GPT 5.6 Terra API

openai/gpt-5.6-terra
1M tokens · 112 输入积分 / 1M tokens

GPT 5.6 Terra 根据提示词与对话上下文生成结构化文本,适合编程、分析、信息提取和通用生成。1M-token 上下文可承载较长指令与文档,适用于需要平衡能力与成本的常态化生产任务。

GPT 5.6 Terra

OpenAI · responses

与 GPT 5.6 Terra 开始对话

每个模型都有独立对话。切换模型不会发送其他模型的聊天记录,切回后可继续原对话。请求按实际 Token 用量计费。

Ctrl / ⌘ + Enter 发送0 / 32,000

继续体验

GPT 5.6 Terra

GPT 5.6 Terra 接收文本字符串或有序消息数组,并通过同步 JSON 或 SSE 返回生成文本与 usage。为重复执行的编程、分析和提取任务提供明确输出规则与相关长文本上下文。

为什么选择

  • 平衡型生产档位以 GPT 5.6 家族中档费率承接重复编程、分析、提取与文本生成任务。

  • 长上下文分析在 1M-token 上下文中加入长指令或文档集,处理跨越较远章节的证据。

  • 结构化输出任务定义字段、标签与格式规则,将非结构化输入转换为可供应用继续处理的文本。

参数

参数要求说明
input必填

文本字符串或有序消息数组,包含任务、支持上下文与对话历史。

max_output_tokens可选

设置模型在本次响应中最多返回的 token 数。

stream可选

设为 false 返回同步 JSON,设为 true 返回有序 SSE 事件流。

默认falsetrue

如何使用

  1. 定义生产任务写明编程、分析、提取或生成目标,以及结果必须满足的条件。

  2. 加入相关上下文提供本次请求所需的源代码、文档、示例与业务规则。

  3. 约定输出结构定义必需章节、字段、标签或格式,使回答能够进入下一步工作流。

  4. 验证并复用先用代表性输入核对回答,再把同一提示词模式用于生产任务。

定价

Vidgo AI 分别统计输入、输出、缓存读取和缓存写入 tokens,再将各项费用相加并以积分结算。以下费率均按每 1M tokens 计算。

用量费率说明
输入 tokens112 积分 / 1M tokens未命中提示缓存的输入用量。
输出 tokens672 积分 / 1M tokens模型生成的输出用量。
缓存读取11.2 积分 / 1M tokens从提示缓存读取的输入 tokens。
缓存写入140 积分 / 1M tokens写入提示缓存的输入 tokens。

最佳使用场景

  • 功能实施说明将需求、现有代码和架构规则整理成带验收检查的实施方案。

  • 长文档信息提取把报告、制度或规格文档转换为具名字段、决策和未解决风险。

  • 结构化运营助手将支持记录和内部流程转换为分类答案或可进入工作流的记录。

专业建议

  • 下游代码依赖稳定字段或标签时,先定义输出结构并提供一个代表性示例。
  • 长文档既要可追溯事实又要最终建议时,将信息提取与综合判断拆成两个步骤。
  • 重复任务应保持系统指令和参考材料不变,以提高提示缓存的复用机会。

注意事项

  • 上下文窗口为 1M tokens,最大输出为 128K tokens。
  • GPT 5.6 Terra 在 Vidgo AI 上使用 /v1/responses。
  • 每次成功请求的最小正向扣费为 0.001 积分;无有效输出不扣费。
  • 若上游返回有效内容但缺少 usage,后端会估算 token 用量完成结算。

GPT 5.6 Terra 文本生成 API — 常见问题

GPT 5.6 Terra 文本生成 API 是什么?

GPT 5.6 Terra 由 OpenAI 开发,接收文本或对话消息,并通过 Vidgo AI 返回生成文本与 usage。

如何调用 GPT 5.6 Terra 文本生成 API?

使用 Bearer 认证向 /v1/responses 发送 POST 请求,model 传入 gpt-5-6-terra,并提供有效 input。stream 为 false 时返回 JSON,为 true 时返回 SSE。

GPT 5.6 Terra 文本生成如何计费?

每 1M tokens 的输入、输出、缓存读取和缓存写入费率分别为 112、672、11.2 和 140 积分。成功请求的最低正向扣费为 0.001 积分。

GPT 5.6 Terra 文本生成接受哪些输入?

Responses 接口的 input 可以是文本字符串或消息数组,还可通过 max_output_tokens 限制输出,并通过 stream 选择同步 JSON 或 SSE。

应该选择哪个 GPT 5.6 档位?

重复编程、分析、提取和生成任务选择 Terra;最复杂的多步骤工作选择 Sol;更看重常规高用量处理成本时选择 Luna。