GPT-5.6 Terra est le membre équilibré de la famille GPT-5.6 d’OpenAI. Il est conçu pour un travail qui combine un raisonnement performant et un usage pratique répété : programmation courante, analyse de documents, explications et étapes d’agents. Les entrées textuelles et visuelles conduisent à une sortie textuelle. Une bonne consigne donne à Terra le matériau à examiner, la décision ou la modification requise et la forme du résultat attendu.
Fournissez le code pertinent, le comportement observé et le comportement attendu après la correction. Un rapport d’erreur peut inclure l’entrée qui échoue, le message exact et la partie de l’application concernée. Demandez la logique affectée et un correctif ciblé, puis examinez la modification et les éléments probants utilisés pour la valider. Pour une question de conception, nommez les solutions possibles et les contraintes qui déterminent le choix.
Une capture d’écran peut ajouter des éléments probants visibles à une tâche logicielle. Identifiez l’état d’interface et ce qui doit changer, tout en préservant les étiquettes ou les données qui doivent rester correctes. L’image aide à expliquer le problème ; le résultat demandé peut toujours être une analyse textuelle, une proposition d’implémentation ou une modification de code effectuée par un outil connecté.
Pour une comparaison, étiquetez les sources fournies et définissez les critères à appliquer. Pour une extraction, nommez les champs, les unités et le traitement des valeurs manquantes. Terra prend en charge les sorties structurées, ce qui permet à une application de demander une forme de résultat définie. Validez cette forme ainsi que les valeurs qu’elle contient, surtout lorsqu’une valeur numérique ou une étiquette renvoyée déterminera une action ultérieure.
Le modèle prend aussi en charge les appels de fonctions. Définissez les outils que la tâche peut utiliser et gardez leurs observations renvoyées dans le contexte de travail. Un appel proposé et le résultat réel de l’outil ont des rôles différents : le premier décrit une action voulue, tandis que le second fournit des éléments probants pour l’étape suivante. Préservez cette distinction dans le résultat final.
OpenAI documente les choix d’effort de raisonnement none, low, medium, high, xhigh et max, avec medium par défaut. Choisissez la profondeur nécessaire pour résoudre la question et indiquez ce qui démontrerait une réponse utile. Une réponse finale concise peut tout de même suivre une analyse poussée d’un problème difficile.
Le concepteur indique une fenêtre de contexte de 1 050 000 jetons et jusqu’à 128 000 jetons de sortie. Organisez les grands ensembles de sources en sections nommées, conservez les informations qui affectent le résultat et gardez de la place pour la réponse. Conservez les identifiants de fichiers ou de passages afin que les conclusions restent liées au matériau d’origine.
La diffusion en continu est documentée, ainsi que la recherche web, la recherche dans les fichiers, la génération d’images, l’interprétation de code, les outils de ligne de commande et d’application de correctifs, l’utilisation de l’ordinateur et MCP dans l’environnement d’OpenAI doté d’outils. Une application expose les opérations dont elle a besoin et renvoie les éléments probants obtenus. La réponse directe de Terra est du texte ; les fichiers ou modifications produits par des outils doivent être examinés comme des résultats à part entière.
Une tâche utilement achevée laisse un résultat clair : la modification proposée ou appliquée, la comparaison ou l’enregistrement extrait, ainsi que les éléments probants de source ou de validation nécessaires pour l’évaluer.
", "aboutText": "GPT-5.6 Terra est le membre équilibré de la famille GPT-5.6 d’OpenAI. Il est conçu pour un travail qui combine un raisonnement performant et un usage pratique répété : programmation courante, analyse de documents, explications et étapes d’agents. Les entrées textuelles et visuelles conduisent à une sortie textuelle. Une bonne consigne donne à Terra le matériau à examiner, la décision ou la modification requise et la forme du résultat attendu.\n\n### Programmer une modification de comportement définie\n\nFournissez le code pertinent, le comportement observé et le comportement attendu après la correction. Un rapport d’erreur peut inclure l’entrée qui échoue, le message exact et la partie de l’application concernée. Demandez la logique affectée et un correctif ciblé, puis examinez la modification et les éléments probants utilisés pour la valider. Pour une question de conception, nommez les solutions possibles et les contraintes qui déterminent le choix.\n\nUne capture d’écran peut ajouter des éléments probants visibles à une tâche logicielle. Identifiez l’état d’interface et ce qui doit changer, tout en préservant les étiquettes ou les données qui doivent rester correctes. L’image aide à expliquer le problème ; le résultat demandé peut toujours être une analyse textuelle, une proposition d’implémentation ou une modification de code effectuée par un outil connecté.\n\n### Documents et réponses structurées\n\nPour une comparaison, étiquetez les sources fournies et définissez les critères à appliquer. Pour une extraction, nommez les champs, les unités et le traitement des valeurs manquantes. Terra prend en charge les sorties structurées, ce qui permet à une application de demander une forme de résultat définie. Validez cette forme ainsi que les valeurs qu’elle contient, surtout lorsqu’une valeur numérique ou une étiquette renvoyée déterminera une action ultérieure.\n\nLe modèle prend aussi en charge les appels de fonctions. Définissez les outils que la tâche peut utiliser et gardez leurs observations renvoyées dans le contexte de travail. Un appel proposé et le résultat réel de l’outil ont des rôles différents : le premier décrit une action voulue, tandis que le second fournit des éléments probants pour l’étape suivante. Préservez cette distinction dans le résultat final.\n\n### Raisonnement, contexte et outils disponibles\n\nOpenAI documente les choix d’effort de raisonnement none, low, medium, high, xhigh et max, avec medium par défaut. Choisissez la profondeur nécessaire pour résoudre la question et indiquez ce qui démontrerait une réponse utile. Une réponse finale concise peut tout de même suivre une analyse poussée d’un problème difficile.\n\nLe concepteur indique une fenêtre de contexte de 1 050 000 jetons et jusqu’à 128 000 jetons de sortie. Organisez les grands ensembles de sources en sections nommées, conservez les informations qui affectent le résultat et gardez de la place pour la réponse. Conservez les identifiants de fichiers ou de passages afin que les conclusions restent liées au matériau d’origine.\n\nLa diffusion en continu est documentée, ainsi que la recherche web, la recherche dans les fichiers, la génération d’images, l’interprétation de code, les outils de ligne de commande et d’application de correctifs, l’utilisation de l’ordinateur et MCP dans l’environnement d’OpenAI doté d’outils. Une application expose les opérations dont elle a besoin et renvoie les éléments probants obtenus. La réponse directe de Terra est du texte ; les fichiers ou modifications produits par des outils doivent être examinés comme des résultats à part entière.\n\nUne tâche utilement achevée laisse un résultat clair : la modification proposée ou appliquée, la comparaison ou l’enregistrement extrait, ainsi que les éléments probants de source ou de validation nécessaires pour l’évaluer.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Correct a numeric sort\n\nA JavaScript page sorts quantities with values.sort(), giving [1, 12, 3] for input [3, 12, 1]. Propose a focused change that returns ascending numeric order while leaving the original input array unchanged. Explain the cause and include checks for positive numbers, duplicates and negative values.A short JavaScript function or patch, an explanation and three representative checks.Verify the numeric comparator and a copied array are both present, so sorting does not mutate the caller input.gpt-5.6-terraGPT-5.6 Terra est le modèle GPT-5.6 équilibré d’OpenAI pour la programmation courante, le raisonnement et le travail des agents. Il combine la compréhension du texte et des images avec des sorties structurées, des appels de fonctions et un effort de raisonnement réglable dans une fenêtre de contexte de 1 050 000 jetons.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-5.6 Terra est le membre équilibré de la famille GPT-5.6 d’OpenAI. Il est conçu pour un travail qui combine un raisonnement performant et un usage pratique répété : programmation courante, analyse de documents, explications et étapes d’agents. Les entrées textuelles et visuelles conduisent à une sortie textuelle. Une bonne consigne donne à Terra le matériau à examiner, la décision ou la modification requise et la forme du résultat attendu.
Fournissez le code pertinent, le comportement observé et le comportement attendu après la correction. Un rapport d’erreur peut inclure l’entrée qui échoue, le message exact et la partie de l’application concernée. Demandez la logique affectée et un correctif ciblé, puis examinez la modification et les éléments probants utilisés pour la valider. Pour une question de conception, nommez les solutions possibles et les contraintes qui déterminent le choix.
Une capture d’écran peut ajouter des éléments probants visibles à une tâche logicielle. Identifiez l’état d’interface et ce qui doit changer, tout en préservant les étiquettes ou les données qui doivent rester correctes. L’image aide à expliquer le problème ; le résultat demandé peut toujours être une analyse textuelle, une proposition d’implémentation ou une modification de code effectuée par un outil connecté.
Pour une comparaison, étiquetez les sources fournies et définissez les critères à appliquer. Pour une extraction, nommez les champs, les unités et le traitement des valeurs manquantes. Terra prend en charge les sorties structurées, ce qui permet à une application de demander une forme de résultat définie. Validez cette forme ainsi que les valeurs qu’elle contient, surtout lorsqu’une valeur numérique ou une étiquette renvoyée déterminera une action ultérieure.
Le modèle prend aussi en charge les appels de fonctions. Définissez les outils que la tâche peut utiliser et gardez leurs observations renvoyées dans le contexte de travail. Un appel proposé et le résultat réel de l’outil ont des rôles différents : le premier décrit une action voulue, tandis que le second fournit des éléments probants pour l’étape suivante. Préservez cette distinction dans le résultat final.
OpenAI documente les choix d’effort de raisonnement none, low, medium, high, xhigh et max, avec medium par défaut. Choisissez la profondeur nécessaire pour résoudre la question et indiquez ce qui démontrerait une réponse utile. Une réponse finale concise peut tout de même suivre une analyse poussée d’un problème difficile.
Le concepteur indique une fenêtre de contexte de 1 050 000 jetons et jusqu’à 128 000 jetons de sortie. Organisez les grands ensembles de sources en sections nommées, conservez les informations qui affectent le résultat et gardez de la place pour la réponse. Conservez les identifiants de fichiers ou de passages afin que les conclusions restent liées au matériau d’origine.
La diffusion en continu est documentée, ainsi que la recherche web, la recherche dans les fichiers, la génération d’images, l’interprétation de code, les outils de ligne de commande et d’application de correctifs, l’utilisation de l’ordinateur et MCP dans l’environnement d’OpenAI doté d’outils. Une application expose les opérations dont elle a besoin et renvoie les éléments probants obtenus. La réponse directe de Terra est du texte ; les fichiers ou modifications produits par des outils doivent être examinés comme des résultats à part entière.
Une tâche utilement achevée laisse un résultat clair : la modification proposée ou appliquée, la comparaison ou l’enregistrement extrait, ainsi que les éléments probants de source ou de validation nécessaires pour l’évaluer.
POST /v1/messagestext, imagetext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gpt-5.6-terra | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring|content_block[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champsystem | Typestring|content_block[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites Minimum: 1 La limite s’applique à: Plafond exact du modèle ou de la fiche sélectionnés | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop_sequences | Typestring[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typetool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].name | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Outil fourni | Par défaut— |
Champtools[].description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].input_schema | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champthinking.type | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champthinking.budget_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champoutput_config.effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmetadata | Typeobject | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champcache_control | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Texte · Texte UTF8
messages[].content ou bloc type=text
Texte + image
{type:image,source:{type:base64,media_type,data}} ou source type=url
| Paramètre | Contrat |
|---|---|
Paramètrematerial_types | Contrattext, image |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratnull |
Paramètrecontent_type | Contratapplication/json |
Paramètretext_file_material | ContratContenu UTF-8 réel inséré comme texte ; les ID de fichier/URLs nécessitent une prise en charge distincte et exacte |
Cycle de vie : exact retained published method
Les structures des méthodes et les ID sont exacts ; la capacité du fournisseur est distincte de l’admission des requêtes.
POST /v1/messages| Taille de la requête, en tokens | Entrée | Sortie | Lecture du cache | Écriture dans le cache | Cache 5 min | Cache 1 h |
|---|---|---|---|---|---|---|
| Taille de la requête, en tokens(0; 272 000] | Entrée0,002 USD | Sortie0,012 USD | Lecture du cache0,0002 USD | Écriture dans le cache0,0025 USD | Cache 5 min0,0025 USD | Cache 1 hTarif de base : — |
| Taille de la requête, en tokens(272 000; ∞) | Entrée0,004 USD | Sortie0,018 USD | Lecture du cache0,0004 USD | Écriture dans le cache0,005 USD | Cache 5 min0,005 USD | Cache 1 hTarif de base : — |
Tarifs en USD par 1K jetons. Si aucun tarif n’est défini, le tarif de base de cette méthode est hérité ; «—» signifie qu’aucun tarif de base n’est défini.
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
Les barèmes de référence du modèle ne modifient ni la sélection de méthode, ni les devis, ni les coûts. Les frais actifs utilisent les tarifs de la méthode Ailoot sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationOpenAI Chat · Tarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationOpenAI Chat · Palier 1 selon la longueur de la requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluse272 000 | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationOpenAI Chat · Palier 2 selon la longueur de la requête | Barème tarifaire— | Jetons de contexte, plus de272 000 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.008 / 1K jetons Sortie · Jetons en sortie $0.036 / 1K jetons Entrée · Lecture du cache $0.0008 / 1K jetons Entrée · Écriture dans le cache $0.01 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationAnthropic Messages · Tarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationAnthropic Messages · Palier 1 selon la longueur de la requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluse272 000 | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationAnthropic Messages · Palier 2 selon la longueur de la requête | Barème tarifaire— | Jetons de contexte, plus de272 000 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.008 / 1K jetons Sortie · Jetons en sortie $0.036 / 1K jetons Entrée · Lecture du cache $0.0008 / 1K jetons Entrée · Écriture dans le cache $0.01 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-5.6-terra", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-5.6-terra", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gpt-5.6-terra",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gpt-5.6-terra",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='gpt-5.6-terra',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les ID réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot gpt-5.6-terra
Ailoot Ultra gpt-5.6-terra, openai/gpt-5.6-terra, ~openai/gpt-terra-latest
/chat/completions
openai/gpt-5.6-terra, ~openai/gpt-terra-latest, gpt-5.6-terra, gpt-5.6-terra
gpt-5.6-terraGPT-5.6 Terra est le modèle GPT-5.6 équilibré d’OpenAI pour la programmation courante, le raisonnement et le travail des agents. Il combine la compréhension du texte et des images avec des sorties structurées, des appels de fonctions et un effort de raisonnement réglable dans une fenêtre de contexte de 1 050 000 jetons.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-5.6 Terra est le membre équilibré de la famille GPT-5.6 d’OpenAI. Il est conçu pour un travail qui combine un raisonnement performant et un usage pratique répété : programmation courante, analyse de documents, explications et étapes d’agents. Les entrées textuelles et visuelles conduisent à une sortie textuelle. Une bonne consigne donne à Terra le matériau à examiner, la décision ou la modification requise et la forme du résultat attendu.
Fournissez le code pertinent, le comportement observé et le comportement attendu après la correction. Un rapport d’erreur peut inclure l’entrée qui échoue, le message exact et la partie de l’application concernée. Demandez la logique affectée et un correctif ciblé, puis examinez la modification et les éléments probants utilisés pour la valider. Pour une question de conception, nommez les solutions possibles et les contraintes qui déterminent le choix.
Une capture d’écran peut ajouter des éléments probants visibles à une tâche logicielle. Identifiez l’état d’interface et ce qui doit changer, tout en préservant les étiquettes ou les données qui doivent rester correctes. L’image aide à expliquer le problème ; le résultat demandé peut toujours être une analyse textuelle, une proposition d’implémentation ou une modification de code effectuée par un outil connecté.
Pour une comparaison, étiquetez les sources fournies et définissez les critères à appliquer. Pour une extraction, nommez les champs, les unités et le traitement des valeurs manquantes. Terra prend en charge les sorties structurées, ce qui permet à une application de demander une forme de résultat définie. Validez cette forme ainsi que les valeurs qu’elle contient, surtout lorsqu’une valeur numérique ou une étiquette renvoyée déterminera une action ultérieure.
Le modèle prend aussi en charge les appels de fonctions. Définissez les outils que la tâche peut utiliser et gardez leurs observations renvoyées dans le contexte de travail. Un appel proposé et le résultat réel de l’outil ont des rôles différents : le premier décrit une action voulue, tandis que le second fournit des éléments probants pour l’étape suivante. Préservez cette distinction dans le résultat final.
OpenAI documente les choix d’effort de raisonnement none, low, medium, high, xhigh et max, avec medium par défaut. Choisissez la profondeur nécessaire pour résoudre la question et indiquez ce qui démontrerait une réponse utile. Une réponse finale concise peut tout de même suivre une analyse poussée d’un problème difficile.
Le concepteur indique une fenêtre de contexte de 1 050 000 jetons et jusqu’à 128 000 jetons de sortie. Organisez les grands ensembles de sources en sections nommées, conservez les informations qui affectent le résultat et gardez de la place pour la réponse. Conservez les identifiants de fichiers ou de passages afin que les conclusions restent liées au matériau d’origine.
La diffusion en continu est documentée, ainsi que la recherche web, la recherche dans les fichiers, la génération d’images, l’interprétation de code, les outils de ligne de commande et d’application de correctifs, l’utilisation de l’ordinateur et MCP dans l’environnement d’OpenAI doté d’outils. Une application expose les opérations dont elle a besoin et renvoie les éléments probants obtenus. La réponse directe de Terra est du texte ; les fichiers ou modifications produits par des outils doivent être examinés comme des résultats à part entière.
Une tâche utilement achevée laisse un résultat clair : la modification proposée ou appliquée, la comparaison ou l’enregistrement extrait, ainsi que les éléments probants de source ou de validation nécessaires pour l’évaluer.
POST /v1/responsestext, imagetext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gpt-5.6-terra | Par défaut— |
Champinput | Typestring|input_item[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champinput[].type | Typestring | ExigenceFacultatif | Valeurs et limites message, reasoning, function_call, function_call_output | Par défaut— |
Champinput[].content | Typestring|content_part[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champinput[].call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: function_call_output ; conservez le call_id réellement renvoyé | Par défaut— |
Champinput[].output | Typestring|content_part[] | ExigenceFacultatif | Valeurs et limites S’applique lorsque: function_call_output | Par défaut— |
Champmax_output_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typetool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning.effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning.summary | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtext.format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtext.verbosity | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinclude | Typestring[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstore | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprevious_response_id | Typestring | ExigenceFacultatif | Valeurs et limites Exigence relative à l’ID: Uniquement un ID de réponse réel provenant d’une continuation prise en charge Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_key | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Texte · Texte UTF8
Texte d’entrée ou partie input_text
Texte + image
{type:input_image,image_url}
| Paramètre | Contrat |
|---|---|
Paramètrematerial_types | Contrattext, image |
Paramètrerequired | Contratmodel, input |
Paramètreoptional_controls | Contratnull |
Paramètrecontent_type | Contratapplication/json |
Paramètretext_file_material | ContratContenu UTF-8 réel inséré comme texte ; les ID de fichier/URLs nécessitent une prise en charge distincte et exacte |
Cycle de vie : exact retained published method
Les structures des méthodes et les ID sont exacts ; la capacité du fournisseur est distincte de l’admission des requêtes.
POST /v1/responses| Taille de la requête, en tokens | Entrée | Sortie | Lecture du cache | Écriture dans le cache | Cache 5 min | Cache 1 h |
|---|---|---|---|---|---|---|
| Taille de la requête, en tokens(0; 272 000] | Entrée0,002 USD | Sortie0,012 USD | Lecture du cache0,0002 USD | Écriture dans le cache0,0025 USD | Cache 5 min0,0025 USD | Cache 1 hTarif de base : — |
| Taille de la requête, en tokens(272 000; ∞) | Entrée0,004 USD | Sortie0,018 USD | Lecture du cache0,0004 USD | Écriture dans le cache0,005 USD | Cache 5 min0,005 USD | Cache 1 hTarif de base : — |
Tarifs en USD par 1K jetons. Si aucun tarif n’est défini, le tarif de base de cette méthode est hérité ; «—» signifie qu’aucun tarif de base n’est défini.
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
Les barèmes de référence du modèle ne modifient ni la sélection de méthode, ni les devis, ni les coûts. Les frais actifs utilisent les tarifs de la méthode Ailoot sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationOpenAI Chat · Tarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationOpenAI Chat · Palier 1 selon la longueur de la requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluse272 000 | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationOpenAI Chat · Palier 2 selon la longueur de la requête | Barème tarifaire— | Jetons de contexte, plus de272 000 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.008 / 1K jetons Sortie · Jetons en sortie $0.036 / 1K jetons Entrée · Lecture du cache $0.0008 / 1K jetons Entrée · Écriture dans le cache $0.01 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationAnthropic Messages · Tarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationAnthropic Messages · Palier 1 selon la longueur de la requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluse272 000 | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationAnthropic Messages · Palier 2 selon la longueur de la requête | Barème tarifaire— | Jetons de contexte, plus de272 000 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.008 / 1K jetons Sortie · Jetons en sortie $0.036 / 1K jetons Entrée · Lecture du cache $0.0008 / 1K jetons Entrée · Écriture dans le cache $0.01 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-5.6-terra", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-5.6-terra", "input": [{"role": "user", "content": [{"type": "input_text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["input"][0]["content"].append({"type":"input_image","image_url":"data:"+mime+";base64,"+b64})\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="gpt-5.6-terra", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "gpt-5.6-terra", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="gpt-5.6-terra", input="Explain the difference between an observation and a hypothesis 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_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque élément de sortie et chaque partie de contenu, le call_id réel de l’appel de fonction, le raisonnement chiffré et les données d’utilisation. En diffusion en continu, conservez l’identité complète des événements et des éléments.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champstatus | Typestring |
Champoutput[] | Typemessage|reasoning|function_call|other item |
Champoutput[].content[] | Typecontent part |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot gpt-5.6-terra
Ailoot Ultra gpt-5.6-terra, openai/gpt-5.6-terra, ~openai/gpt-terra-latest
/chat/completions
openai/gpt-5.6-terra, ~openai/gpt-terra-latest, gpt-5.6-terra, gpt-5.6-terra
gpt-5.6-terraGPT-5.6 Terra est le modèle GPT-5.6 équilibré d’OpenAI pour la programmation courante, le raisonnement et le travail des agents. Il combine la compréhension du texte et des images avec des sorties structurées, des appels de fonctions et un effort de raisonnement réglable dans une fenêtre de contexte de 1 050 000 jetons.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-5.6 Terra est le membre équilibré de la famille GPT-5.6 d’OpenAI. Il est conçu pour un travail qui combine un raisonnement performant et un usage pratique répété : programmation courante, analyse de documents, explications et étapes d’agents. Les entrées textuelles et visuelles conduisent à une sortie textuelle. Une bonne consigne donne à Terra le matériau à examiner, la décision ou la modification requise et la forme du résultat attendu.
Fournissez le code pertinent, le comportement observé et le comportement attendu après la correction. Un rapport d’erreur peut inclure l’entrée qui échoue, le message exact et la partie de l’application concernée. Demandez la logique affectée et un correctif ciblé, puis examinez la modification et les éléments probants utilisés pour la valider. Pour une question de conception, nommez les solutions possibles et les contraintes qui déterminent le choix.
Une capture d’écran peut ajouter des éléments probants visibles à une tâche logicielle. Identifiez l’état d’interface et ce qui doit changer, tout en préservant les étiquettes ou les données qui doivent rester correctes. L’image aide à expliquer le problème ; le résultat demandé peut toujours être une analyse textuelle, une proposition d’implémentation ou une modification de code effectuée par un outil connecté.
Pour une comparaison, étiquetez les sources fournies et définissez les critères à appliquer. Pour une extraction, nommez les champs, les unités et le traitement des valeurs manquantes. Terra prend en charge les sorties structurées, ce qui permet à une application de demander une forme de résultat définie. Validez cette forme ainsi que les valeurs qu’elle contient, surtout lorsqu’une valeur numérique ou une étiquette renvoyée déterminera une action ultérieure.
Le modèle prend aussi en charge les appels de fonctions. Définissez les outils que la tâche peut utiliser et gardez leurs observations renvoyées dans le contexte de travail. Un appel proposé et le résultat réel de l’outil ont des rôles différents : le premier décrit une action voulue, tandis que le second fournit des éléments probants pour l’étape suivante. Préservez cette distinction dans le résultat final.
OpenAI documente les choix d’effort de raisonnement none, low, medium, high, xhigh et max, avec medium par défaut. Choisissez la profondeur nécessaire pour résoudre la question et indiquez ce qui démontrerait une réponse utile. Une réponse finale concise peut tout de même suivre une analyse poussée d’un problème difficile.
Le concepteur indique une fenêtre de contexte de 1 050 000 jetons et jusqu’à 128 000 jetons de sortie. Organisez les grands ensembles de sources en sections nommées, conservez les informations qui affectent le résultat et gardez de la place pour la réponse. Conservez les identifiants de fichiers ou de passages afin que les conclusions restent liées au matériau d’origine.
La diffusion en continu est documentée, ainsi que la recherche web, la recherche dans les fichiers, la génération d’images, l’interprétation de code, les outils de ligne de commande et d’application de correctifs, l’utilisation de l’ordinateur et MCP dans l’environnement d’OpenAI doté d’outils. Une application expose les opérations dont elle a besoin et renvoie les éléments probants obtenus. La réponse directe de Terra est du texte ; les fichiers ou modifications produits par des outils doivent être examinés comme des résultats à part entière.
Une tâche utilement achevée laisse un résultat clair : la modification proposée ou appliquée, la comparaison ou l’enregistrement extrait, ainsi que les éléments probants de source ou de validation nécessaires pour l’évaluer.
POST /v1/chat/completionstext, imagetext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gpt-5.6-terra | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’ID réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: Fonction fournie comme outil | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Texte · Texte UTF8
messages[].content
Texte + image
{type:image_url,image_url:{url,detail}}
| Paramètre | Contrat |
|---|---|
Paramètrematerial_types | Contrattext, image |
Paramètrerequired | Contratmodel, messages |
Paramètreoptional_controls | Contratnull |
Paramètrecontent_type | Contratapplication/json |
Paramètretext_file_material | ContratContenu UTF-8 réel inséré comme texte ; les ID de fichier/URLs nécessitent une prise en charge distincte et exacte |
Cycle de vie : exact retained published method
Les structures des méthodes et les ID sont exacts ; la capacité du fournisseur est distincte de l’admission des requêtes.
POST /v1/chat/completions| Taille de la requête, en tokens | Entrée | Sortie | Lecture du cache | Écriture dans le cache | Cache 5 min | Cache 1 h |
|---|---|---|---|---|---|---|
| Taille de la requête, en tokens(0; 272 000] | Entrée0,002 USD | Sortie0,012 USD | Lecture du cache0,0002 USD | Écriture dans le cache0,0025 USD | Cache 5 min0,0025 USD | Cache 1 hTarif de base : — |
| Taille de la requête, en tokens(272 000; ∞) | Entrée0,004 USD | Sortie0,018 USD | Lecture du cache0,0004 USD | Écriture dans le cache0,005 USD | Cache 5 min0,005 USD | Cache 1 hTarif de base : — |
Tarifs en USD par 1K jetons. Si aucun tarif n’est défini, le tarif de base de cette méthode est hérité ; «—» signifie qu’aucun tarif de base n’est défini.
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
Les barèmes de référence du modèle ne modifient ni la sélection de méthode, ni les devis, ni les coûts. Les frais actifs utilisent les tarifs de la méthode Ailoot sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationOpenAI Chat · Tarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationOpenAI Chat · Palier 1 selon la longueur de la requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluse272 000 | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationOpenAI Chat · Palier 2 selon la longueur de la requête | Barème tarifaire— | Jetons de contexte, plus de272 000 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.008 / 1K jetons Sortie · Jetons en sortie $0.036 / 1K jetons Entrée · Lecture du cache $0.0008 / 1K jetons Entrée · Écriture dans le cache $0.01 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationAnthropic Messages · Tarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationAnthropic Messages · Palier 1 selon la longueur de la requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluse272 000 | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationAnthropic Messages · Palier 2 selon la longueur de la requête | Barème tarifaire— | Jetons de contexte, plus de272 000 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.008 / 1K jetons Sortie · Jetons en sortie $0.036 / 1K jetons Entrée · Lecture du cache $0.0008 / 1K jetons Entrée · Écriture dans le cache $0.01 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-5.6-terra", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-5.6-terra", "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image_url","image_url":{"url":"data:"+mime+";base64,"+b64}})\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="gpt-5.6-terra",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "gpt-5.6-terra",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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='gpt-5.6-terra',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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot gpt-5.6-terra
Ailoot Ultra gpt-5.6-terra, openai/gpt-5.6-terra, ~openai/gpt-terra-latest
/chat/completions
openai/gpt-5.6-terra, ~openai/gpt-terra-latest, gpt-5.6-terra, gpt-5.6-terra
gpt-5.6-terraGPT-5.6 Terra est le modèle GPT-5.6 équilibré d’OpenAI pour la programmation courante, le raisonnement et le travail des agents. Il combine la compréhension du texte et des images avec des sorties structurées, des appels de fonctions et un effort de raisonnement réglable dans une fenêtre de contexte de 1 050 000 jetons.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-5.6 Terra est le membre équilibré de la famille GPT-5.6 d’OpenAI. Il est conçu pour un travail qui combine un raisonnement performant et un usage pratique répété : programmation courante, analyse de documents, explications et étapes d’agents. Les entrées textuelles et visuelles conduisent à une sortie textuelle. Une bonne consigne donne à Terra le matériau à examiner, la décision ou la modification requise et la forme du résultat attendu.
Fournissez le code pertinent, le comportement observé et le comportement attendu après la correction. Un rapport d’erreur peut inclure l’entrée qui échoue, le message exact et la partie de l’application concernée. Demandez la logique affectée et un correctif ciblé, puis examinez la modification et les éléments probants utilisés pour la valider. Pour une question de conception, nommez les solutions possibles et les contraintes qui déterminent le choix.
Une capture d’écran peut ajouter des éléments probants visibles à une tâche logicielle. Identifiez l’état d’interface et ce qui doit changer, tout en préservant les étiquettes ou les données qui doivent rester correctes. L’image aide à expliquer le problème ; le résultat demandé peut toujours être une analyse textuelle, une proposition d’implémentation ou une modification de code effectuée par un outil connecté.
Pour une comparaison, étiquetez les sources fournies et définissez les critères à appliquer. Pour une extraction, nommez les champs, les unités et le traitement des valeurs manquantes. Terra prend en charge les sorties structurées, ce qui permet à une application de demander une forme de résultat définie. Validez cette forme ainsi que les valeurs qu’elle contient, surtout lorsqu’une valeur numérique ou une étiquette renvoyée déterminera une action ultérieure.
Le modèle prend aussi en charge les appels de fonctions. Définissez les outils que la tâche peut utiliser et gardez leurs observations renvoyées dans le contexte de travail. Un appel proposé et le résultat réel de l’outil ont des rôles différents : le premier décrit une action voulue, tandis que le second fournit des éléments probants pour l’étape suivante. Préservez cette distinction dans le résultat final.
OpenAI documente les choix d’effort de raisonnement none, low, medium, high, xhigh et max, avec medium par défaut. Choisissez la profondeur nécessaire pour résoudre la question et indiquez ce qui démontrerait une réponse utile. Une réponse finale concise peut tout de même suivre une analyse poussée d’un problème difficile.
Le concepteur indique une fenêtre de contexte de 1 050 000 jetons et jusqu’à 128 000 jetons de sortie. Organisez les grands ensembles de sources en sections nommées, conservez les informations qui affectent le résultat et gardez de la place pour la réponse. Conservez les identifiants de fichiers ou de passages afin que les conclusions restent liées au matériau d’origine.
La diffusion en continu est documentée, ainsi que la recherche web, la recherche dans les fichiers, la génération d’images, l’interprétation de code, les outils de ligne de commande et d’application de correctifs, l’utilisation de l’ordinateur et MCP dans l’environnement d’OpenAI doté d’outils. Une application expose les opérations dont elle a besoin et renvoie les éléments probants obtenus. La réponse directe de Terra est du texte ; les fichiers ou modifications produits par des outils doivent être examinés comme des résultats à part entière.
Une tâche utilement achevée laisse un résultat clair : la modification proposée ou appliquée, la comparaison ou l’enregistrement extrait, ainsi que les éléments probants de source ou de validation nécessaires pour l’évaluer.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gpt-5.6-terra | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Selon le modèle | Par défaut— |
Champmessages[].content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Conversation textuelle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | ContratTableau de messages avec une structure role/content |
Paramètrefile_material | ContratDocument UTF-8 réel inséré comme texte littéral ; aucun ID de fichier déduit |
Paramètreoptional_controls | Contratstream |
Paramètrecontrol_scope | ContratConversation textuelle ; stream est un booléen dont la valeur par défaut est false. |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Alias de méthode : /chat/completions
Cycle de vie : synchronous_or_streamed
Envoyez l’ID exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objet fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluse272 000 | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 2 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de272 000 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.008 / 1K jetons Sortie · Jetons en sortie $0.036 / 1K jetons Entrée · Lecture du cache $0.0008 / 1K jetons Entrée · Écriture dans le cache $0.01 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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","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", 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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot gpt-5.6-terra
Ailoot Ultra gpt-5.6-terra, openai/gpt-5.6-terra, ~openai/gpt-terra-latest
/chat/completions
openai/gpt-5.6-terra, ~openai/gpt-terra-latest, gpt-5.6-terra, gpt-5.6-terra
gpt-5.6-terraGPT-5.6 Terra est le modèle GPT-5.6 équilibré d’OpenAI pour la programmation courante, le raisonnement et le travail des agents. Il combine la compréhension du texte et des images avec des sorties structurées, des appels de fonctions et un effort de raisonnement réglable dans une fenêtre de contexte de 1 050 000 jetons.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-5.6 Terra est le membre équilibré de la famille GPT-5.6 d’OpenAI. Il est conçu pour un travail qui combine un raisonnement performant et un usage pratique répété : programmation courante, analyse de documents, explications et étapes d’agents. Les entrées textuelles et visuelles conduisent à une sortie textuelle. Une bonne consigne donne à Terra le matériau à examiner, la décision ou la modification requise et la forme du résultat attendu.
Fournissez le code pertinent, le comportement observé et le comportement attendu après la correction. Un rapport d’erreur peut inclure l’entrée qui échoue, le message exact et la partie de l’application concernée. Demandez la logique affectée et un correctif ciblé, puis examinez la modification et les éléments probants utilisés pour la valider. Pour une question de conception, nommez les solutions possibles et les contraintes qui déterminent le choix.
Une capture d’écran peut ajouter des éléments probants visibles à une tâche logicielle. Identifiez l’état d’interface et ce qui doit changer, tout en préservant les étiquettes ou les données qui doivent rester correctes. L’image aide à expliquer le problème ; le résultat demandé peut toujours être une analyse textuelle, une proposition d’implémentation ou une modification de code effectuée par un outil connecté.
Pour une comparaison, étiquetez les sources fournies et définissez les critères à appliquer. Pour une extraction, nommez les champs, les unités et le traitement des valeurs manquantes. Terra prend en charge les sorties structurées, ce qui permet à une application de demander une forme de résultat définie. Validez cette forme ainsi que les valeurs qu’elle contient, surtout lorsqu’une valeur numérique ou une étiquette renvoyée déterminera une action ultérieure.
Le modèle prend aussi en charge les appels de fonctions. Définissez les outils que la tâche peut utiliser et gardez leurs observations renvoyées dans le contexte de travail. Un appel proposé et le résultat réel de l’outil ont des rôles différents : le premier décrit une action voulue, tandis que le second fournit des éléments probants pour l’étape suivante. Préservez cette distinction dans le résultat final.
OpenAI documente les choix d’effort de raisonnement none, low, medium, high, xhigh et max, avec medium par défaut. Choisissez la profondeur nécessaire pour résoudre la question et indiquez ce qui démontrerait une réponse utile. Une réponse finale concise peut tout de même suivre une analyse poussée d’un problème difficile.
Le concepteur indique une fenêtre de contexte de 1 050 000 jetons et jusqu’à 128 000 jetons de sortie. Organisez les grands ensembles de sources en sections nommées, conservez les informations qui affectent le résultat et gardez de la place pour la réponse. Conservez les identifiants de fichiers ou de passages afin que les conclusions restent liées au matériau d’origine.
La diffusion en continu est documentée, ainsi que la recherche web, la recherche dans les fichiers, la génération d’images, l’interprétation de code, les outils de ligne de commande et d’application de correctifs, l’utilisation de l’ordinateur et MCP dans l’environnement d’OpenAI doté d’outils. Une application expose les opérations dont elle a besoin et renvoie les éléments probants obtenus. La réponse directe de Terra est du texte ; les fichiers ou modifications produits par des outils doivent être examinés comme des résultats à part entière.
Une tâche utilement achevée laisse un résultat clair : la modification proposée ou appliquée, la comparaison ou l’enregistrement extrait, ainsi que les éléments probants de source ou de validation nécessaires pour l’évaluer.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gpt-5.6-terra | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
Chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluse272 000 | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 2 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de272 000 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.008 / 1K jetons Sortie · Jetons en sortie $0.036 / 1K jetons Entrée · Lecture du cache $0.0008 / 1K jetons Entrée · Écriture dans le cache $0.01 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "gpt-5.6-terra",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les ID réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot gpt-5.6-terra
Ailoot Ultra gpt-5.6-terra, openai/gpt-5.6-terra, ~openai/gpt-terra-latest
/chat/completions
openai/gpt-5.6-terra, ~openai/gpt-terra-latest, gpt-5.6-terra, gpt-5.6-terra
openai/gpt-5.6-terraGPT-5.6 Terra est le modèle GPT-5.6 équilibré d’OpenAI pour la programmation courante, le raisonnement et le travail des agents. Il combine la compréhension du texte et des images avec des sorties structurées, des appels de fonctions et un effort de raisonnement réglable dans une fenêtre de contexte de 1 050 000 jetons.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-5.6 Terra est le membre équilibré de la famille GPT-5.6 d’OpenAI. Il est conçu pour un travail qui combine un raisonnement performant et un usage pratique répété : programmation courante, analyse de documents, explications et étapes d’agents. Les entrées textuelles et visuelles conduisent à une sortie textuelle. Une bonne consigne donne à Terra le matériau à examiner, la décision ou la modification requise et la forme du résultat attendu.
Fournissez le code pertinent, le comportement observé et le comportement attendu après la correction. Un rapport d’erreur peut inclure l’entrée qui échoue, le message exact et la partie de l’application concernée. Demandez la logique affectée et un correctif ciblé, puis examinez la modification et les éléments probants utilisés pour la valider. Pour une question de conception, nommez les solutions possibles et les contraintes qui déterminent le choix.
Une capture d’écran peut ajouter des éléments probants visibles à une tâche logicielle. Identifiez l’état d’interface et ce qui doit changer, tout en préservant les étiquettes ou les données qui doivent rester correctes. L’image aide à expliquer le problème ; le résultat demandé peut toujours être une analyse textuelle, une proposition d’implémentation ou une modification de code effectuée par un outil connecté.
Pour une comparaison, étiquetez les sources fournies et définissez les critères à appliquer. Pour une extraction, nommez les champs, les unités et le traitement des valeurs manquantes. Terra prend en charge les sorties structurées, ce qui permet à une application de demander une forme de résultat définie. Validez cette forme ainsi que les valeurs qu’elle contient, surtout lorsqu’une valeur numérique ou une étiquette renvoyée déterminera une action ultérieure.
Le modèle prend aussi en charge les appels de fonctions. Définissez les outils que la tâche peut utiliser et gardez leurs observations renvoyées dans le contexte de travail. Un appel proposé et le résultat réel de l’outil ont des rôles différents : le premier décrit une action voulue, tandis que le second fournit des éléments probants pour l’étape suivante. Préservez cette distinction dans le résultat final.
OpenAI documente les choix d’effort de raisonnement none, low, medium, high, xhigh et max, avec medium par défaut. Choisissez la profondeur nécessaire pour résoudre la question et indiquez ce qui démontrerait une réponse utile. Une réponse finale concise peut tout de même suivre une analyse poussée d’un problème difficile.
Le concepteur indique une fenêtre de contexte de 1 050 000 jetons et jusqu’à 128 000 jetons de sortie. Organisez les grands ensembles de sources en sections nommées, conservez les informations qui affectent le résultat et gardez de la place pour la réponse. Conservez les identifiants de fichiers ou de passages afin que les conclusions restent liées au matériau d’origine.
La diffusion en continu est documentée, ainsi que la recherche web, la recherche dans les fichiers, la génération d’images, l’interprétation de code, les outils de ligne de commande et d’application de correctifs, l’utilisation de l’ordinateur et MCP dans l’environnement d’OpenAI doté d’outils. Une application expose les opérations dont elle a besoin et renvoie les éléments probants obtenus. La réponse directe de Terra est du texte ; les fichiers ou modifications produits par des outils doivent être examinés comme des résultats à part entière.
Une tâche utilement achevée laisse un résultat clair : la modification proposée ou appliquée, la comparaison ou l’enregistrement extrait, ainsi que les éléments probants de source ou de validation nécessaires pour l’évaluer.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites openai/gpt-5.6-terra | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’ID réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: Fonction fournie comme outil | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est refusé sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: La valeur 1h est refusée là où le cache des prompts est configuré | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | ContratTableau de messages avec une structure role/content |
Paramètrefile_material | ContratDocument UTF-8 réel inséré comme texte littéral ; aucun ID de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | ContratPropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’ID exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objet fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluse272 000 | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 2 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de272 000 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.008 / 1K jetons Sortie · Jetons en sortie $0.036 / 1K jetons Entrée · Lecture du cache $0.0008 / 1K jetons Entrée · Écriture dans le cache $0.01 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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", "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',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',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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot gpt-5.6-terra
Ailoot Ultra gpt-5.6-terra, openai/gpt-5.6-terra, ~openai/gpt-terra-latest
/chat/completions
openai/gpt-5.6-terra, ~openai/gpt-terra-latest, gpt-5.6-terra, gpt-5.6-terra
openai/gpt-5.6-terraGPT-5.6 Terra est le modèle GPT-5.6 équilibré d’OpenAI pour la programmation courante, le raisonnement et le travail des agents. Il combine la compréhension du texte et des images avec des sorties structurées, des appels de fonctions et un effort de raisonnement réglable dans une fenêtre de contexte de 1 050 000 jetons.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-5.6 Terra est le membre équilibré de la famille GPT-5.6 d’OpenAI. Il est conçu pour un travail qui combine un raisonnement performant et un usage pratique répété : programmation courante, analyse de documents, explications et étapes d’agents. Les entrées textuelles et visuelles conduisent à une sortie textuelle. Une bonne consigne donne à Terra le matériau à examiner, la décision ou la modification requise et la forme du résultat attendu.
Fournissez le code pertinent, le comportement observé et le comportement attendu après la correction. Un rapport d’erreur peut inclure l’entrée qui échoue, le message exact et la partie de l’application concernée. Demandez la logique affectée et un correctif ciblé, puis examinez la modification et les éléments probants utilisés pour la valider. Pour une question de conception, nommez les solutions possibles et les contraintes qui déterminent le choix.
Une capture d’écran peut ajouter des éléments probants visibles à une tâche logicielle. Identifiez l’état d’interface et ce qui doit changer, tout en préservant les étiquettes ou les données qui doivent rester correctes. L’image aide à expliquer le problème ; le résultat demandé peut toujours être une analyse textuelle, une proposition d’implémentation ou une modification de code effectuée par un outil connecté.
Pour une comparaison, étiquetez les sources fournies et définissez les critères à appliquer. Pour une extraction, nommez les champs, les unités et le traitement des valeurs manquantes. Terra prend en charge les sorties structurées, ce qui permet à une application de demander une forme de résultat définie. Validez cette forme ainsi que les valeurs qu’elle contient, surtout lorsqu’une valeur numérique ou une étiquette renvoyée déterminera une action ultérieure.
Le modèle prend aussi en charge les appels de fonctions. Définissez les outils que la tâche peut utiliser et gardez leurs observations renvoyées dans le contexte de travail. Un appel proposé et le résultat réel de l’outil ont des rôles différents : le premier décrit une action voulue, tandis que le second fournit des éléments probants pour l’étape suivante. Préservez cette distinction dans le résultat final.
OpenAI documente les choix d’effort de raisonnement none, low, medium, high, xhigh et max, avec medium par défaut. Choisissez la profondeur nécessaire pour résoudre la question et indiquez ce qui démontrerait une réponse utile. Une réponse finale concise peut tout de même suivre une analyse poussée d’un problème difficile.
Le concepteur indique une fenêtre de contexte de 1 050 000 jetons et jusqu’à 128 000 jetons de sortie. Organisez les grands ensembles de sources en sections nommées, conservez les informations qui affectent le résultat et gardez de la place pour la réponse. Conservez les identifiants de fichiers ou de passages afin que les conclusions restent liées au matériau d’origine.
La diffusion en continu est documentée, ainsi que la recherche web, la recherche dans les fichiers, la génération d’images, l’interprétation de code, les outils de ligne de commande et d’application de correctifs, l’utilisation de l’ordinateur et MCP dans l’environnement d’OpenAI doté d’outils. Une application expose les opérations dont elle a besoin et renvoie les éléments probants obtenus. La réponse directe de Terra est du texte ; les fichiers ou modifications produits par des outils doivent être examinés comme des résultats à part entière.
Une tâche utilement achevée laisse un résultat clair : la modification proposée ou appliquée, la comparaison ou l’enregistrement extrait, ainsi que les éléments probants de source ou de validation nécessaires pour l’évaluer.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites openai/gpt-5.6-terra | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
Chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluse272 000 | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 2 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de272 000 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.008 / 1K jetons Sortie · Jetons en sortie $0.036 / 1K jetons Entrée · Lecture du cache $0.0008 / 1K jetons Entrée · Écriture dans le cache $0.01 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "openai/gpt-5.6-terra",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les ID réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot gpt-5.6-terra
Ailoot Ultra gpt-5.6-terra, openai/gpt-5.6-terra, ~openai/gpt-terra-latest
/chat/completions
openai/gpt-5.6-terra, ~openai/gpt-terra-latest, gpt-5.6-terra, gpt-5.6-terra
~openai/gpt-terra-latestGPT-5.6 Terra est le modèle GPT-5.6 équilibré d’OpenAI pour la programmation courante, le raisonnement et le travail des agents. Il combine la compréhension du texte et des images avec des sorties structurées, des appels de fonctions et un effort de raisonnement réglable dans une fenêtre de contexte de 1 050 000 jetons.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-5.6 Terra est le membre équilibré de la famille GPT-5.6 d’OpenAI. Il est conçu pour un travail qui combine un raisonnement performant et un usage pratique répété : programmation courante, analyse de documents, explications et étapes d’agents. Les entrées textuelles et visuelles conduisent à une sortie textuelle. Une bonne consigne donne à Terra le matériau à examiner, la décision ou la modification requise et la forme du résultat attendu.
Fournissez le code pertinent, le comportement observé et le comportement attendu après la correction. Un rapport d’erreur peut inclure l’entrée qui échoue, le message exact et la partie de l’application concernée. Demandez la logique affectée et un correctif ciblé, puis examinez la modification et les éléments probants utilisés pour la valider. Pour une question de conception, nommez les solutions possibles et les contraintes qui déterminent le choix.
Une capture d’écran peut ajouter des éléments probants visibles à une tâche logicielle. Identifiez l’état d’interface et ce qui doit changer, tout en préservant les étiquettes ou les données qui doivent rester correctes. L’image aide à expliquer le problème ; le résultat demandé peut toujours être une analyse textuelle, une proposition d’implémentation ou une modification de code effectuée par un outil connecté.
Pour une comparaison, étiquetez les sources fournies et définissez les critères à appliquer. Pour une extraction, nommez les champs, les unités et le traitement des valeurs manquantes. Terra prend en charge les sorties structurées, ce qui permet à une application de demander une forme de résultat définie. Validez cette forme ainsi que les valeurs qu’elle contient, surtout lorsqu’une valeur numérique ou une étiquette renvoyée déterminera une action ultérieure.
Le modèle prend aussi en charge les appels de fonctions. Définissez les outils que la tâche peut utiliser et gardez leurs observations renvoyées dans le contexte de travail. Un appel proposé et le résultat réel de l’outil ont des rôles différents : le premier décrit une action voulue, tandis que le second fournit des éléments probants pour l’étape suivante. Préservez cette distinction dans le résultat final.
OpenAI documente les choix d’effort de raisonnement none, low, medium, high, xhigh et max, avec medium par défaut. Choisissez la profondeur nécessaire pour résoudre la question et indiquez ce qui démontrerait une réponse utile. Une réponse finale concise peut tout de même suivre une analyse poussée d’un problème difficile.
Le concepteur indique une fenêtre de contexte de 1 050 000 jetons et jusqu’à 128 000 jetons de sortie. Organisez les grands ensembles de sources en sections nommées, conservez les informations qui affectent le résultat et gardez de la place pour la réponse. Conservez les identifiants de fichiers ou de passages afin que les conclusions restent liées au matériau d’origine.
La diffusion en continu est documentée, ainsi que la recherche web, la recherche dans les fichiers, la génération d’images, l’interprétation de code, les outils de ligne de commande et d’application de correctifs, l’utilisation de l’ordinateur et MCP dans l’environnement d’OpenAI doté d’outils. Une application expose les opérations dont elle a besoin et renvoie les éléments probants obtenus. La réponse directe de Terra est du texte ; les fichiers ou modifications produits par des outils doivent être examinés comme des résultats à part entière.
Une tâche utilement achevée laisse un résultat clair : la modification proposée ou appliquée, la comparaison ou l’enregistrement extrait, ainsi que les éléments probants de source ou de validation nécessaires pour l’évaluer.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites ~openai/gpt-terra-latest | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’ID réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: Fonction fournie comme outil | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est refusé sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: La valeur 1h est refusée là où le cache des prompts est configuré | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | ContratTableau de messages avec une structure role/content |
Paramètrefile_material | ContratDocument UTF-8 réel inséré comme texte littéral ; aucun ID de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | ContratPropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’ID exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objet fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluse272 000 | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 2 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de272 000 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.008 / 1K jetons Sortie · Jetons en sortie $0.036 / 1K jetons Entrée · Lecture du cache $0.0008 / 1K jetons Entrée · Écriture dans le cache $0.01 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "~openai/gpt-terra-latest", "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-terra-latest',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-terra-latest',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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot gpt-5.6-terra
Ailoot Ultra gpt-5.6-terra, openai/gpt-5.6-terra, ~openai/gpt-terra-latest
/chat/completions
openai/gpt-5.6-terra, ~openai/gpt-terra-latest, gpt-5.6-terra, gpt-5.6-terra
~openai/gpt-terra-latestGPT-5.6 Terra est le modèle GPT-5.6 équilibré d’OpenAI pour la programmation courante, le raisonnement et le travail des agents. Il combine la compréhension du texte et des images avec des sorties structurées, des appels de fonctions et un effort de raisonnement réglable dans une fenêtre de contexte de 1 050 000 jetons.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-5.6 Terra est le membre équilibré de la famille GPT-5.6 d’OpenAI. Il est conçu pour un travail qui combine un raisonnement performant et un usage pratique répété : programmation courante, analyse de documents, explications et étapes d’agents. Les entrées textuelles et visuelles conduisent à une sortie textuelle. Une bonne consigne donne à Terra le matériau à examiner, la décision ou la modification requise et la forme du résultat attendu.
Fournissez le code pertinent, le comportement observé et le comportement attendu après la correction. Un rapport d’erreur peut inclure l’entrée qui échoue, le message exact et la partie de l’application concernée. Demandez la logique affectée et un correctif ciblé, puis examinez la modification et les éléments probants utilisés pour la valider. Pour une question de conception, nommez les solutions possibles et les contraintes qui déterminent le choix.
Une capture d’écran peut ajouter des éléments probants visibles à une tâche logicielle. Identifiez l’état d’interface et ce qui doit changer, tout en préservant les étiquettes ou les données qui doivent rester correctes. L’image aide à expliquer le problème ; le résultat demandé peut toujours être une analyse textuelle, une proposition d’implémentation ou une modification de code effectuée par un outil connecté.
Pour une comparaison, étiquetez les sources fournies et définissez les critères à appliquer. Pour une extraction, nommez les champs, les unités et le traitement des valeurs manquantes. Terra prend en charge les sorties structurées, ce qui permet à une application de demander une forme de résultat définie. Validez cette forme ainsi que les valeurs qu’elle contient, surtout lorsqu’une valeur numérique ou une étiquette renvoyée déterminera une action ultérieure.
Le modèle prend aussi en charge les appels de fonctions. Définissez les outils que la tâche peut utiliser et gardez leurs observations renvoyées dans le contexte de travail. Un appel proposé et le résultat réel de l’outil ont des rôles différents : le premier décrit une action voulue, tandis que le second fournit des éléments probants pour l’étape suivante. Préservez cette distinction dans le résultat final.
OpenAI documente les choix d’effort de raisonnement none, low, medium, high, xhigh et max, avec medium par défaut. Choisissez la profondeur nécessaire pour résoudre la question et indiquez ce qui démontrerait une réponse utile. Une réponse finale concise peut tout de même suivre une analyse poussée d’un problème difficile.
Le concepteur indique une fenêtre de contexte de 1 050 000 jetons et jusqu’à 128 000 jetons de sortie. Organisez les grands ensembles de sources en sections nommées, conservez les informations qui affectent le résultat et gardez de la place pour la réponse. Conservez les identifiants de fichiers ou de passages afin que les conclusions restent liées au matériau d’origine.
La diffusion en continu est documentée, ainsi que la recherche web, la recherche dans les fichiers, la génération d’images, l’interprétation de code, les outils de ligne de commande et d’application de correctifs, l’utilisation de l’ordinateur et MCP dans l’environnement d’OpenAI doté d’outils. Une application expose les opérations dont elle a besoin et renvoie les éléments probants obtenus. La réponse directe de Terra est du texte ; les fichiers ou modifications produits par des outils doivent être examinés comme des résultats à part entière.
Une tâche utilement achevée laisse un résultat clair : la modification proposée ou appliquée, la comparaison ou l’enregistrement extrait, ainsi que les éléments probants de source ou de validation nécessaires pour l’évaluer.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites ~openai/gpt-terra-latest | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
Chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluse272 000 | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 2 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de272 000 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.008 / 1K jetons Sortie · Jetons en sortie $0.036 / 1K jetons Entrée · Lecture du cache $0.0008 / 1K jetons Entrée · Écriture dans le cache $0.01 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "~openai/gpt-terra-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-terra-latest', '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-terra-latest', '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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les ID réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot gpt-5.6-terra
Ailoot Ultra gpt-5.6-terra, openai/gpt-5.6-terra, ~openai/gpt-terra-latest
/chat/completions
openai/gpt-5.6-terra, ~openai/gpt-terra-latest, gpt-5.6-terra, gpt-5.6-terra
Exemple technique en anglais
Correct a numeric sort\n\nA JavaScript page sorts quantities with values.sort(), giving [1, 12, 3] for input [3, 12, 1]. Propose a focused change that returns ascending numeric order while leaving the original input array unchanged. Explain the cause and include checks for positive numbers, duplicates and negative values.A short JavaScript function or patch, an explanation and three representative checks.Verify the numeric comparator and a copied array are both present, so sorting does not mutate the caller input.