GPT-5.6 Terra est le modèle équilibré d’OpenAI dans la famille GPT-5.6. Le fabricant rapproche son rôle de travail de celui du niveau mini utilisé dans les familles GPT-5 antérieures, tout en conservant le profil nommé propre à Terra. Il traite le texte et les images et renvoie du texte : une explication, un brouillon, une proposition de code ou une fiche d’analyse structurée.
Fournissez les documents sources, la question et les critères de conclusion. Voici une consigne pratique : « Compare ces exigences avec la proposition, relève chaque écart et renvoie le passage justificatif, la conséquence et la question non résolue. » Identifiez les documents et préservez les termes ou les unités qui influencent leur sens. Le résultat doit préciser ce que les éléments établissent et ce qui demeure une hypothèse.
Pour la rédaction, définissez le public, le ton et les faits à conserver. Pour une révision, nommez le passage à modifier et le sens à préserver. Pour une tâche de programmation, fournissez l’implémentation pertinente, le problème observé et le comportement exigé. Un livrable ciblé est plus utile qu’une consigne générale visant à améliorer un ensemble non précisé de documents.
Le modèle prend en charge les niveaux d’effort de raisonnement none, low, medium, high, xhigh et max, avec medium par défaut. L’effort règle la profondeur de l’analyse, tandis que le mode standard ou Pro constitue un choix d’exécution distinct. Le contrat de sortie final reste important à chaque réglage : précisez la langue de réponse, les champs requis et les critères d’achèvement.
OpenAI indique que le raisonnement antérieur disponible est réintégré par défaut dans les tours GPT-5.6 suivants, avec un réglage de contexte pour les flux de travail pris en charge. Cela peut soutenir une analyse continue, mais les éléments conservés occupent toujours du contexte. Distinguez les faits acceptés et les nouvelles observations des conclusions intermédiaires provisoires.
Le contexte publié de Terra est de 1 050 000 jetons, avec jusqu’à 922 000 jetons en entrée et 128 000 jetons en sortie. Sa date limite de connaissances est le 16 février 2026. Les sources, l’historique, les résultats d’outils, le raisonnement et la réponse visible doivent tenir ensemble. Réservez de la place pour un livrable final complet et examinez les réponses incomplètes avant de considérer la tâche comme terminée.
Pour les éléments visuels, préservez la lisibilité du texte, les libellés et le contexte environnant. Demandez à la réponse d’indiquer le détail de l’image qui appuie une conclusion. Le modèle transforme du texte et des images en texte; les médias rendus ou les actions exécutées par une application sont des résultats distincts.
Le fabricant mentionne les appels de fonctions, Structured Outputs et le streaming, ainsi que la recherche Web et dans les fichiers, des outils de génération d’images, un interpréteur de code, des opérations shell et de patch, les skills, l’utilisation de l’ordinateur, les connexions MCP et la recherche d’outils. L’application environnante effectue les opérations sélectionnées et renvoie les observations pour permettre au modèle de poursuivre.
Donnez aux fonctions des objectifs précis et des schémas de paramètres. Pour une fiche structurée, définissez chaque champ et la représentation des éléments manquants, puis comparez les valeurs renvoyées aux sources. Une réponse conforme au format ne prouve pas à elle seule qu’une recherche, une exécution ou une validation a eu lieu.
Le résultat final utile est un brouillon vérifiable, une comparaison de sources, une proposition de code ou une fiche de données liée aux exigences et aux observations de la tâche. Utilisez les réglages et limites de raisonnement propres à Terra pour préparer le travail; Sol et GPT-6 ont leurs propres profils.
", "aboutText": "GPT-5.6 Terra est le modèle équilibré d’OpenAI dans la famille GPT-5.6. Le fabricant rapproche son rôle de travail de celui du niveau mini utilisé dans les familles GPT-5 antérieures, tout en conservant le profil nommé propre à Terra. Il traite le texte et les images et renvoie du texte : une explication, un brouillon, une proposition de code ou une fiche d’analyse structurée.\n\n### Analyser avec un résultat défini\n\nFournissez les documents sources, la question et les critères de conclusion. Voici une consigne pratique : « Compare ces exigences avec la proposition, relève chaque écart et renvoie le passage justificatif, la conséquence et la question non résolue. » Identifiez les documents et préservez les termes ou les unités qui influencent leur sens. Le résultat doit préciser ce que les éléments établissent et ce qui demeure une hypothèse.\n\nPour la rédaction, définissez le public, le ton et les faits à conserver. Pour une révision, nommez le passage à modifier et le sens à préserver. Pour une tâche de programmation, fournissez l’implémentation pertinente, le problème observé et le comportement exigé. Un livrable ciblé est plus utile qu’une consigne générale visant à améliorer un ensemble non précisé de documents.\n\n### Profondeur et mode de raisonnement\n\nLe modèle prend en charge les niveaux d’effort de raisonnement none, low, medium, high, xhigh et max, avec medium par défaut. L’effort règle la profondeur de l’analyse, tandis que le mode standard ou Pro constitue un choix d’exécution distinct. Le contrat de sortie final reste important à chaque réglage : précisez la langue de réponse, les champs requis et les critères d’achèvement.\n\nOpenAI indique que le raisonnement antérieur disponible est réintégré par défaut dans les tours GPT-5.6 suivants, avec un réglage de contexte pour les flux de travail pris en charge. Cela peut soutenir une analyse continue, mais les éléments conservés occupent toujours du contexte. Distinguez les faits acceptés et les nouvelles observations des conclusions intermédiaires provisoires.\n\n### Limites d’entrée et de sortie\n\nLe contexte publié de Terra est de 1 050 000 jetons, avec jusqu’à 922 000 jetons en entrée et 128 000 jetons en sortie. Sa date limite de connaissances est le 16 février 2026. Les sources, l’historique, les résultats d’outils, le raisonnement et la réponse visible doivent tenir ensemble. Réservez de la place pour un livrable final complet et examinez les réponses incomplètes avant de considérer la tâche comme terminée.\n\nPour les éléments visuels, préservez la lisibilité du texte, les libellés et le contexte environnant. Demandez à la réponse d’indiquer le détail de l’image qui appuie une conclusion. Le modèle transforme du texte et des images en texte; les médias rendus ou les actions exécutées par une application sont des résultats distincts.\n\n### Outils et livrables structurés\n\nLe fabricant mentionne les appels de fonctions, Structured Outputs et le streaming, ainsi que la recherche Web et dans les fichiers, des outils de génération d’images, un interpréteur de code, des opérations shell et de patch, les skills, l’utilisation de l’ordinateur, les connexions MCP et la recherche d’outils. L’application environnante effectue les opérations sélectionnées et renvoie les observations pour permettre au modèle de poursuivre.\n\nDonnez aux fonctions des objectifs précis et des schémas de paramètres. Pour une fiche structurée, définissez chaque champ et la représentation des éléments manquants, puis comparez les valeurs renvoyées aux sources. Une réponse conforme au format ne prouve pas à elle seule qu’une recherche, une exécution ou une validation a eu lieu.\n\nLe résultat final utile est un brouillon vérifiable, une comparaison de sources, une proposition de code ou une fiche de données liée aux exigences et aux observations de la tâche. Utilisez les réglages et limites de raisonnement propres à Terra pour préparer le travail; Sol et GPT-6 ont leurs propres profils.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "26fadbfd93105949421e8da3b3f50671e22709f68a5916a19fdbb72c8ad2ee66", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ca", "methods": [ { "html": "openai/gpt-5.6-terra:batchGPT-5.6 Terra est le modèle de raisonnement équilibré d’OpenAI pour l’analyse, la rédaction et l’assistance en plusieurs étapes. Il utilise du texte et des images pour produire des explications, du code ou des constatations structurées, avec un effort configurable et un contexte de 1 050 000 jetons publié par le concepteur.
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 modèle équilibré d’OpenAI dans la famille GPT-5.6. Le fabricant rapproche son rôle de travail de celui du niveau mini utilisé dans les familles GPT-5 antérieures, tout en conservant le profil nommé propre à Terra. Il traite le texte et les images et renvoie du texte : une explication, un brouillon, une proposition de code ou une fiche d’analyse structurée.
Fournissez les documents sources, la question et les critères de conclusion. Voici une consigne pratique : « Compare ces exigences avec la proposition, relève chaque écart et renvoie le passage justificatif, la conséquence et la question non résolue. » Identifiez les documents et préservez les termes ou les unités qui influencent leur sens. Le résultat doit préciser ce que les éléments établissent et ce qui demeure une hypothèse.
Pour la rédaction, définissez le public, le ton et les faits à conserver. Pour une révision, nommez le passage à modifier et le sens à préserver. Pour une tâche de programmation, fournissez l’implémentation pertinente, le problème observé et le comportement exigé. Un livrable ciblé est plus utile qu’une consigne générale visant à améliorer un ensemble non précisé de documents.
Le modèle prend en charge les niveaux d’effort de raisonnement none, low, medium, high, xhigh et max, avec medium par défaut. L’effort règle la profondeur de l’analyse, tandis que le mode standard ou Pro constitue un choix d’exécution distinct. Le contrat de sortie final reste important à chaque réglage : précisez la langue de réponse, les champs requis et les critères d’achèvement.
OpenAI indique que le raisonnement antérieur disponible est réintégré par défaut dans les tours GPT-5.6 suivants, avec un réglage de contexte pour les flux de travail pris en charge. Cela peut soutenir une analyse continue, mais les éléments conservés occupent toujours du contexte. Distinguez les faits acceptés et les nouvelles observations des conclusions intermédiaires provisoires.
Le contexte publié de Terra est de 1 050 000 jetons, avec jusqu’à 922 000 jetons en entrée et 128 000 jetons en sortie. Sa date limite de connaissances est le 16 février 2026. Les sources, l’historique, les résultats d’outils, le raisonnement et la réponse visible doivent tenir ensemble. Réservez de la place pour un livrable final complet et examinez les réponses incomplètes avant de considérer la tâche comme terminée.
Pour les éléments visuels, préservez la lisibilité du texte, les libellés et le contexte environnant. Demandez à la réponse d’indiquer le détail de l’image qui appuie une conclusion. Le modèle transforme du texte et des images en texte; les médias rendus ou les actions exécutées par une application sont des résultats distincts.
Le fabricant mentionne les appels de fonctions, Structured Outputs et le streaming, ainsi que la recherche Web et dans les fichiers, des outils de génération d’images, un interpréteur de code, des opérations shell et de patch, les skills, l’utilisation de l’ordinateur, les connexions MCP et la recherche d’outils. L’application environnante effectue les opérations sélectionnées et renvoie les observations pour permettre au modèle de poursuivre.
Donnez aux fonctions des objectifs précis et des schémas de paramètres. Pour une fiche structurée, définissez chaque champ et la représentation des éléments manquants, puis comparez les valeurs renvoyées aux sources. Une réponse conforme au format ne prouve pas à elle seule qu’une recherche, une exécution ou une validation a eu lieu.
Le résultat final utile est un brouillon vérifiable, une comparaison de sources, une proposition de code ou une fiche de données liée aux exigences et aux observations de la tâche. Utilisez les réglages et limites de raisonnement propres à Terra pour préparer le travail; Sol et GPT-6 ont leurs propres profils.
POST /v1/batchestexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champendpoint | Typestring | ExigenceObligatoire | Valeurs et limites /v1/chat/completions | Par défaut— |
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites openai/gpt-5.6-terra:batch | Par défaut— |
Champrequests | Typebatch_item[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champrequests[].custom_id | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champrequests[].body.messages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champcompletion_window | Typestring | ExigenceFacultatif | Valeurs et limites 24h | Par défaut— |
Champprovider | Typeobject|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champrequests[].body.model | Typestring | ExigenceFacultatif | Valeurs et limites openai/gpt-5.6-terra:batch, openai/gpt-5.6-terra | Par défaut— |
Champprovider.only | Typestring[] | ExigenceFacultatif | Valeurs et limites openai | Par défaut— |
Champprovider.allow_fallbacks | Typeboolean|null | ExigenceFacultatif | Valeurs et limites false, null | Par défaut— |
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratendpoint, model, requests |
Paramètrematerial_types | Contrattext |
Paramètrerepresentation | Contratrequests[] intégré ; chaque élément comporte custom_id et body |
Paramètrerequest_endpoint_profile | Contrat/v1/chat/completions |
Paramètrefile_material | ContratL’appelant peut charger localement le contenu JSONL UTF-8 effectif dans requests[]. Aucun paramètre purpose de téléversement, input_file_id ni référence à un fichier n’est utilisé. Si les données du client sont absentes ou vides, la préparation s’arrête avant le POST. |
Paramètreserialization_order | Contratendpoint, model, provider (si fourni), completion_window (si fourni), requests en dernier |
Paramètreoptional_controls | Contratprovider.only, provider.allow_fallbacks, completion_window |
Paramètreschema_scope | ContratCorps de requêtes Chat Completions textuelles dans l’enveloppe Batch intégrée documentée. |
Cycle de vie : asynchronous
GET /v1/batches/{operation_id} · response.id effectivement renvoyé lors de la création d’origine ; même utilisateur, même clé et même groupe
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 $0.002 / 1K jetons Sortie · Jetons en sortie $0.012 / 1K jetons Entrée · Lecture du cache $0.0002 / 1K jetons Entrée · Écriture dans le cache — / 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 $0.002 / 1K jetons Sortie · Jetons en sortie $0.012 / 1K jetons Entrée · Lecture du cache $0.0002 / 1K jetons Entrée · Écriture dans le cache — / 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 $0.004 / 1K jetons Sortie · Jetons en sortie $0.018 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-5.6-terra:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['openai/gpt-5.6-terra:batch', 'openai/gpt-5.6-terra']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5.6-terra:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON results[].response.body intégré
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nConservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez l’intégralité du JSON de statut d’origine, chaque résultat/custom_id et le corps complet de la réponse ou de l’erreur. Enregistrez les results[] terminés au format JSONL sans filtrage.
Conservez l’identifiant de l’opération d’origine. La réponse 503 result_pending_check contient X-Should-Retry:false ; ne soumettez jamais à nouveau un lot d’origine dont l’issue est inconnue.
| Champ | Type |
|---|---|
Champresults[].custom_id | Typestring |
Champresults[].response.body.choices[].message.content | Typestring|null |
Champresults[].error | Typeobject|null |
Champusage | Typeobject|null |
Champid | Typestring |
Champmodel | Typestring |
Champendpoint | Typestring |
Champstatus | Typestring |
Champrequest_counts | Typeobject |
Champresults[].id | Typestring |
Champresults[].response.status_code | Typeinteger |
Champresults[].response.request_id | Typestring |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionEnveloppe intégrée documentée invalide, clés dupliquées, identité d’élément incorrecte ou conflit avec les capacités configurées du modèle. | Étape suivanteCorrigez les champs indiqués avant toute nouvelle soumission. |
Réponse401 · authentication_error | ConditionClé API invalide. | Étape suivanteUtilisez la clé Ailoot autorisée. |
Réponse403 · permission_error | ConditionGroupe de traitement par lots indisponible. | Étape suivanteVérifiez les droits d’accès de la clé/du groupe. |
Réponse422 · invalid_request_error | ConditionLe traitement par lots est facturé sur le solde ; la création via un abonnement est refusée. | Étape suivanteUtilisez le groupe autorisé dont la facturation est prélevée sur le solde. |
Réponse422 · price_unavailable | ConditionImpossible d’établir un devis pour les données d’entrée du traitement par lots. | Étape suivanteConservez la réponse ; utilisez les données d’entrée documentées pour cette famille. |
Réponse402 · billing_error | ConditionRéserve pour le traitement par lots indisponible. | Étape suivanteRésolvez le problème d’admission avant d’envoyer une nouvelle requête. |
Réponse503 · price_unavailable | ConditionPrix de la méthode Batch/tarifs natifs indisponibles. | Étape suivanteConservez la réponse ; ne remplacez pas les prix par d’autres. |
Réponse503 · api_error | ConditionRoute exacte du fournisseur indisponible. | Étape suivanteConservez la réponse pour réparer la route. |
Réponse503 · result_pending_check | ConditionLe résultat d’origine nécessite une vérification ; X-Should-Retry:false. | Étape suivanteConservez l’operation_id/id d’origine et consultez son statut ; ne répétez jamais le POST d’origine. |
Réponse404 · not_found | ConditionOpération de suivi du traitement par lots absente ou appartenant à une autre identité. | Étape suivanteUtilisez l’id exact d’origine avec le même utilisateur, la même clé et le même groupe. |
Ailoot Ultra openai/gpt-5.6-terra:batch
Utilisez les chemins de méthode indiqués ci-dessus.