GPT-5.6 Terra Pro bezeichnet OpenAIs GPT-5.6 Terra mit Pro-Reasoning. Terra ist die GPT-5.6-Reasoning-Stufe für praktische Aufgaben und entspricht ungefähr der Mini-Stufe früherer GPT-5-Familien. Das Basismodell nimmt Text und Bilder entgegen und erzeugt Text. Im Pro-Modus leistet das Modell zusätzliche Arbeit zur Entwicklung der endgültigen Antwort; Terra bleibt dabei die ausgewählte Basisedition.
Eine beispielhafte Aufgabe ist der Vergleich zweier Dokumente anhand festgelegter Anforderungen. Stellen Sie beide Texte bereit, benennen Sie, welche Version oder welcher Abschnitt Vorrang hat, und definieren Sie die relevanten Kriterien. Fordern Sie die Übereinstimmungen, die Unterschiede und die klärungsbedürftigen Fragen an. Sie können eine Vergleichstabelle mit einer anschließenden kurzen Empfehlung verlangen, die ihre Bedingungen ausdrücklich nennt. Eine fehlende Aussage sollte als fehlende Information gekennzeichnet werden und nicht als eine vom Modell ergänzte Tatsache.
Terra lässt sich auch für Aufgaben einsetzen, die eine schriftliche Anfrage mit einer Richtlinie oder technischen Erklärung verbinden. Stellen Sie die relevanten Regeln bereit und fordern Sie eine Antwort in einer bestimmten Form an, etwa als Brief, als Zusammenstellung von Feldern oder als Plan für die nächste Handlung. Wenn ein Bild wesentliche Belege enthält, benennen Sie das zu prüfende Detail und geben Sie den für seine Interpretation nötigen Kontext an. Geben Sie bei einer technischen Frage das beobachtete und das erwartete Verhalten zusammen mit dem relevanten Code oder der Beschreibung an.
Die GPT-5.6 Terra-Spezifikation des Herstellers nennt ein Kontextfenster von 1.050.000 Token, eine maximale Eingabe von 922.000 Token und eine maximale Ausgabe von 128.000 Token. Der dokumentierte Wissensstand ist der 16. Februar 2026. Das Basismodell unterstützt den Reasoning-Aufwand none, low, medium, high, xhigh und max; medium ist der Standardwert. Pro-Modus und Aufwand sind unabhängige Einstellungen, und das Kontextbudget nimmt neben Quellenmaterial und endgültiger Antwort auch das Reasoning auf.
OpenAI dokumentiert Pro in der Responses API für schwierige Aufgaben, bei denen zusätzliche Latenz und Modellaktivität möglich sind. Das Basismodell unterstützt Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Bildeingaben und Prompt-Caching. Der Hersteller nennt außerdem Werkzeuge zur Bilderzeugung, einen Code-Interpreter, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung, MCP-Verbindungen und Werkzeugsuche. Eine Anwendung stellt ihre Vorgänge bereit, führt sie aus und liefert ihre Ergebnisse zurück; die Textantwort des Modells ist von diesen ausgeführten Aktionen getrennt.
Richten Sie die Anfrage an einem Abschlusskriterium aus. Benennen Sie beim Dokumentvergleich die Belege, die jede Schlussfolgerung benötigt, und fordern Sie eine separate Auflistung offener Punkte an. Legen Sie beim Verfassen einer Antwort die erforderlichen Fakten und die nächste Handlung des Lesers fest. Ein nützliches Endergebnis ist ein strukturierter Vergleich oder Antwortvorschlag, dessen wesentliche Aussagen sich auf das bereitgestellte Material zurückführen lassen und der einen gezielten Folgeschritt ermöglicht.
", "aboutText": "GPT-5.6 Terra Pro bezeichnet OpenAIs GPT-5.6 Terra mit Pro-Reasoning. Terra ist die GPT-5.6-Reasoning-Stufe für praktische Aufgaben und entspricht ungefähr der Mini-Stufe früherer GPT-5-Familien. Das Basismodell nimmt Text und Bilder entgegen und erzeugt Text. Im Pro-Modus leistet das Modell zusätzliche Arbeit zur Entwicklung der endgültigen Antwort; Terra bleibt dabei die ausgewählte Basisedition.\n\nEine beispielhafte Aufgabe ist der Vergleich zweier Dokumente anhand festgelegter Anforderungen. Stellen Sie beide Texte bereit, benennen Sie, welche Version oder welcher Abschnitt Vorrang hat, und definieren Sie die relevanten Kriterien. Fordern Sie die Übereinstimmungen, die Unterschiede und die klärungsbedürftigen Fragen an. Sie können eine Vergleichstabelle mit einer anschließenden kurzen Empfehlung verlangen, die ihre Bedingungen ausdrücklich nennt. Eine fehlende Aussage sollte als fehlende Information gekennzeichnet werden und nicht als eine vom Modell ergänzte Tatsache.\n\nTerra lässt sich auch für Aufgaben einsetzen, die eine schriftliche Anfrage mit einer Richtlinie oder technischen Erklärung verbinden. Stellen Sie die relevanten Regeln bereit und fordern Sie eine Antwort in einer bestimmten Form an, etwa als Brief, als Zusammenstellung von Feldern oder als Plan für die nächste Handlung. Wenn ein Bild wesentliche Belege enthält, benennen Sie das zu prüfende Detail und geben Sie den für seine Interpretation nötigen Kontext an. Geben Sie bei einer technischen Frage das beobachtete und das erwartete Verhalten zusammen mit dem relevanten Code oder der Beschreibung an.\n\nDie GPT-5.6 Terra-Spezifikation des Herstellers nennt ein Kontextfenster von 1.050.000 Token, eine maximale Eingabe von 922.000 Token und eine maximale Ausgabe von 128.000 Token. Der dokumentierte Wissensstand ist der 16. Februar 2026. Das Basismodell unterstützt den Reasoning-Aufwand none, low, medium, high, xhigh und max; medium ist der Standardwert. Pro-Modus und Aufwand sind unabhängige Einstellungen, und das Kontextbudget nimmt neben Quellenmaterial und endgültiger Antwort auch das Reasoning auf.\n\nOpenAI dokumentiert Pro in der Responses API für schwierige Aufgaben, bei denen zusätzliche Latenz und Modellaktivität möglich sind. Das Basismodell unterstützt Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Bildeingaben und Prompt-Caching. Der Hersteller nennt außerdem Werkzeuge zur Bilderzeugung, einen Code-Interpreter, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung, MCP-Verbindungen und Werkzeugsuche. Eine Anwendung stellt ihre Vorgänge bereit, führt sie aus und liefert ihre Ergebnisse zurück; die Textantwort des Modells ist von diesen ausgeführten Aktionen getrennt.\n\nRichten Sie die Anfrage an einem Abschlusskriterium aus. Benennen Sie beim Dokumentvergleich die Belege, die jede Schlussfolgerung benötigt, und fordern Sie eine separate Auflistung offener Punkte an. Legen Sie beim Verfassen einer Antwort die erforderlichen Fakten und die nächste Handlung des Lesers fest. Ein nützliches Endergebnis ist ein strukturierter Vergleich oder Antwortvorschlag, dessen wesentliche Aussagen sich auf das bereitgestellte Material zurückführen lassen und der einen gezielten Folgeschritt ermöglicht.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Compare a revised operating rule\n\nCompare these operating instructions, giving Revision B priority. [A] Supervisors approve every stock adjustment. [B] Supervisors approve adjustments above 20 units; smaller adjustments require a recorded reason. A request changes stock by 12 units and has no reason. Explain the governing rule, missing information and proposed reply to the requester.A rule comparison, a case-specific finding and a short request for the missing recorded reason.Ensure the priority of B is applied and the 12-unit case is not automatically approved.gpt-5.6-terra-proGPT-5.6 Terra mit Pro-Reasoning für praktische Aufgaben, die von einer eingehenderen Analyse profitieren. Vergleichen Sie bereitgestellte Dokumente, legen Sie Regeln aus oder entwickeln Sie aus Text und Bildmaterial eine strukturierte Antwort.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-5.6 Terra Pro bezeichnet OpenAIs GPT-5.6 Terra mit Pro-Reasoning. Terra ist die GPT-5.6-Reasoning-Stufe für praktische Aufgaben und entspricht ungefähr der Mini-Stufe früherer GPT-5-Familien. Das Basismodell nimmt Text und Bilder entgegen und erzeugt Text. Im Pro-Modus leistet das Modell zusätzliche Arbeit zur Entwicklung der endgültigen Antwort; Terra bleibt dabei die ausgewählte Basisedition.
Eine beispielhafte Aufgabe ist der Vergleich zweier Dokumente anhand festgelegter Anforderungen. Stellen Sie beide Texte bereit, benennen Sie, welche Version oder welcher Abschnitt Vorrang hat, und definieren Sie die relevanten Kriterien. Fordern Sie die Übereinstimmungen, die Unterschiede und die klärungsbedürftigen Fragen an. Sie können eine Vergleichstabelle mit einer anschließenden kurzen Empfehlung verlangen, die ihre Bedingungen ausdrücklich nennt. Eine fehlende Aussage sollte als fehlende Information gekennzeichnet werden und nicht als eine vom Modell ergänzte Tatsache.
Terra lässt sich auch für Aufgaben einsetzen, die eine schriftliche Anfrage mit einer Richtlinie oder technischen Erklärung verbinden. Stellen Sie die relevanten Regeln bereit und fordern Sie eine Antwort in einer bestimmten Form an, etwa als Brief, als Zusammenstellung von Feldern oder als Plan für die nächste Handlung. Wenn ein Bild wesentliche Belege enthält, benennen Sie das zu prüfende Detail und geben Sie den für seine Interpretation nötigen Kontext an. Geben Sie bei einer technischen Frage das beobachtete und das erwartete Verhalten zusammen mit dem relevanten Code oder der Beschreibung an.
Die GPT-5.6 Terra-Spezifikation des Herstellers nennt ein Kontextfenster von 1.050.000 Token, eine maximale Eingabe von 922.000 Token und eine maximale Ausgabe von 128.000 Token. Der dokumentierte Wissensstand ist der 16. Februar 2026. Das Basismodell unterstützt den Reasoning-Aufwand none, low, medium, high, xhigh und max; medium ist der Standardwert. Pro-Modus und Aufwand sind unabhängige Einstellungen, und das Kontextbudget nimmt neben Quellenmaterial und endgültiger Antwort auch das Reasoning auf.
OpenAI dokumentiert Pro in der Responses API für schwierige Aufgaben, bei denen zusätzliche Latenz und Modellaktivität möglich sind. Das Basismodell unterstützt Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Bildeingaben und Prompt-Caching. Der Hersteller nennt außerdem Werkzeuge zur Bilderzeugung, einen Code-Interpreter, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung, MCP-Verbindungen und Werkzeugsuche. Eine Anwendung stellt ihre Vorgänge bereit, führt sie aus und liefert ihre Ergebnisse zurück; die Textantwort des Modells ist von diesen ausgeführten Aktionen getrennt.
Richten Sie die Anfrage an einem Abschlusskriterium aus. Benennen Sie beim Dokumentvergleich die Belege, die jede Schlussfolgerung benötigt, und fordern Sie eine separate Auflistung offener Punkte an. Legen Sie beim Verfassen einer Antwort die erforderlichen Fakten und die nächste Handlung des Lesers fest. Ein nützliches Endergebnis ist ein strukturierter Vergleich oder Antwortvorschlag, dessen wesentliche Aussagen sich auf das bereitgestellte Material zurückführen lassen und der einen gezielten Folgeschritt ermöglicht.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gpt-5.6-terra-pro | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
Feldmessages[].content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream |
Parametercontrol_scope | VertragTextgespräch; stream ist ein boolescher Wert und standardmäßig false. |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Methodenaliasnamen: /chat/completions
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.024 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272 000 | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.024 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als272 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.036 / 1K Tokens Eingabe · Cache lesen $0.0008 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5.6-terra-pro","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gpt-5.6-terra-pro", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra gpt-5.6-terra-pro, openai/gpt-5.6-terra-pro
/chat/completions
gpt-5.6-terra-proGPT-5.6 Terra mit Pro-Reasoning für praktische Aufgaben, die von einer eingehenderen Analyse profitieren. Vergleichen Sie bereitgestellte Dokumente, legen Sie Regeln aus oder entwickeln Sie aus Text und Bildmaterial eine strukturierte Antwort.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-5.6 Terra Pro bezeichnet OpenAIs GPT-5.6 Terra mit Pro-Reasoning. Terra ist die GPT-5.6-Reasoning-Stufe für praktische Aufgaben und entspricht ungefähr der Mini-Stufe früherer GPT-5-Familien. Das Basismodell nimmt Text und Bilder entgegen und erzeugt Text. Im Pro-Modus leistet das Modell zusätzliche Arbeit zur Entwicklung der endgültigen Antwort; Terra bleibt dabei die ausgewählte Basisedition.
Eine beispielhafte Aufgabe ist der Vergleich zweier Dokumente anhand festgelegter Anforderungen. Stellen Sie beide Texte bereit, benennen Sie, welche Version oder welcher Abschnitt Vorrang hat, und definieren Sie die relevanten Kriterien. Fordern Sie die Übereinstimmungen, die Unterschiede und die klärungsbedürftigen Fragen an. Sie können eine Vergleichstabelle mit einer anschließenden kurzen Empfehlung verlangen, die ihre Bedingungen ausdrücklich nennt. Eine fehlende Aussage sollte als fehlende Information gekennzeichnet werden und nicht als eine vom Modell ergänzte Tatsache.
Terra lässt sich auch für Aufgaben einsetzen, die eine schriftliche Anfrage mit einer Richtlinie oder technischen Erklärung verbinden. Stellen Sie die relevanten Regeln bereit und fordern Sie eine Antwort in einer bestimmten Form an, etwa als Brief, als Zusammenstellung von Feldern oder als Plan für die nächste Handlung. Wenn ein Bild wesentliche Belege enthält, benennen Sie das zu prüfende Detail und geben Sie den für seine Interpretation nötigen Kontext an. Geben Sie bei einer technischen Frage das beobachtete und das erwartete Verhalten zusammen mit dem relevanten Code oder der Beschreibung an.
Die GPT-5.6 Terra-Spezifikation des Herstellers nennt ein Kontextfenster von 1.050.000 Token, eine maximale Eingabe von 922.000 Token und eine maximale Ausgabe von 128.000 Token. Der dokumentierte Wissensstand ist der 16. Februar 2026. Das Basismodell unterstützt den Reasoning-Aufwand none, low, medium, high, xhigh und max; medium ist der Standardwert. Pro-Modus und Aufwand sind unabhängige Einstellungen, und das Kontextbudget nimmt neben Quellenmaterial und endgültiger Antwort auch das Reasoning auf.
OpenAI dokumentiert Pro in der Responses API für schwierige Aufgaben, bei denen zusätzliche Latenz und Modellaktivität möglich sind. Das Basismodell unterstützt Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Bildeingaben und Prompt-Caching. Der Hersteller nennt außerdem Werkzeuge zur Bilderzeugung, einen Code-Interpreter, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung, MCP-Verbindungen und Werkzeugsuche. Eine Anwendung stellt ihre Vorgänge bereit, führt sie aus und liefert ihre Ergebnisse zurück; die Textantwort des Modells ist von diesen ausgeführten Aktionen getrennt.
Richten Sie die Anfrage an einem Abschlusskriterium aus. Benennen Sie beim Dokumentvergleich die Belege, die jede Schlussfolgerung benötigt, und fordern Sie eine separate Auflistung offener Punkte an. Legen Sie beim Verfassen einer Antwort die erforderlichen Fakten und die nächste Handlung des Lesers fest. Ein nützliches Endergebnis ist ein strukturierter Vergleich oder Antwortvorschlag, dessen wesentliche Aussagen sich auf das bereitgestellte Material zurückführen lassen und der einen gezielten Folgeschritt ermöglicht.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gpt-5.6-terra-pro | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.024 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272 000 | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.024 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als272 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.036 / 1K Tokens Eingabe · Cache lesen $0.0008 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "gpt-5.6-terra-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.6-terra-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.6-terra-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra gpt-5.6-terra-pro, openai/gpt-5.6-terra-pro
/chat/completions
openai/gpt-5.6-terra-proGPT-5.6 Terra mit Pro-Reasoning für praktische Aufgaben, die von einer eingehenderen Analyse profitieren. Vergleichen Sie bereitgestellte Dokumente, legen Sie Regeln aus oder entwickeln Sie aus Text und Bildmaterial eine strukturierte Antwort.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-5.6 Terra Pro bezeichnet OpenAIs GPT-5.6 Terra mit Pro-Reasoning. Terra ist die GPT-5.6-Reasoning-Stufe für praktische Aufgaben und entspricht ungefähr der Mini-Stufe früherer GPT-5-Familien. Das Basismodell nimmt Text und Bilder entgegen und erzeugt Text. Im Pro-Modus leistet das Modell zusätzliche Arbeit zur Entwicklung der endgültigen Antwort; Terra bleibt dabei die ausgewählte Basisedition.
Eine beispielhafte Aufgabe ist der Vergleich zweier Dokumente anhand festgelegter Anforderungen. Stellen Sie beide Texte bereit, benennen Sie, welche Version oder welcher Abschnitt Vorrang hat, und definieren Sie die relevanten Kriterien. Fordern Sie die Übereinstimmungen, die Unterschiede und die klärungsbedürftigen Fragen an. Sie können eine Vergleichstabelle mit einer anschließenden kurzen Empfehlung verlangen, die ihre Bedingungen ausdrücklich nennt. Eine fehlende Aussage sollte als fehlende Information gekennzeichnet werden und nicht als eine vom Modell ergänzte Tatsache.
Terra lässt sich auch für Aufgaben einsetzen, die eine schriftliche Anfrage mit einer Richtlinie oder technischen Erklärung verbinden. Stellen Sie die relevanten Regeln bereit und fordern Sie eine Antwort in einer bestimmten Form an, etwa als Brief, als Zusammenstellung von Feldern oder als Plan für die nächste Handlung. Wenn ein Bild wesentliche Belege enthält, benennen Sie das zu prüfende Detail und geben Sie den für seine Interpretation nötigen Kontext an. Geben Sie bei einer technischen Frage das beobachtete und das erwartete Verhalten zusammen mit dem relevanten Code oder der Beschreibung an.
Die GPT-5.6 Terra-Spezifikation des Herstellers nennt ein Kontextfenster von 1.050.000 Token, eine maximale Eingabe von 922.000 Token und eine maximale Ausgabe von 128.000 Token. Der dokumentierte Wissensstand ist der 16. Februar 2026. Das Basismodell unterstützt den Reasoning-Aufwand none, low, medium, high, xhigh und max; medium ist der Standardwert. Pro-Modus und Aufwand sind unabhängige Einstellungen, und das Kontextbudget nimmt neben Quellenmaterial und endgültiger Antwort auch das Reasoning auf.
OpenAI dokumentiert Pro in der Responses API für schwierige Aufgaben, bei denen zusätzliche Latenz und Modellaktivität möglich sind. Das Basismodell unterstützt Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Bildeingaben und Prompt-Caching. Der Hersteller nennt außerdem Werkzeuge zur Bilderzeugung, einen Code-Interpreter, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung, MCP-Verbindungen und Werkzeugsuche. Eine Anwendung stellt ihre Vorgänge bereit, führt sie aus und liefert ihre Ergebnisse zurück; die Textantwort des Modells ist von diesen ausgeführten Aktionen getrennt.
Richten Sie die Anfrage an einem Abschlusskriterium aus. Benennen Sie beim Dokumentvergleich die Belege, die jede Schlussfolgerung benötigt, und fordern Sie eine separate Auflistung offener Punkte an. Legen Sie beim Verfassen einer Antwort die erforderlichen Fakten und die nächste Handlung des Lesers fest. Ein nützliches Endergebnis ist ein strukturierter Vergleich oder Antwortvorschlag, dessen wesentliche Aussagen sich auf das bereitgestellte Material zurückführen lassen und der einen gezielten Folgeschritt ermöglicht.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-5.6-terra-pro | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.024 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272 000 | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.024 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als272 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.036 / 1K Tokens Eingabe · Cache lesen $0.0008 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.6-terra-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-5.6-terra-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-5.6-terra-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra gpt-5.6-terra-pro, openai/gpt-5.6-terra-pro
/chat/completions
openai/gpt-5.6-terra-proGPT-5.6 Terra mit Pro-Reasoning für praktische Aufgaben, die von einer eingehenderen Analyse profitieren. Vergleichen Sie bereitgestellte Dokumente, legen Sie Regeln aus oder entwickeln Sie aus Text und Bildmaterial eine strukturierte Antwort.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-5.6 Terra Pro bezeichnet OpenAIs GPT-5.6 Terra mit Pro-Reasoning. Terra ist die GPT-5.6-Reasoning-Stufe für praktische Aufgaben und entspricht ungefähr der Mini-Stufe früherer GPT-5-Familien. Das Basismodell nimmt Text und Bilder entgegen und erzeugt Text. Im Pro-Modus leistet das Modell zusätzliche Arbeit zur Entwicklung der endgültigen Antwort; Terra bleibt dabei die ausgewählte Basisedition.
Eine beispielhafte Aufgabe ist der Vergleich zweier Dokumente anhand festgelegter Anforderungen. Stellen Sie beide Texte bereit, benennen Sie, welche Version oder welcher Abschnitt Vorrang hat, und definieren Sie die relevanten Kriterien. Fordern Sie die Übereinstimmungen, die Unterschiede und die klärungsbedürftigen Fragen an. Sie können eine Vergleichstabelle mit einer anschließenden kurzen Empfehlung verlangen, die ihre Bedingungen ausdrücklich nennt. Eine fehlende Aussage sollte als fehlende Information gekennzeichnet werden und nicht als eine vom Modell ergänzte Tatsache.
Terra lässt sich auch für Aufgaben einsetzen, die eine schriftliche Anfrage mit einer Richtlinie oder technischen Erklärung verbinden. Stellen Sie die relevanten Regeln bereit und fordern Sie eine Antwort in einer bestimmten Form an, etwa als Brief, als Zusammenstellung von Feldern oder als Plan für die nächste Handlung. Wenn ein Bild wesentliche Belege enthält, benennen Sie das zu prüfende Detail und geben Sie den für seine Interpretation nötigen Kontext an. Geben Sie bei einer technischen Frage das beobachtete und das erwartete Verhalten zusammen mit dem relevanten Code oder der Beschreibung an.
Die GPT-5.6 Terra-Spezifikation des Herstellers nennt ein Kontextfenster von 1.050.000 Token, eine maximale Eingabe von 922.000 Token und eine maximale Ausgabe von 128.000 Token. Der dokumentierte Wissensstand ist der 16. Februar 2026. Das Basismodell unterstützt den Reasoning-Aufwand none, low, medium, high, xhigh und max; medium ist der Standardwert. Pro-Modus und Aufwand sind unabhängige Einstellungen, und das Kontextbudget nimmt neben Quellenmaterial und endgültiger Antwort auch das Reasoning auf.
OpenAI dokumentiert Pro in der Responses API für schwierige Aufgaben, bei denen zusätzliche Latenz und Modellaktivität möglich sind. Das Basismodell unterstützt Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Bildeingaben und Prompt-Caching. Der Hersteller nennt außerdem Werkzeuge zur Bilderzeugung, einen Code-Interpreter, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung, MCP-Verbindungen und Werkzeugsuche. Eine Anwendung stellt ihre Vorgänge bereit, führt sie aus und liefert ihre Ergebnisse zurück; die Textantwort des Modells ist von diesen ausgeführten Aktionen getrennt.
Richten Sie die Anfrage an einem Abschlusskriterium aus. Benennen Sie beim Dokumentvergleich die Belege, die jede Schlussfolgerung benötigt, und fordern Sie eine separate Auflistung offener Punkte an. Legen Sie beim Verfassen einer Antwort die erforderlichen Fakten und die nächste Handlung des Lesers fest. Ein nützliches Endergebnis ist ein strukturierter Vergleich oder Antwortvorschlag, dessen wesentliche Aussagen sich auf das bereitgestellte Material zurückführen lassen und der einen gezielten Folgeschritt ermöglicht.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-5.6-terra-pro | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.024 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272 000 | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.024 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben $0.005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als272 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Tokens Ausgabe · Ausgabetoken $0.036 / 1K Tokens Eingabe · Cache lesen $0.0008 / 1K Tokens Eingabe · In Cache schreiben $0.01 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "openai/gpt-5.6-terra-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.6-terra-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.6-terra-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra gpt-5.6-terra-pro, openai/gpt-5.6-terra-pro
/chat/completions
Technisches Beispiel auf Englisch
Compare a revised operating rule\n\nCompare these operating instructions, giving Revision B priority. [A] Supervisors approve every stock adjustment. [B] Supervisors approve adjustments above 20 units; smaller adjustments require a recorded reason. A request changes stock by 12 units and has no reason. Explain the governing rule, missing information and proposed reply to the requester.A rule comparison, a case-specific finding and a short request for the missing recorded reason.Ensure the priority of B is applied and the 12-unit case is not automatically approved.