GPT-5.6 Terra Pro betegner OpenAIs GPT-5.6 Terra med Pro-resonnering. Terra er GPT-5.6-familiens resonneringsmodell for praktisk arbeid og tilsvarer omtrent mini-klassen i tidligere GPT-5-familier. Grunnmodellen tar imot tekst og bilder og produserer tekst. Pro legger til modellarbeid når sluttsvaret utvikles, og beholder Terra som valgt grunnutgave.
En eksempeloppgave er å sammenligne to dokumenter etter et angitt sett med krav. Legg ved begge tekstene, angi hvilken versjon eller del som har forrang og definer kriteriene som er viktige. Be om de sammenfallende punktene, forskjellene og spørsmålene som trenger avklaring. Du kan be om en sammenligningstabell etterfulgt av en kort anbefaling som gjør betingelsene tydelige. En manglende opplysning bør fremstilles som manglende informasjon fremfor et faktum oppgitt av modellen.
Terra kan også brukes i en oppgave som knytter en skriftlig forespørsel til et regelverk eller en teknisk forklaring. Legg ved de relevante reglene og be om et svar i en bestemt form, for eksempel et brev, et sett med felt eller en plan for neste handling. Hvis et bilde inneholder vesentlig dokumentasjon, angir du detaljen som skal undersøkes og gir konteksten som trengs for å tolke den. For et teknisk spørsmål tar du med observert og forventet oppførsel sammen med relevant kode eller beskrivelse.
Produsentens GPT-5.6 Terra-spesifikasjon oppgir et kontekstvindu på 1050000 tokens, maksimale inndata på 922000 tokens og en maksimal utdatamengde på 128000 tokens. Den dokumenterte kunnskapsgrensen er 16. februar 2026. Grunnmodellen støtter resonneringsnivåene none, low, medium, high, xhigh og max, med medium som standard. Pro-modus og nivå er uavhengige innstillinger, og kontekstbudsjettet rommer resonnering i tillegg til kildematerialet og sluttsvaret.
OpenAI dokumenterer Pro i Responses API for vanskelig arbeid som tillater ekstra ventetid og modellaktivitet. Grunnmodellen støtter strømming, Structured Outputs, funksjonskall, nett- og filsøk, bildeinndata og mellomlagring av ledetekster. Produsenten oppgir også bildegenereringsverktøy, en kodetolker, driftede skall- og patchoperasjoner, ferdigheter, datamaskinbruk, MCP-tilkoblinger og verktøysøk. En applikasjon gjør operasjonene sine tilgjengelige, utfører dem og returnerer resultatene; modellens tekstsvar er atskilt fra disse utførte handlingene.
Bygg forespørselen rundt et fullføringskriterium. I dokumentsammenligningen angir du dokumentasjonen som kreves for hver konklusjon og ber om at uavklarte punkter listes separat. I en oppgave med svarskriving angir du de obligatoriske faktaene og leserens neste handling. Et nyttig sluttresultat er en strukturert sammenligning eller et svarforslag der viktige utsagn kan spores tilbake til det vedlagte materialet, klart for en fokusert oppfølging.
", "aboutText": "GPT-5.6 Terra Pro betegner OpenAIs GPT-5.6 Terra med Pro-resonnering. Terra er GPT-5.6-familiens resonneringsmodell for praktisk arbeid og tilsvarer omtrent mini-klassen i tidligere GPT-5-familier. Grunnmodellen tar imot tekst og bilder og produserer tekst. Pro legger til modellarbeid når sluttsvaret utvikles, og beholder Terra som valgt grunnutgave.\n\nEn eksempeloppgave er å sammenligne to dokumenter etter et angitt sett med krav. Legg ved begge tekstene, angi hvilken versjon eller del som har forrang og definer kriteriene som er viktige. Be om de sammenfallende punktene, forskjellene og spørsmålene som trenger avklaring. Du kan be om en sammenligningstabell etterfulgt av en kort anbefaling som gjør betingelsene tydelige. En manglende opplysning bør fremstilles som manglende informasjon fremfor et faktum oppgitt av modellen.\n\nTerra kan også brukes i en oppgave som knytter en skriftlig forespørsel til et regelverk eller en teknisk forklaring. Legg ved de relevante reglene og be om et svar i en bestemt form, for eksempel et brev, et sett med felt eller en plan for neste handling. Hvis et bilde inneholder vesentlig dokumentasjon, angir du detaljen som skal undersøkes og gir konteksten som trengs for å tolke den. For et teknisk spørsmål tar du med observert og forventet oppførsel sammen med relevant kode eller beskrivelse.\n\nProdusentens GPT-5.6 Terra-spesifikasjon oppgir et kontekstvindu på 1050000 tokens, maksimale inndata på 922000 tokens og en maksimal utdatamengde på 128000 tokens. Den dokumenterte kunnskapsgrensen er 16. februar 2026. Grunnmodellen støtter resonneringsnivåene none, low, medium, high, xhigh og max, med medium som standard. Pro-modus og nivå er uavhengige innstillinger, og kontekstbudsjettet rommer resonnering i tillegg til kildematerialet og sluttsvaret.\n\nOpenAI dokumenterer Pro i Responses API for vanskelig arbeid som tillater ekstra ventetid og modellaktivitet. Grunnmodellen støtter strømming, Structured Outputs, funksjonskall, nett- og filsøk, bildeinndata og mellomlagring av ledetekster. Produsenten oppgir også bildegenereringsverktøy, en kodetolker, driftede skall- og patchoperasjoner, ferdigheter, datamaskinbruk, MCP-tilkoblinger og verktøysøk. En applikasjon gjør operasjonene sine tilgjengelige, utfører dem og returnerer resultatene; modellens tekstsvar er atskilt fra disse utførte handlingene.\n\nBygg forespørselen rundt et fullføringskriterium. I dokumentsammenligningen angir du dokumentasjonen som kreves for hver konklusjon og ber om at uavklarte punkter listes separat. I en oppgave med svarskriving angir du de obligatoriske faktaene og leserens neste handling. Et nyttig sluttresultat er en strukturert sammenligning eller et svarforslag der viktige utsagn kan spores tilbake til det vedlagte materialet, klart for en fokusert oppfølging.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
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 med Pro-resonnering for praktiske oppgaver som har nytte av grundigere analyse. Sammenlign vedlagte dokumenter, tolk regler eller utvikle et strukturert svar fra tekst og visuelt materiale.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-5.6 Terra Pro betegner OpenAIs GPT-5.6 Terra med Pro-resonnering. Terra er GPT-5.6-familiens resonneringsmodell for praktisk arbeid og tilsvarer omtrent mini-klassen i tidligere GPT-5-familier. Grunnmodellen tar imot tekst og bilder og produserer tekst. Pro legger til modellarbeid når sluttsvaret utvikles, og beholder Terra som valgt grunnutgave.
En eksempeloppgave er å sammenligne to dokumenter etter et angitt sett med krav. Legg ved begge tekstene, angi hvilken versjon eller del som har forrang og definer kriteriene som er viktige. Be om de sammenfallende punktene, forskjellene og spørsmålene som trenger avklaring. Du kan be om en sammenligningstabell etterfulgt av en kort anbefaling som gjør betingelsene tydelige. En manglende opplysning bør fremstilles som manglende informasjon fremfor et faktum oppgitt av modellen.
Terra kan også brukes i en oppgave som knytter en skriftlig forespørsel til et regelverk eller en teknisk forklaring. Legg ved de relevante reglene og be om et svar i en bestemt form, for eksempel et brev, et sett med felt eller en plan for neste handling. Hvis et bilde inneholder vesentlig dokumentasjon, angir du detaljen som skal undersøkes og gir konteksten som trengs for å tolke den. For et teknisk spørsmål tar du med observert og forventet oppførsel sammen med relevant kode eller beskrivelse.
Produsentens GPT-5.6 Terra-spesifikasjon oppgir et kontekstvindu på 1050000 tokens, maksimale inndata på 922000 tokens og en maksimal utdatamengde på 128000 tokens. Den dokumenterte kunnskapsgrensen er 16. februar 2026. Grunnmodellen støtter resonneringsnivåene none, low, medium, high, xhigh og max, med medium som standard. Pro-modus og nivå er uavhengige innstillinger, og kontekstbudsjettet rommer resonnering i tillegg til kildematerialet og sluttsvaret.
OpenAI dokumenterer Pro i Responses API for vanskelig arbeid som tillater ekstra ventetid og modellaktivitet. Grunnmodellen støtter strømming, Structured Outputs, funksjonskall, nett- og filsøk, bildeinndata og mellomlagring av ledetekster. Produsenten oppgir også bildegenereringsverktøy, en kodetolker, driftede skall- og patchoperasjoner, ferdigheter, datamaskinbruk, MCP-tilkoblinger og verktøysøk. En applikasjon gjør operasjonene sine tilgjengelige, utfører dem og returnerer resultatene; modellens tekstsvar er atskilt fra disse utførte handlingene.
Bygg forespørselen rundt et fullføringskriterium. I dokumentsammenligningen angir du dokumentasjonen som kreves for hver konklusjon og ber om at uavklarte punkter listes separat. I en oppgave med svarskriving angir du de obligatoriske faktaene og leserens neste handling. Et nyttig sluttresultat er en strukturert sammenligning eller et svarforslag der viktige utsagn kan spores tilbake til det vedlagte materialet, klart for en fokusert oppfølging.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser gpt-5.6-terra-pro | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Tekstsamtale | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream |
Parametercontrol_scope | AvtaleTekstsamtale; stream er en boolsk verdi med false som standard. |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Metodealiaser: /chat/completions
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.004 / 1K tokener Utdata · Utgående tokener $0.024 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener Inndata · Skriving til hurtigbuffer $0.005 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og med272 000 | Kostnad Inndata · Inngående tokener $0.004 / 1K tokener Utdata · Utgående tokener $0.024 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener Inndata · Skriving til hurtigbuffer $0.005 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 2 for forespørselslengde | Prisplan— | Konteksttokener, mer enn272 000 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.008 / 1K tokener Utdata · Utgående tokener $0.036 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0008 / 1K tokener Inndata · Skriving til hurtigbuffer $0.01 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra gpt-5.6-terra-pro, openai/gpt-5.6-terra-pro
/chat/completions
gpt-5.6-terra-proGPT-5.6 Terra med Pro-resonnering for praktiske oppgaver som har nytte av grundigere analyse. Sammenlign vedlagte dokumenter, tolk regler eller utvikle et strukturert svar fra tekst og visuelt materiale.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-5.6 Terra Pro betegner OpenAIs GPT-5.6 Terra med Pro-resonnering. Terra er GPT-5.6-familiens resonneringsmodell for praktisk arbeid og tilsvarer omtrent mini-klassen i tidligere GPT-5-familier. Grunnmodellen tar imot tekst og bilder og produserer tekst. Pro legger til modellarbeid når sluttsvaret utvikles, og beholder Terra som valgt grunnutgave.
En eksempeloppgave er å sammenligne to dokumenter etter et angitt sett med krav. Legg ved begge tekstene, angi hvilken versjon eller del som har forrang og definer kriteriene som er viktige. Be om de sammenfallende punktene, forskjellene og spørsmålene som trenger avklaring. Du kan be om en sammenligningstabell etterfulgt av en kort anbefaling som gjør betingelsene tydelige. En manglende opplysning bør fremstilles som manglende informasjon fremfor et faktum oppgitt av modellen.
Terra kan også brukes i en oppgave som knytter en skriftlig forespørsel til et regelverk eller en teknisk forklaring. Legg ved de relevante reglene og be om et svar i en bestemt form, for eksempel et brev, et sett med felt eller en plan for neste handling. Hvis et bilde inneholder vesentlig dokumentasjon, angir du detaljen som skal undersøkes og gir konteksten som trengs for å tolke den. For et teknisk spørsmål tar du med observert og forventet oppførsel sammen med relevant kode eller beskrivelse.
Produsentens GPT-5.6 Terra-spesifikasjon oppgir et kontekstvindu på 1050000 tokens, maksimale inndata på 922000 tokens og en maksimal utdatamengde på 128000 tokens. Den dokumenterte kunnskapsgrensen er 16. februar 2026. Grunnmodellen støtter resonneringsnivåene none, low, medium, high, xhigh og max, med medium som standard. Pro-modus og nivå er uavhengige innstillinger, og kontekstbudsjettet rommer resonnering i tillegg til kildematerialet og sluttsvaret.
OpenAI dokumenterer Pro i Responses API for vanskelig arbeid som tillater ekstra ventetid og modellaktivitet. Grunnmodellen støtter strømming, Structured Outputs, funksjonskall, nett- og filsøk, bildeinndata og mellomlagring av ledetekster. Produsenten oppgir også bildegenereringsverktøy, en kodetolker, driftede skall- og patchoperasjoner, ferdigheter, datamaskinbruk, MCP-tilkoblinger og verktøysøk. En applikasjon gjør operasjonene sine tilgjengelige, utfører dem og returnerer resultatene; modellens tekstsvar er atskilt fra disse utførte handlingene.
Bygg forespørselen rundt et fullføringskriterium. I dokumentsammenligningen angir du dokumentasjonen som kreves for hver konklusjon og ber om at uavklarte punkter listes separat. I en oppgave med svarskriving angir du de obligatoriske faktaene og leserens neste handling. Et nyttig sluttresultat er en strukturert sammenligning eller et svarforslag der viktige utsagn kan spores tilbake til det vedlagte materialet, klart for en fokusert oppfølging.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser gpt-5.6-terra-pro | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.004 / 1K tokener Utdata · Utgående tokener $0.024 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener Inndata · Skriving til hurtigbuffer $0.005 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og med272 000 | Kostnad Inndata · Inngående tokener $0.004 / 1K tokener Utdata · Utgående tokener $0.024 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener Inndata · Skriving til hurtigbuffer $0.005 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 2 for forespørselslengde | Prisplan— | Konteksttokener, mer enn272 000 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.008 / 1K tokener Utdata · Utgående tokener $0.036 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0008 / 1K tokener Inndata · Skriving til hurtigbuffer $0.01 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "gpt-5.6-terra-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra gpt-5.6-terra-pro, openai/gpt-5.6-terra-pro
/chat/completions
openai/gpt-5.6-terra-proGPT-5.6 Terra med Pro-resonnering for praktiske oppgaver som har nytte av grundigere analyse. Sammenlign vedlagte dokumenter, tolk regler eller utvikle et strukturert svar fra tekst og visuelt materiale.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-5.6 Terra Pro betegner OpenAIs GPT-5.6 Terra med Pro-resonnering. Terra er GPT-5.6-familiens resonneringsmodell for praktisk arbeid og tilsvarer omtrent mini-klassen i tidligere GPT-5-familier. Grunnmodellen tar imot tekst og bilder og produserer tekst. Pro legger til modellarbeid når sluttsvaret utvikles, og beholder Terra som valgt grunnutgave.
En eksempeloppgave er å sammenligne to dokumenter etter et angitt sett med krav. Legg ved begge tekstene, angi hvilken versjon eller del som har forrang og definer kriteriene som er viktige. Be om de sammenfallende punktene, forskjellene og spørsmålene som trenger avklaring. Du kan be om en sammenligningstabell etterfulgt av en kort anbefaling som gjør betingelsene tydelige. En manglende opplysning bør fremstilles som manglende informasjon fremfor et faktum oppgitt av modellen.
Terra kan også brukes i en oppgave som knytter en skriftlig forespørsel til et regelverk eller en teknisk forklaring. Legg ved de relevante reglene og be om et svar i en bestemt form, for eksempel et brev, et sett med felt eller en plan for neste handling. Hvis et bilde inneholder vesentlig dokumentasjon, angir du detaljen som skal undersøkes og gir konteksten som trengs for å tolke den. For et teknisk spørsmål tar du med observert og forventet oppførsel sammen med relevant kode eller beskrivelse.
Produsentens GPT-5.6 Terra-spesifikasjon oppgir et kontekstvindu på 1050000 tokens, maksimale inndata på 922000 tokens og en maksimal utdatamengde på 128000 tokens. Den dokumenterte kunnskapsgrensen er 16. februar 2026. Grunnmodellen støtter resonneringsnivåene none, low, medium, high, xhigh og max, med medium som standard. Pro-modus og nivå er uavhengige innstillinger, og kontekstbudsjettet rommer resonnering i tillegg til kildematerialet og sluttsvaret.
OpenAI dokumenterer Pro i Responses API for vanskelig arbeid som tillater ekstra ventetid og modellaktivitet. Grunnmodellen støtter strømming, Structured Outputs, funksjonskall, nett- og filsøk, bildeinndata og mellomlagring av ledetekster. Produsenten oppgir også bildegenereringsverktøy, en kodetolker, driftede skall- og patchoperasjoner, ferdigheter, datamaskinbruk, MCP-tilkoblinger og verktøysøk. En applikasjon gjør operasjonene sine tilgjengelige, utfører dem og returnerer resultatene; modellens tekstsvar er atskilt fra disse utførte handlingene.
Bygg forespørselen rundt et fullføringskriterium. I dokumentsammenligningen angir du dokumentasjonen som kreves for hver konklusjon og ber om at uavklarte punkter listes separat. I en oppgave med svarskriving angir du de obligatoriske faktaene og leserens neste handling. Et nyttig sluttresultat er en strukturert sammenligning eller et svarforslag der viktige utsagn kan spores tilbake til det vedlagte materialet, klart for en fokusert oppfølging.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser openai/gpt-5.6-terra-pro | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.004 / 1K tokener Utdata · Utgående tokener $0.024 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener Inndata · Skriving til hurtigbuffer $0.005 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og med272 000 | Kostnad Inndata · Inngående tokener $0.004 / 1K tokener Utdata · Utgående tokener $0.024 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener Inndata · Skriving til hurtigbuffer $0.005 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 2 for forespørselslengde | Prisplan— | Konteksttokener, mer enn272 000 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.008 / 1K tokener Utdata · Utgående tokener $0.036 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0008 / 1K tokener Inndata · Skriving til hurtigbuffer $0.01 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra gpt-5.6-terra-pro, openai/gpt-5.6-terra-pro
/chat/completions
openai/gpt-5.6-terra-proGPT-5.6 Terra med Pro-resonnering for praktiske oppgaver som har nytte av grundigere analyse. Sammenlign vedlagte dokumenter, tolk regler eller utvikle et strukturert svar fra tekst og visuelt materiale.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-5.6 Terra Pro betegner OpenAIs GPT-5.6 Terra med Pro-resonnering. Terra er GPT-5.6-familiens resonneringsmodell for praktisk arbeid og tilsvarer omtrent mini-klassen i tidligere GPT-5-familier. Grunnmodellen tar imot tekst og bilder og produserer tekst. Pro legger til modellarbeid når sluttsvaret utvikles, og beholder Terra som valgt grunnutgave.
En eksempeloppgave er å sammenligne to dokumenter etter et angitt sett med krav. Legg ved begge tekstene, angi hvilken versjon eller del som har forrang og definer kriteriene som er viktige. Be om de sammenfallende punktene, forskjellene og spørsmålene som trenger avklaring. Du kan be om en sammenligningstabell etterfulgt av en kort anbefaling som gjør betingelsene tydelige. En manglende opplysning bør fremstilles som manglende informasjon fremfor et faktum oppgitt av modellen.
Terra kan også brukes i en oppgave som knytter en skriftlig forespørsel til et regelverk eller en teknisk forklaring. Legg ved de relevante reglene og be om et svar i en bestemt form, for eksempel et brev, et sett med felt eller en plan for neste handling. Hvis et bilde inneholder vesentlig dokumentasjon, angir du detaljen som skal undersøkes og gir konteksten som trengs for å tolke den. For et teknisk spørsmål tar du med observert og forventet oppførsel sammen med relevant kode eller beskrivelse.
Produsentens GPT-5.6 Terra-spesifikasjon oppgir et kontekstvindu på 1050000 tokens, maksimale inndata på 922000 tokens og en maksimal utdatamengde på 128000 tokens. Den dokumenterte kunnskapsgrensen er 16. februar 2026. Grunnmodellen støtter resonneringsnivåene none, low, medium, high, xhigh og max, med medium som standard. Pro-modus og nivå er uavhengige innstillinger, og kontekstbudsjettet rommer resonnering i tillegg til kildematerialet og sluttsvaret.
OpenAI dokumenterer Pro i Responses API for vanskelig arbeid som tillater ekstra ventetid og modellaktivitet. Grunnmodellen støtter strømming, Structured Outputs, funksjonskall, nett- og filsøk, bildeinndata og mellomlagring av ledetekster. Produsenten oppgir også bildegenereringsverktøy, en kodetolker, driftede skall- og patchoperasjoner, ferdigheter, datamaskinbruk, MCP-tilkoblinger og verktøysøk. En applikasjon gjør operasjonene sine tilgjengelige, utfører dem og returnerer resultatene; modellens tekstsvar er atskilt fra disse utførte handlingene.
Bygg forespørselen rundt et fullføringskriterium. I dokumentsammenligningen angir du dokumentasjonen som kreves for hver konklusjon og ber om at uavklarte punkter listes separat. I en oppgave med svarskriving angir du de obligatoriske faktaene og leserens neste handling. Et nyttig sluttresultat er en strukturert sammenligning eller et svarforslag der viktige utsagn kan spores tilbake til det vedlagte materialet, klart for en fokusert oppfølging.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser openai/gpt-5.6-terra-pro | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.004 / 1K tokener Utdata · Utgående tokener $0.024 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener Inndata · Skriving til hurtigbuffer $0.005 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og med272 000 | Kostnad Inndata · Inngående tokener $0.004 / 1K tokener Utdata · Utgående tokener $0.024 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener Inndata · Skriving til hurtigbuffer $0.005 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 2 for forespørselslengde | Prisplan— | Konteksttokener, mer enn272 000 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.008 / 1K tokener Utdata · Utgående tokener $0.036 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0008 / 1K tokener Inndata · Skriving til hurtigbuffer $0.01 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "openai/gpt-5.6-terra-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra gpt-5.6-terra-pro, openai/gpt-5.6-terra-pro
/chat/completions
Teknisk eksempel på engelsk
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.