GPT-5.6 Terra Pro désigne GPT-5.6 Terra d’OpenAI avec le raisonnement Pro. Terra est le niveau de raisonnement GPT-5.6 pour les travaux pratiques et correspond approximativement au niveau mini des anciennes familles GPT-5. Le modèle de base accepte du texte et des images et produit du texte. Pro augmente le travail du modèle pendant l’élaboration de la réponse finale, en conservant Terra comme édition de base sélectionnée.
Un exemple de tâche consiste à comparer deux documents selon un ensemble d’exigences énoncées. Fournissez les deux textes, identifiez la version ou la section prioritaire et définissez les critères importants. Demandez les points d’accord, les différences et les questions qui nécessitent une clarification. Vous pouvez demander un tableau comparatif suivi d’une courte recommandation dont les conditions sont explicites. Un énoncé absent doit être représenté comme une information manquante plutôt que comme un fait fourni par le modèle.
Terra peut aussi être utilisé dans une tâche qui relie une requête écrite à une politique ou à une explication technique. Fournissez les règles pertinentes et demandez une réponse sous une forme précise, comme une lettre, un ensemble de champs ou un plan pour l’action suivante. Si une image porte des éléments probants essentiels, identifiez le détail à examiner et donnez le contexte nécessaire à son interprétation. Pour une question technique, incluez le comportement observé et le comportement attendu avec le code ou la description pertinents.
La spécification GPT-5.6 Terra du concepteur indique une fenêtre de contexte de 1 050 000 tokens, une entrée maximale de 922 000 tokens et une sortie maximale de 128 000 tokens. Sa date limite des connaissances documentée est le 16 février 2026. Le modèle de base prend en charge les efforts de raisonnement none, low, medium, high, xhigh et max, avec medium par défaut. Le mode Pro et l’effort sont des réglages indépendants, et le budget de contexte accueille le raisonnement ainsi que le matériau source et la réponse finale.
OpenAI documente Pro dans l’API Responses pour les travaux difficiles qui peuvent tolérer un délai supplémentaire et davantage d’activité du modèle. Le modèle de base prend en charge le streaming, Structured Outputs, les appels de fonctions, la recherche web et dans les fichiers, les images en entrée et la mise en cache des prompts. Le concepteur répertorie aussi les outils de génération d’images, un interpréteur de code, l’exécution de commandes dans un environnement hébergé et l’application de correctifs, les compétences, l’utilisation de l’ordinateur, les connexions MCP et la recherche d’outils. Une application expose et exécute ses opérations et renvoie leurs résultats ; la réponse textuelle du modèle est distincte de ces actions exécutées.
Préparez la requête autour d’un critère d’achèvement. Dans la comparaison de documents, identifiez les éléments probants requis pour chaque conclusion et demandez une liste séparée des points non résolus. Pour une tâche de rédaction de réponse, précisez les faits obligatoires et l’action suivante du lecteur. Un résultat final utile est une comparaison structurée ou une réponse proposée dont les énoncés importants peuvent être reliés au matériau fourni, prête pour un échange de suivi ciblé.
", "aboutText": "GPT-5.6 Terra Pro désigne GPT-5.6 Terra d’OpenAI avec le raisonnement Pro. Terra est le niveau de raisonnement GPT-5.6 pour les travaux pratiques et correspond approximativement au niveau mini des anciennes familles GPT-5. Le modèle de base accepte du texte et des images et produit du texte. Pro augmente le travail du modèle pendant l’élaboration de la réponse finale, en conservant Terra comme édition de base sélectionnée.\n\nUn exemple de tâche consiste à comparer deux documents selon un ensemble d’exigences énoncées. Fournissez les deux textes, identifiez la version ou la section prioritaire et définissez les critères importants. Demandez les points d’accord, les différences et les questions qui nécessitent une clarification. Vous pouvez demander un tableau comparatif suivi d’une courte recommandation dont les conditions sont explicites. Un énoncé absent doit être représenté comme une information manquante plutôt que comme un fait fourni par le modèle.\n\nTerra peut aussi être utilisé dans une tâche qui relie une requête écrite à une politique ou à une explication technique. Fournissez les règles pertinentes et demandez une réponse sous une forme précise, comme une lettre, un ensemble de champs ou un plan pour l’action suivante. Si une image porte des éléments probants essentiels, identifiez le détail à examiner et donnez le contexte nécessaire à son interprétation. Pour une question technique, incluez le comportement observé et le comportement attendu avec le code ou la description pertinents.\n\nLa spécification GPT-5.6 Terra du concepteur indique une fenêtre de contexte de 1 050 000 tokens, une entrée maximale de 922 000 tokens et une sortie maximale de 128 000 tokens. Sa date limite des connaissances documentée est le 16 février 2026. Le modèle de base prend en charge les efforts de raisonnement none, low, medium, high, xhigh et max, avec medium par défaut. Le mode Pro et l’effort sont des réglages indépendants, et le budget de contexte accueille le raisonnement ainsi que le matériau source et la réponse finale.\n\nOpenAI documente Pro dans l’API Responses pour les travaux difficiles qui peuvent tolérer un délai supplémentaire et davantage d’activité du modèle. Le modèle de base prend en charge le streaming, Structured Outputs, les appels de fonctions, la recherche web et dans les fichiers, les images en entrée et la mise en cache des prompts. Le concepteur répertorie aussi les outils de génération d’images, un interpréteur de code, l’exécution de commandes dans un environnement hébergé et l’application de correctifs, les compétences, l’utilisation de l’ordinateur, les connexions MCP et la recherche d’outils. Une application expose et exécute ses opérations et renvoie leurs résultats ; la réponse textuelle du modèle est distincte de ces actions exécutées.\n\nPréparez la requête autour d’un critère d’achèvement. Dans la comparaison de documents, identifiez les éléments probants requis pour chaque conclusion et demandez une liste séparée des points non résolus. Pour une tâche de rédaction de réponse, précisez les faits obligatoires et l’action suivante du lecteur. Un résultat final utile est une comparaison structurée ou une réponse proposée dont les énoncés importants peuvent être reliés au matériau fourni, prête pour un échange de suivi ciblé.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Compare a revised operating rule\n\nCompare these operating instructions, giving Revision B priority. [A] Supervisors approve every stock adjustment. [B] Supervisors approve adjustments above 20 units; smaller adjustments require a recorded reason. A request changes stock by 12 units and has no reason. Explain the governing rule, missing information and proposed reply to the requester.A rule comparison, a case-specific finding and a short request for the missing recorded reason.Ensure the priority of B is applied and the 12-unit case is not automatically approved.gpt-5.6-terra-proGPT-5.6 Terra avec raisonnement Pro pour les tâches pratiques qui bénéficient d’une analyse plus complète. Comparez les documents fournis, interprétez des règles ou élaborez une réponse structurée à partir de texte et de matériau visuel.
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 Pro désigne GPT-5.6 Terra d’OpenAI avec le raisonnement Pro. Terra est le niveau de raisonnement GPT-5.6 pour les travaux pratiques et correspond approximativement au niveau mini des anciennes familles GPT-5. Le modèle de base accepte du texte et des images et produit du texte. Pro augmente le travail du modèle pendant l’élaboration de la réponse finale, en conservant Terra comme édition de base sélectionnée.
Un exemple de tâche consiste à comparer deux documents selon un ensemble d’exigences énoncées. Fournissez les deux textes, identifiez la version ou la section prioritaire et définissez les critères importants. Demandez les points d’accord, les différences et les questions qui nécessitent une clarification. Vous pouvez demander un tableau comparatif suivi d’une courte recommandation dont les conditions sont explicites. Un énoncé absent doit être représenté comme une information manquante plutôt que comme un fait fourni par le modèle.
Terra peut aussi être utilisé dans une tâche qui relie une requête écrite à une politique ou à une explication technique. Fournissez les règles pertinentes et demandez une réponse sous une forme précise, comme une lettre, un ensemble de champs ou un plan pour l’action suivante. Si une image porte des éléments probants essentiels, identifiez le détail à examiner et donnez le contexte nécessaire à son interprétation. Pour une question technique, incluez le comportement observé et le comportement attendu avec le code ou la description pertinents.
La spécification GPT-5.6 Terra du concepteur indique une fenêtre de contexte de 1 050 000 tokens, une entrée maximale de 922 000 tokens et une sortie maximale de 128 000 tokens. Sa date limite des connaissances documentée est le 16 février 2026. Le modèle de base prend en charge les efforts de raisonnement none, low, medium, high, xhigh et max, avec medium par défaut. Le mode Pro et l’effort sont des réglages indépendants, et le budget de contexte accueille le raisonnement ainsi que le matériau source et la réponse finale.
OpenAI documente Pro dans l’API Responses pour les travaux difficiles qui peuvent tolérer un délai supplémentaire et davantage d’activité du modèle. Le modèle de base prend en charge le streaming, Structured Outputs, les appels de fonctions, la recherche web et dans les fichiers, les images en entrée et la mise en cache des prompts. Le concepteur répertorie aussi les outils de génération d’images, un interpréteur de code, l’exécution de commandes dans un environnement hébergé et l’application de correctifs, les compétences, l’utilisation de l’ordinateur, les connexions MCP et la recherche d’outils. Une application expose et exécute ses opérations et renvoie leurs résultats ; la réponse textuelle du modèle est distincte de ces actions exécutées.
Préparez la requête autour d’un critère d’achèvement. Dans la comparaison de documents, identifiez les éléments probants requis pour chaque conclusion et demandez une liste séparée des points non résolus. Pour une tâche de rédaction de réponse, précisez les faits obligatoires et l’action suivante du lecteur. Un résultat final utile est une comparaison structurée ou une réponse proposée dont les énoncés importants peuvent être reliés au matériau fourni, prête pour un échange de suivi ciblé.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gpt-5.6-terra-pro | 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 sous forme de texte littéral ; aucun identifiant 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’identifiant 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/objets 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 | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.004 / 1K tokens Sortie · Tokens en sortie $0.024 / 1K tokens Entrée · Lecture du cache $0.0004 / 1K tokens Entrée · Écriture dans le cache $0.005 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluse272 000 | Coût Entrée · Tokens en entrée $0.004 / 1K tokens Sortie · Tokens en sortie $0.024 / 1K tokens Entrée · Lecture du cache $0.0004 / 1K tokens Entrée · Écriture dans le cache $0.005 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 2 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de272 000 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.008 / 1K tokens Sortie · Tokens en sortie $0.036 / 1K tokens Entrée · Lecture du cache $0.0008 / 1K tokens Entrée · Écriture dans le cache $0.01 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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-pro","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gpt-5.6-terra-pro", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson 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, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles 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 contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra gpt-5.6-terra-pro, openai/gpt-5.6-terra-pro
/chat/completions
gpt-5.6-terra-proGPT-5.6 Terra avec raisonnement Pro pour les tâches pratiques qui bénéficient d’une analyse plus complète. Comparez les documents fournis, interprétez des règles ou élaborez une réponse structurée à partir de texte et de matériau visuel.
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 Pro désigne GPT-5.6 Terra d’OpenAI avec le raisonnement Pro. Terra est le niveau de raisonnement GPT-5.6 pour les travaux pratiques et correspond approximativement au niveau mini des anciennes familles GPT-5. Le modèle de base accepte du texte et des images et produit du texte. Pro augmente le travail du modèle pendant l’élaboration de la réponse finale, en conservant Terra comme édition de base sélectionnée.
Un exemple de tâche consiste à comparer deux documents selon un ensemble d’exigences énoncées. Fournissez les deux textes, identifiez la version ou la section prioritaire et définissez les critères importants. Demandez les points d’accord, les différences et les questions qui nécessitent une clarification. Vous pouvez demander un tableau comparatif suivi d’une courte recommandation dont les conditions sont explicites. Un énoncé absent doit être représenté comme une information manquante plutôt que comme un fait fourni par le modèle.
Terra peut aussi être utilisé dans une tâche qui relie une requête écrite à une politique ou à une explication technique. Fournissez les règles pertinentes et demandez une réponse sous une forme précise, comme une lettre, un ensemble de champs ou un plan pour l’action suivante. Si une image porte des éléments probants essentiels, identifiez le détail à examiner et donnez le contexte nécessaire à son interprétation. Pour une question technique, incluez le comportement observé et le comportement attendu avec le code ou la description pertinents.
La spécification GPT-5.6 Terra du concepteur indique une fenêtre de contexte de 1 050 000 tokens, une entrée maximale de 922 000 tokens et une sortie maximale de 128 000 tokens. Sa date limite des connaissances documentée est le 16 février 2026. Le modèle de base prend en charge les efforts de raisonnement none, low, medium, high, xhigh et max, avec medium par défaut. Le mode Pro et l’effort sont des réglages indépendants, et le budget de contexte accueille le raisonnement ainsi que le matériau source et la réponse finale.
OpenAI documente Pro dans l’API Responses pour les travaux difficiles qui peuvent tolérer un délai supplémentaire et davantage d’activité du modèle. Le modèle de base prend en charge le streaming, Structured Outputs, les appels de fonctions, la recherche web et dans les fichiers, les images en entrée et la mise en cache des prompts. Le concepteur répertorie aussi les outils de génération d’images, un interpréteur de code, l’exécution de commandes dans un environnement hébergé et l’application de correctifs, les compétences, l’utilisation de l’ordinateur, les connexions MCP et la recherche d’outils. Une application expose et exécute ses opérations et renvoie leurs résultats ; la réponse textuelle du modèle est distincte de ces actions exécutées.
Préparez la requête autour d’un critère d’achèvement. Dans la comparaison de documents, identifiez les éléments probants requis pour chaque conclusion et demandez une liste séparée des points non résolus. Pour une tâche de rédaction de réponse, précisez les faits obligatoires et l’action suivante du lecteur. Un résultat final utile est une comparaison structurée ou une réponse proposée dont les énoncés importants peuvent être reliés au matériau fourni, prête pour un échange de suivi ciblé.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gpt-5.6-terra-pro | 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 | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.004 / 1K tokens Sortie · Tokens en sortie $0.024 / 1K tokens Entrée · Lecture du cache $0.0004 / 1K tokens Entrée · Écriture dans le cache $0.005 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluse272 000 | Coût Entrée · Tokens en entrée $0.004 / 1K tokens Sortie · Tokens en sortie $0.024 / 1K tokens Entrée · Lecture du cache $0.0004 / 1K tokens Entrée · Écriture dans le cache $0.005 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 2 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de272 000 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.008 / 1K tokens Sortie · Tokens en sortie $0.036 / 1K tokens Entrée · Lecture du cache $0.0008 / 1K tokens Entrée · Écriture dans le cache $0.01 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "gpt-5.6-terra-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.6-terra-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.6-terra-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 identifiants 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 identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles 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 contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra gpt-5.6-terra-pro, openai/gpt-5.6-terra-pro
/chat/completions
openai/gpt-5.6-terra-proGPT-5.6 Terra avec raisonnement Pro pour les tâches pratiques qui bénéficient d’une analyse plus complète. Comparez les documents fournis, interprétez des règles ou élaborez une réponse structurée à partir de texte et de matériau visuel.
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 Pro désigne GPT-5.6 Terra d’OpenAI avec le raisonnement Pro. Terra est le niveau de raisonnement GPT-5.6 pour les travaux pratiques et correspond approximativement au niveau mini des anciennes familles GPT-5. Le modèle de base accepte du texte et des images et produit du texte. Pro augmente le travail du modèle pendant l’élaboration de la réponse finale, en conservant Terra comme édition de base sélectionnée.
Un exemple de tâche consiste à comparer deux documents selon un ensemble d’exigences énoncées. Fournissez les deux textes, identifiez la version ou la section prioritaire et définissez les critères importants. Demandez les points d’accord, les différences et les questions qui nécessitent une clarification. Vous pouvez demander un tableau comparatif suivi d’une courte recommandation dont les conditions sont explicites. Un énoncé absent doit être représenté comme une information manquante plutôt que comme un fait fourni par le modèle.
Terra peut aussi être utilisé dans une tâche qui relie une requête écrite à une politique ou à une explication technique. Fournissez les règles pertinentes et demandez une réponse sous une forme précise, comme une lettre, un ensemble de champs ou un plan pour l’action suivante. Si une image porte des éléments probants essentiels, identifiez le détail à examiner et donnez le contexte nécessaire à son interprétation. Pour une question technique, incluez le comportement observé et le comportement attendu avec le code ou la description pertinents.
La spécification GPT-5.6 Terra du concepteur indique une fenêtre de contexte de 1 050 000 tokens, une entrée maximale de 922 000 tokens et une sortie maximale de 128 000 tokens. Sa date limite des connaissances documentée est le 16 février 2026. Le modèle de base prend en charge les efforts de raisonnement none, low, medium, high, xhigh et max, avec medium par défaut. Le mode Pro et l’effort sont des réglages indépendants, et le budget de contexte accueille le raisonnement ainsi que le matériau source et la réponse finale.
OpenAI documente Pro dans l’API Responses pour les travaux difficiles qui peuvent tolérer un délai supplémentaire et davantage d’activité du modèle. Le modèle de base prend en charge le streaming, Structured Outputs, les appels de fonctions, la recherche web et dans les fichiers, les images en entrée et la mise en cache des prompts. Le concepteur répertorie aussi les outils de génération d’images, un interpréteur de code, l’exécution de commandes dans un environnement hébergé et l’application de correctifs, les compétences, l’utilisation de l’ordinateur, les connexions MCP et la recherche d’outils. Une application expose et exécute ses opérations et renvoie leurs résultats ; la réponse textuelle du modèle est distincte de ces actions exécutées.
Préparez la requête autour d’un critère d’achèvement. Dans la comparaison de documents, identifiez les éléments probants requis pour chaque conclusion et demandez une liste séparée des points non résolus. Pour une tâche de rédaction de réponse, précisez les faits obligatoires et l’action suivante du lecteur. Un résultat final utile est une comparaison structurée ou une réponse proposée dont les énoncés importants peuvent être reliés au matériau fourni, prête pour un échange de suivi ciblé.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites openai/gpt-5.6-terra-pro | 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’identifiant 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: outil de fonction fourni | 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 rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | 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 sous forme de texte littéral ; aucun identifiant 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’identifiant 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/objets 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 | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.004 / 1K tokens Sortie · Tokens en sortie $0.024 / 1K tokens Entrée · Lecture du cache $0.0004 / 1K tokens Entrée · Écriture dans le cache $0.005 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluse272 000 | Coût Entrée · Tokens en entrée $0.004 / 1K tokens Sortie · Tokens en sortie $0.024 / 1K tokens Entrée · Lecture du cache $0.0004 / 1K tokens Entrée · Écriture dans le cache $0.005 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 2 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de272 000 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.008 / 1K tokens Sortie · Tokens en sortie $0.036 / 1K tokens Entrée · Lecture du cache $0.0008 / 1K tokens Entrée · Écriture dans le cache $0.01 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-5.6-terra-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-5.6-terra-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles 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 contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra gpt-5.6-terra-pro, openai/gpt-5.6-terra-pro
/chat/completions
openai/gpt-5.6-terra-proGPT-5.6 Terra avec raisonnement Pro pour les tâches pratiques qui bénéficient d’une analyse plus complète. Comparez les documents fournis, interprétez des règles ou élaborez une réponse structurée à partir de texte et de matériau visuel.
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 Pro désigne GPT-5.6 Terra d’OpenAI avec le raisonnement Pro. Terra est le niveau de raisonnement GPT-5.6 pour les travaux pratiques et correspond approximativement au niveau mini des anciennes familles GPT-5. Le modèle de base accepte du texte et des images et produit du texte. Pro augmente le travail du modèle pendant l’élaboration de la réponse finale, en conservant Terra comme édition de base sélectionnée.
Un exemple de tâche consiste à comparer deux documents selon un ensemble d’exigences énoncées. Fournissez les deux textes, identifiez la version ou la section prioritaire et définissez les critères importants. Demandez les points d’accord, les différences et les questions qui nécessitent une clarification. Vous pouvez demander un tableau comparatif suivi d’une courte recommandation dont les conditions sont explicites. Un énoncé absent doit être représenté comme une information manquante plutôt que comme un fait fourni par le modèle.
Terra peut aussi être utilisé dans une tâche qui relie une requête écrite à une politique ou à une explication technique. Fournissez les règles pertinentes et demandez une réponse sous une forme précise, comme une lettre, un ensemble de champs ou un plan pour l’action suivante. Si une image porte des éléments probants essentiels, identifiez le détail à examiner et donnez le contexte nécessaire à son interprétation. Pour une question technique, incluez le comportement observé et le comportement attendu avec le code ou la description pertinents.
La spécification GPT-5.6 Terra du concepteur indique une fenêtre de contexte de 1 050 000 tokens, une entrée maximale de 922 000 tokens et une sortie maximale de 128 000 tokens. Sa date limite des connaissances documentée est le 16 février 2026. Le modèle de base prend en charge les efforts de raisonnement none, low, medium, high, xhigh et max, avec medium par défaut. Le mode Pro et l’effort sont des réglages indépendants, et le budget de contexte accueille le raisonnement ainsi que le matériau source et la réponse finale.
OpenAI documente Pro dans l’API Responses pour les travaux difficiles qui peuvent tolérer un délai supplémentaire et davantage d’activité du modèle. Le modèle de base prend en charge le streaming, Structured Outputs, les appels de fonctions, la recherche web et dans les fichiers, les images en entrée et la mise en cache des prompts. Le concepteur répertorie aussi les outils de génération d’images, un interpréteur de code, l’exécution de commandes dans un environnement hébergé et l’application de correctifs, les compétences, l’utilisation de l’ordinateur, les connexions MCP et la recherche d’outils. Une application expose et exécute ses opérations et renvoie leurs résultats ; la réponse textuelle du modèle est distincte de ces actions exécutées.
Préparez la requête autour d’un critère d’achèvement. Dans la comparaison de documents, identifiez les éléments probants requis pour chaque conclusion et demandez une liste séparée des points non résolus. Pour une tâche de rédaction de réponse, précisez les faits obligatoires et l’action suivante du lecteur. Un résultat final utile est une comparaison structurée ou une réponse proposée dont les énoncés importants peuvent être reliés au matériau fourni, prête pour un échange de suivi ciblé.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites openai/gpt-5.6-terra-pro | 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 | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.004 / 1K tokens Sortie · Tokens en sortie $0.024 / 1K tokens Entrée · Lecture du cache $0.0004 / 1K tokens Entrée · Écriture dans le cache $0.005 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluse272 000 | Coût Entrée · Tokens en entrée $0.004 / 1K tokens Sortie · Tokens en sortie $0.024 / 1K tokens Entrée · Lecture du cache $0.0004 / 1K tokens Entrée · Écriture dans le cache $0.005 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 2 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de272 000 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.008 / 1K tokens Sortie · Tokens en sortie $0.036 / 1K tokens Entrée · Lecture du cache $0.0008 / 1K tokens Entrée · Écriture dans le cache $0.01 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "openai/gpt-5.6-terra-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.6-terra-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.6-terra-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 identifiants 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 identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles 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 contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra gpt-5.6-terra-pro, openai/gpt-5.6-terra-pro
/chat/completions
Exemple technique en anglais
Compare a revised operating rule\n\nCompare these operating instructions, giving Revision B priority. [A] Supervisors approve every stock adjustment. [B] Supervisors approve adjustments above 20 units; smaller adjustments require a recorded reason. A request changes stock by 12 units and has no reason. Explain the governing rule, missing information and proposed reply to the requester.A rule comparison, a case-specific finding and a short request for the missing recorded reason.Ensure the priority of B is applied and the 12-unit case is not automatically approved.