching en best practices.
Deon GoodwinOnderzoeksteam voor AI-modellen en API
GPT-6.1 Sol is OpenAI’s redeneermodel voor complexe code, computergebruik en professionele workflows. Vergeleken met GPT-6 Sol daalt de officiële Standard-prijs voor cache-reads in korte context van $0.20 naar $0.10 per miljoen tokens. Tool-workflows vereisen Responses, en reasoning op ‘none’ wordt niet ondersteund. Deze wijzigingen zijn belangrijk bij het migreren van agents en het inschatten van de kosten van herbruikbare context. Begin met een kleine aanvraag en evalueer daarna de kwaliteit van geaccepteerde taken, latentie en totale kosten.
Key Takeaways
Gebruik de Responses API voor tool-calling en valideer de compatibiliteit van de aanvraag op je CometAPI-route.
Start op medium effort, vergelijk daarna low, high, xhigh en max op representatieve taken; none en minimal worden niet ondersteund.
Het 1,05M-token contextvenster is een capaciteitslimiet, geen doel voor elke aanvraag.
Houd cache-reads, cache-writes, reasoning-output en long-context-prijzen bij bij het inschatten van kosten.
Gecontroleerd op duidelijkheid, bronvermelding en actuele API-terminologie.
Promoot het model op basis van kwaliteit van geaccepteerde taken, latentie en kosten, niet alleen op benchmarkscores.
What Is GPT-6.1 Sol & What Are Its API Specifications?
GPT-6.1 Sol is OpenAI’s nieuwere Sol-model voor complexe coding, computergebruik en professioneel werk. OpenAI beschrijft de rol als near-Astra capability at a lower cost. Ontwikkelaars hebben toegang tot de GPT-6.1 Sol API in CometAPI via de compatibele route die voor hun account is ingeschakeld.
Specificatie
GPT-6.1 Sol
Aanbieder
OpenAI
Modelfamilie
GPT-6
Contextvenster
1,050,000 tokens
Maximale output
128,000 tokens
Kennissnede
30 april 2026
Invoer
Tekst, afbeeldingen
Uitvoer
Tekst
Redeneerinspanning
low, medium, high, xhigh, max
Streaming
Ondersteund
Gestructureerde output
Ondersteund
Functie-aanroepen
Ondersteund via Responses API
Belangrijkste endpoints
Responses, Chat Completions, Batch
Best geschikt voor
Coderen, agents, computergebruik, professioneel werk
Tekst- en afbeeldinginvoer leveren tekstuitvoer op. Capaciteiten op modelniveau garanderen niet dat elke gateway-route alle gehoste tools, state-managementopties of verwerkingstiers exposeert. Bevestig routesupport vóór adoptie.
How Do You Access GPT-6.1 Sol API Through CometAPI?
Prerequisites
Een CometAPI-account, API-sleutel, modeltoegang en beschikbare factureringsbalans.
Een terminal met cURL, of een Python/Node.js-runtime en de OpenAI SDK.
De ingeschakelde Responses-endpoint, model-ID gpt-6.1-sol, en netwerktoegang tot https://api.cometapi.com.
Een server-side COMETAPI_KEY-omgevingsvariabele.
Een korte testprompt en een acceptatiecontrole voor output, completion state en usage.
Stel de OpenAI SDK base URL in op https://api.cometapi.com/v1. De Responses-voorbeelden hieronder volgen OpenAI’s aanvraagschema en gaan ervan uit dat je CometAPI-account /v1/responses voor gpt-6.1-sol exposeert. Alleen modelbeschikbaarheid bewijst niet dat elk OpenAI-gehost kenmerk wordt ondersteund. Bevestig de ingeschakelde endpoint in je account en valideer één kleine aanvraag vóór je tools, streaming of caching adopteert.
Step 1: Store the API Key
export COMETAPI_KEY="YOUR_COMETAPI_KEY"
$env:COMETAPI_KEY="YOUR_COMETAPI_KEY"
Bewaar de sleutel aan de serverzijde en buiten gecommit(e) bronbestanden.
Step 2: Make the First Responses Request
Voor GPT-6.1 Sol is Responses API de betere default omdat dezelfde aanvraagarchitectuur later met tools kan worden uitgebreid.
curl "https://api.cometapi.com/v1/responses" \
-H "Content-Type: application/json" \
-H "Authorization: Bearer ${COMETAPI_KEY}" \
-d '{
"model": "gpt-6.1-sol",
"input": "Review this API architecture and identify the three highest-risk failure modes.",
"reasoning": {
"effort": "medium"
}
}'
model: selecteert GPT-6.1 Sol.
input: bevat de gebruikersaanvraag of gestructureerde inputitems.
reasoning.effort: bepaalt hoeveel redeneercompute het model moet gebruiken.
De huidige modelcatalogus van CometAPI identificeert gpt-6.1-sol als beschikbaar. Bevestig accounttoegang en de ingeschakelde endpoint vóór productiesourcing; deze catalogusstatus bewijst niet dat elke door OpenAI gehoste feature wordt ondersteund.
Step 3: Use the OpenAI Python SDK
pip install openai
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["COMETAPI_KEY"],
base_url="https://api.cometapi.com/v1",
)
response = client.responses.create(
model="gpt-6.1-sol",
input=(
"Analyze this microservice design and propose a migration plan "
"that minimizes downtime."
),
reasoning={"effort": "medium"},
)
print(response.output_text)
Het bewaren van de API-sleutel en base URL in configuratie in plaats van in businesslogica maakt het eenvoudiger later modellen of providers te wijzigen. Configureer voor een productieclient ook expliciete timeouts, begrensde retries, request tracing en usage logging.
Step 4: Use JavaScript in Node.js
npm install openai
import OpenAI from "openai";
const client = new OpenAI({
apiKey: process.env.COMETAPI_KEY,
baseURL: "https://api.cometapi.com/v1",
});
const response = await client.responses.create({
model: "gpt-6.1-sol",
input: "Inspect this backend architecture and propose a fault-tolerant deployment plan.",
reasoning: { effort: "medium" },
});
console.log(response.output_text);
Voer het JavaScriptvoorbeeld uit in een Node.js ES-module, zoals een .mjs-bestand. Inspecteer responsstatus en usage voordat je een aanvraag als geaccepteerd behandelt.
Hoogst-waarde taken waar extra redeneerkosten gerechtvaardigd zijn
Gebruik reasoning.effort om low, medium, high, xhigh of max in te stellen. De tabel is een redactioneel startpunt voor werkbelasting. Evalueer kwaliteit en latentie voordat je een setting kiest.
response = client.responses.create(
model="gpt-6.1-sol",
input="""
A distributed job scheduler occasionally executes the same task twice.
Diagnose plausible race conditions and propose a verification plan.
""",
reasoning={"effort": "high"},
)
print(response.output_text)
Stel niet elke aanvraag standaard in op max. Hogere reasoning kan latentie en gegenereerde reasoning-tokens verhogen zonder eenvoudige taken te verbeteren. Een betere productiestrategie is om taalsuccesratio, retries, latentie en tokenkosten over meerdere reasoning-instellingen te meten.
Preserve State Across Tool Turns
Ga door met de oorspronkelijke input en alle response output-items voordat je toolresultaten retourneert. Als je geschiedenis zelf beheert, behoud reasoning- en function-call-items in plaats van alleen output_text te bewaren. Controleer routesupport voordat je vertrouwt op server-side responsopslag of previous_response_id.
How Do You Stream GPT-6.1 Sol Responses, Use Tools, and Apply Caching?
Stream Long Responses
stream = client.responses.create(
model="gpt-6.1-sol",
input="Explain how to redesign a monolith for gradual service extraction.",
reasoning={"effort": "medium"},
stream=True,
)
for event in stream:
if event.type == "response.output_text.delta":
print(event.delta, end="", flush=True)
onderbroken verbindingen
gedupliceerde retries
gedeeltelijke output
timeouts
lege events
clientannulering
definitieve usage-accounting
Run Tool Calls Through Responses
Definieer functies met het Responses-tool-schema. Het model vraagt de functie aan; jouw applicatie valideert argumenten, past autorisatie toe, voert uit en retourneert een function_call_output met de bijbehorende call_id. Een schema verleent geen toestemming om een actie uit te voeren.
tools = [
{
"type": "function",
"name": "get_order_status",
"description": "Get the current status of an order.",
"parameters": {
"type": "object",
"properties": {
"order_id": {"type": "string"}
},
"required": ["order_id"],
"additionalProperties": False
}
}
]
response = client.responses.create(
model="gpt-6.1-sol",
input="Where is order A-18421?",
tools=tools,
reasoning={"effort": "medium"},
)
Detecteer de tool-call.
Valideer de argumenten.
Voer de externe functie uit.
Retourneer het toolresultaat aan het model.
Ga door totdat de taak een geldige completion state bereikt.
Het model haalt de noodzaak voor autorisatie op applicatieniveau, schemavalidatie, timeouts, idempotentie of auditlogs niet weg.
Dit voorbeeld toont de eerste toolaanvraag. Een volledige agentloop moet ook elk response output-item toevoegen, het toolresultaat teruggeven, verdere calls afhandelen en stoppen na een geconfigureerde iteratielimiet.
Cache Stable Context
Houd systeminstructies, tooldefinities en referentiemateriaal stabiel vóór dynamische gebruikersinvoer. OpenAI documenteert explicit cache boundaries. Cache-writes worden apart gefactureerd. Bevestig de overeenkomstige controles op jouw route en inspecteer usage in plaats van aan te nemen dat elke herhaalde prompt de cache raakt.
Stable instructions
Stable tool schemas
Stable reference material
--- reusable prefix ---
Current request
Current retrieved evidence
Send Images and Select Relevant Document Context
GPT-6.1 Sol accepteert tekst- en afbeeldinginvoer, met tekstuitvoer. Het 1,05M-tokenvenster staat grote invoer toe, maar selecteer de bestanden en passages die relevant zijn voor de taak; verifieer de limieten van jouw route en meet latentie en kosten naarmate de context groeit. Vervang in het onderstaande voorbeeld https://example.com/screenshot.png door een publiek toegankelijke afbeelding die jij beheert; de placeholder is geen werkend testasset.
response = client.responses.create(
model="gpt-6.1-sol",
input=[
{
"role": "user",
"content": [
{"type": "input_text", "text": "Find the likely cause of this UI failure."},
{"type": "input_image", "image_url": "https://example.com/screenshot.png"}
]
}
],
reasoning={"effort": "high"},
)
Een grote context betekent niet dat elke beschikbare token bij elke aanvraag moet worden verzonden. Retrieval, chunkselectie, promptcaching en contextcompactie kunnen nog steeds latentie en kosten verlagen en relevante evidence makkelijker vindbaar maken voor het model.
Handle Completion and Retained State
Leg responsstatus, incompletedetails, weigeringen en toolfouten vast als applicatiestaten. Bevestig de retentie- en opslagvoorwaarden van de gateway voordat je vertrouwelijke documenten verstuurt of vertrouwt op persistente conversatiestaat.
GPT-6.1 Sol vs GPT-6 Sol vs GPT-6 Astra
De routingrollen hieronder zijn richtlijnen voor werkbelasting. Vergelijk elk model met dezelfde acceptatiecontroles. Tokenprijzen getoond zijn OpenAI Standard short-context-tarieven; jouw gateway kan afwijken.
Dimensie
GPT-6.1 Sol
GPT-6 Sol
GPT-6 Astra
Positionering
Near-Astra complex werk
Originele Sol-tier
Hoogste GPT-6-capaciteit
Context
1.05M
1.05M
1.05M
Max output
128K
128K
128K
Officiële input
$2/M
$2/M
$10/M
Officiële cached input
$0.10/M
$0.20/M
$1/M
Officiële output
$10/M
$10/M
$50/M
none reasoning
No
Yes
No
Tool-georiënteerde API
Responses
Responses preferred
Responses
Beste API-fit
Complexe productieagents
Bestaande Sol-workloads
Hoogst-waarde frontier-workloads
Invoer / uitvoer
Tekst en afbeeldingen / tekst
Tekst en afbeeldingen / tekst
Tekst en afbeeldingen / tekst
Architectuuronthulling
Voor de vergelijking documenteert OpenAI GPT-6 Sol specificaties en GPT-6 Astra specificaties. De tabel beschrijft API-capaciteiten en workloadpositionering; het stelt geen gemeten codeerprestatie-ranking vast.
De vergelijking scheidt modelpositionering van meetbare productie-uitkomsten. Cache-reads in korte context kosten minder voor GPT-6.1 Sol dan voor GPT-6 Sol, terwijl hun officiële tarieven voor nieuwe invoer en output ongewijzigd zijn. Vergelijk taalsucces, latentie en totale kosten op dezelfde evaluatieset voordat je een route kiest.
What Changed From GPT-6 Sol to GPT-6.1 Sol API?
Dimensie
GPT-6 Sol
GPT-6.1 Sol
Migratieactie
none reasoning
Supported
Unsupported
Start op low als je oude baseline none gebruikte
Tool-calling in Chat Completions
Alleen op none effort
Niet beschikbaar
Verplaats de toolloop naar Responses
Officiële cached-input-prijs, korte context
$0.20 / MTok
$0.10 / MTok
Herijk cache-economie
Officiële input / output, korte context
$2 / $10 per MTok
$2 / $10 per MTok
Vergelijk totale taskkosten
OpenAI vereist Responses voor GPT-6.1 Sol tool-calling. De reasoning-instellingen verschillen ook van GPT-6 Sol. Test outputparsing en requestparameters opnieuw voordat je een oudere configuratie hergebruikt.
How Much Does GPT-6.1 Sol API Cost on OpenAI and CometAPI?
OpenAI’s Standard-tokenprijzen zijn de providerreferentie. De CometAPI-catalogus publiceert een afzonderlijk tokenprijsschema. Onderstaande tarieven zijn per miljoen tokens; verifieer de drempel, verwerkingstier, cacherregels en factureringsvoorwaarden van de geselecteerde route voordat je budgetteert.
Tokencategorie
OpenAI Standard: maximaal 272K invoer
OpenAI Standard: >272K invoer
CometAPI: korte context
CometAPI: lange context
Nieuwe invoer / MTok
$2.00
$4.00
$1.60
$3.20
Gebufferde invoer / MTok
$0.10
$0.20
$0.08
$0.16
Cache-write / MTok
$2.50
$5.00
$2.00
$4.00
Output / MTok
$10.00
$15.00
$8.00
$12.00
Lange-contexttarieven gelden voor de volledige aanvraag wanneer de invoer de drempel overschrijdt. Cache-writes, tool-calls, retries, verwerkingstiers en regionale toeslagen kunnen het totaal veranderen. Outputkosten omvatten gefactureerde reasoning-tokens.
Input context: 900,000 cached + 100,000 fresh = 1,000,000 tokens
Billed output: 20,000 tokens, including reasoning
Cached input: 0.9 x $0.20 = $0.18
Fresh input: 0.1 x $4.00 = $0.40
Output: 0.02 x $15.00 = $0.30
Token subtotal: $0.88
Excluded: new cache writes, tools, retries, and other premiums
Tarieven gecontroleerd op 30 september 2026 tegen de CometAPI-modelcatalogus en officiële OpenAI-documentatie. Het voorbeeld van $0.88 hierboven gebruikt OpenAI Standard long-context-tarieven. Met de CometAPI-tarieven voor lange context uit de catalogus is dezelfde tokensubtotaal $0.704: $0.144 voor gebufferde invoer + $0.32 voor nieuwe invoer + $0.24 voor gefactureerde output. Beide voorbeelden sluiten nieuwe cache-writes, tools, retries en aanvullende toeslagen uit.
Maximize Stable Prompt Prefixes
Houd herbruikbaar materiaal zo dicht mogelijk bij het begin van de aanvraag, zodat stabiele instructies en toolschemas waarschijnlijker profiteren van caching.
Route Easy Tasks Elsewhere
Gebruik geen hoog-reasoningmodel voor elke stap van een workflow. Routeer classificatie en extractie naar lagere-kosten modellen, complexe planning naar GPT-6.1 Sol en alleen kritieke escalaties naar Astra.
Use the Lowest Reasoning Effort That Meets the Target
Als medium een workload even betrouwbaar oplost als xhigh, levert extra reasoningskost geen zakelijke waarde op.
Track Cost per Successful Task
Voor een agent is deze metric vaak nuttiger dan dollars per miljoen tokens. Een goedkoper model dat drie retries nodig heeft kan duurder zijn dan een sterker model dat in één keer slaagt.
Classification -> lower-cost model
Extraction -> lower-cost model
Complex planning -> GPT-6.1 Sol
Critical escalation -> GPT-6 Astra
How Do You Migrate From GPT-6 Sol to GPT-6.1 Sol API?
Gebruik een omkeerbare uitrol en acceptatiedrempels. OpenAI’s parametermigratieregels specificeren wijzigingen in effort, tool-calling en niet-ondersteunde samplingvelden.
Audit Reasoning Effort
Als een bestaande GPT-6 Sol-aanvraag reasoning_effort: none gebruikt, kan die niet direct worden gekopieerd naar GPT-6.1 Sol. Start met low en valideer de workload.
Audit Tool Calling
Als je GPT-6 Sol-applicatie Chat Completions tool-calls gebruikt, migreer de agentloop naar Responses API in plaats van aan te nemen dat het oude toolpad geldig blijft.
Remove Unsupported Sampling Parameters
Wanneer redeneereffort is ingeschakeld, verwijder temperature, top_p en top_logprobs. Verwijder in Chat Completions ook logprobs. Verwijder in Responses message.output_text.logprobs uit include. Kopieer niet mechanisch het volledige requestobject van een ouder model.
Re-run Production Evaluations
Vergelijk completion rate, ongeldige tool-calls, aantal retries, p50/p95 latentie, invoertokens, cached input, output- en reasoning-tokens, en kosten per geaccepteerde taak.
Bewaar de vorige configuratie voor rollback.
Stel model in op gpt-6.1-sol en behoud de vorige effort indien ondersteund.
Verplaats toolgebaseerde Chat Completions-loops naar Responses.
Verwijder niet-ondersteunde sampling/logprob-opties uit reasoning-aanvragen.
Speel representatieve tools-, afbeeldingen-, streaming- en large-context-taken opnieuw af.
Vergelijk geaccepteerde outputs, toolcorrectheid, latentie, cachegebruik en totale taskkosten.
Laat een kleine traffic-share canary draaien voordat je uitbreidt.
How Do You Troubleshoot Common GPT-6.1 Sol API Errors?
Symptoom
Controle of actie
400: unsupported effort
Vervang none of minimal door een ondersteunde setting; begin bij low voor migratie
Tool-call faalt op Chat Completions
Gebruik Responses en zijn functie-/toolresultaatschema
400: unsupported sampling fields
Bekijk temperature-, top_p- en logprob-velden volgens de huidige reasoning-richtlijn
401 / 403
Controleer sleutel, permissies, accountbalans en modeltoegang
404: model of endpoint onbeschikbaar
Bevestig de exacte ingeschakelde gateway-route en model-ID
429 / retryable 5xx
Gebruik begrensde exponentiële backoff met jitter; respecteer Retry-After
Respons is incompleet of leeg
Inspecteer status, incompletedetails, weigering en output-items
Cache-misses of hogere dan verwachte kosten
Inspecteer prefixstabiliteit, cache-writes en long-contextdrempel
Stream onderbroken
Bewaar gedeeltelijke output; voorkom dubbele toolexecutie tijdens herstel
How Should You Evaluate and Use GPT-6.1 Sol API in Production?
Gebruik GPT-6.1 Sol wanneer een taak complexe redenering vereist over een grote repository, meerdere tools of substantiële documentcontext. Voorbeelden zijn coding- en migratiewerk, browser- of computer-use-automatisering, technische research en documentanalyse. Evalueer het op representatieve workflows en kies het wanneer kwaliteit en betrouwbaarheid van geaccepteerde taken voldoen tegen aanvaardbare latentie en kosten.
Voor korte classificatie, extractie, herschrijven en repetitieve high-volume taken: test eerst een kleiner model. Routeer moeilijkere taken naar GPT-6.1 Sol alleen wanneer het sterkere model het resultaat voldoende verbetert om de kosten te rechtvaardigen. Vergelijk totale kosten per geaccepteerde taak, inclusief API-usage, reasoning-output, cache-writes, tool-executie en retries, in plaats van te vertrouwen op tokenprijzen of benchmarkscores alleen.
Define Production Acceptance Checks
Gebruik gepubliceerde benchmarks voor screening en meet vervolgens de workflows die jouw applicatie daadwerkelijk uitvoert. Houd prompts, tooltoegang, reasoningeffect, retrybeleid en acceptatiecontroles vast wanneer je modellen vergelijkt.
Evaluatiegebied
Acceptatiecontrole voor productie
Repository-coding
Patch werkt; relevante tests slagen; geen niet-gerelateerde edits
Business-automatisering
Vereiste workflow voltooit met correcte toolargumenten
Computergebruik
Doel bereikt met correcte zichtbare staat en begrensde acties
Wetenschappelijk of technisch werk
Resultaat ondersteund door evidence en reproduceerbare berekeningen
Documentanalyse
Claims herleiden naar invoerpassages; output doorstaat review
Rapporteer evaluatieversie, omgeving, steekproefgrootte, effort-setting, taalsucces, latentie en totale kosten samen. Een benchmarkwinst toont geen universele productieverbetering aan.
Voor agents die externe systemen kunnen muteren, voeg expliciete autorisatiegrenzen toe. Een toolschema vertelt het model hoe een actie aan te vragen; het bepaalt niet of het model die actie mag uitvoeren.
Example: Resolve a Repository Test Failure
Lever de falende test, relevante code en verwacht gedrag. Vraag om een gerichte patch en een regressiecheck. Keur goed wanneer de fout reproduceerbaar is opgelost, relevante tests slagen en niet-gerelateerde bestanden onaangeroerd blijven. Meet API-, tool- en retrykosten per geaccepteerde patch.
Example: Analyze a Document Revision
Lever de goedgekeurde originele en herziene documenten. Vraag om gewijzigde verplichtingen met passageverwijzingen, verantwoordelijkheden en uitzonderingen. Vereis dat een reviewer elke gerapporteerde wijziging verifieert voordat procedures worden bijgewerkt of getroffen teams worden geïnformeerd.
Conclusion
GPT-6.1 Sol richt zich op complexe coding, computergebruik en professionele workflows. Het contextvenster van 1,05M tokens, 128K maximale output, vijf reasoning-levels en Responses-gebaseerde tool-workflow maken het geschikt voor langlopende agents. Het officiële cache-readtarief voor korte context is de helft van dat van GPT-6 Sol. Valideer de resulterende kwaliteit, latentie en totale kosten op je eigen taken in plaats van een universele prestatiewinst te veronderstellen.
Voor ontwikkelaars die GPT-6.1 Sol API in CometAPI gebruiken, is de praktische workflow eenvoudig: behoud de OpenAI-compatibele clientarchitectuur, configureer de CometAPI base URL en API-sleutel, gebruik de juiste GPT-6.1 Sol model-ID en bouw nieuwe agentworkflows rond Responses API.
De deploybeslissing moet afhangen van kwaliteit van geaccepteerde taken en totale kosten, inclusief retries, tool-executie, cache-writes en reasoning-output. Gebruik dezelfde evaluatieset vóór en na migratie en breid verkeer pas uit wanneer de nieuwe configuratie aan je acceptatiedrempels voldoet.
FAQ
How Can a GPT-6.1 Sol Agent Resume After a Worker Restart?
Bewaar de jobidentifier, requestconfiguratie, records van voltooide stappen en alle conversatie-items die nodig zijn voor voortzetting. Controleer vóór het opnieuw afspelen van een toolactie of deze al voltooid is en veilig te herhalen. Transcriptopslag alleen maakt externe operaties niet idempotent.
How Should Teams Rotate GPT-6.1 Sol API Keys Without Downtime?
Laad credentials uit een server-side secret manager. Als overlappende sleutels worden ondersteund, valideer eerst een vervangende sleutel, schakel workers geleidelijk over, monitor authenticatiefouten en trek de oude sleutel in na de overgang. Leg geen van beide sleutels vast in logs of client-side code.
How Should GPT-6.1 Sol Evaluations Handle Prompt Changes?
Versieer prompts en voer na elke materiële wijziging een vaste evaluatieset uit. Houd model, route, effort en tooltoegang vast bij het isoleren van het effect van een prompt. Vergelijk kwaliteit van geaccepteerde taken en totale kosten; behoud de vorige prompt als de nieuwe versie de acceptatiedrempel niet haalt.
