根据以下地点,安排一个轻松的周六行程:公园开放时间为 9:00-18:00,博物馆为 10:00-17:00,咖啡馆为 8:00-20:00。从 10:00 出发,安排午餐休息,每个地点之间预留 30 分钟。用时间表呈现,不要编造价格或营业时间。
GPT 5.6 Terra API:在线文本生成、使用教程与接入指南
在 RequestBeam 一键接入 GPT 5.6 Terra,一个密钥打通 AI 与多种数据服务,让你专注于业务和探索。
GPT 5.6 Terra API 价格与计费
0-272K 输入 Token
官方价格
- 输入
-
$2.0000/M - 输出
-
$12.0000/M - 缓存输入
-
$0.2000/M - 缓存写入
-
$2.5000/M
我们的价格 降低 70%
- 输入
- $0.6000 /M
- 输出
- $3.6000 /M
- 缓存输入
- $0.0600 /M
- 缓存写入
- $0.7500 /M
272.001K-922K 输入 Token
官方价格
- 输入
-
$4.0000/M - 输出
-
$18.0000/M - 缓存输入
-
$0.4000/M - 缓存写入
-
$5.0000/M
我们的价格 降低 70%
- 输入
- $1.2000 /M
- 输出
- $5.4000 /M
- 缓存输入
- $0.1200 /M
- 缓存写入
- $1.5000 /M
GPT 5.6 Terra 在线对话工具
模型设置
开启后,下次请求会附带当前对话中已完成且可复用的轮次,方便连续追问,无需重复背景。
关闭后会怎样?只发送新消息和已设置的系统提示词。已有消息仍会显示;重新开启后,符合条件的历史轮次会再次加入请求。
这是长期记忆吗?不是。这是当前对话的上下文,不会跨独立对话记忆。失败、停止、截断或无法复用的回复不会加入。历史越多,输入 Token 用量和费用可能越高。
高级参数
对话

今天有什么可以帮你?
暂无响应数据 GPT 5.6 Terra 提示词示例
根据以下情况,起草一封礼貌的客户邮件:订单将延迟两天到达,新的送达日期为 10 月 15 日,物流信息会在明天发送。表达歉意,但不要自行承诺补偿。包含邮件主题,正文控制在 120 字以内。
把以下会议记录整理成行动清单:玛雅将在周五前修改方案;利奥将在下周一确认场地;预算仍待审批,尚未指定负责人。用表格列出任务、负责人、截止时间和待确认事项,缺失信息标为“未明确”。
什么是 GPT 5.6 Terra?
GPT 5.6 Terra 的模型定位与核心能力
GPT 5.6 Terra 是 OpenAI 面向旗舰级复杂任务与成本敏感任务之间需求的模型,兼顾智能与成本,档位大致对应早期系列的 mini。它具备可调推理强度,模型层面提供 1,050,000 Token 上下文窗口和最高 128,000 Token 输出额度,可作为结构化提取、文档分析与常规编程辅助的候选。
RequestBeam 的 GPT 5.6 Terra 在线工具与 API
RequestBeam 为 GPT 5.6 Terra 提供在线文本 Playground、统一 Chat Completions 和 OpenAI 兼容 Responses。接入前先用代表性任务检查原文一致性与格式。模型原生额度和图像理解不代表文本聊天工具支持上传,也不代表每个 RequestBeam 通道均开放完整上下文或全部工具。
GPT 5.6 Terra 的核心功能与领域优势
需要反复处理文本、同时兼顾判断能力与稳定输出合同的任务,适合纳入 Terra 的评估范围。先定义正确结果、保留不确定项,再将校验纳入流程,而不是仅凭回答流畅就交给业务系统。
结构化提取与分类
用 Terra 将已提供的订单、工单或会议记录转成字段与类别。明确字段类型、允许的标签与缺失值表示;原文没有地址时,应保留未知,而不是生成看似合理的地点。
样本中加入多个项目、冲突日期与不完整姓名。为提取值保留原文段落或标识,便于区分提取错误和材料本身的歧义。文本表单不会仅因要求 JSON 就强制执行 Schema。
长上下文文档分析
较大的上下文空间使 Terra 可以作为关联文档比较与需求汇总的候选。要求将已确认事实、材料冲突和待解问题分别输出,避免一段摘要悄悄替你消除分歧。
选择与问题有关的材料并保留文档标签。结论需对应原文,尤其检查例外条件和未确认承诺。实际输入额度取决于接口与上游;上下文容量不等于无遗漏记忆或跨会话长期记忆。
常规编程与实现辅助
可以用 Terra 评估边界明确的开发任务,如解释函数、草拟校验逻辑、补充测试或根据已提供的代码和日志定位问题。写清预期行为与接口,便于检查答案,而不是让模型猜测架构。
在自己的环境中审查差异并执行编译、单元测试与安全检查。对困难的跨模块修复,可以用相同验收条件比较 GPT 5.6 Sol。此 Playground 不会读取仓库、执行命令或部署补丁。
可调推理与视觉输入边界
Terra 的推理强度覆盖 none 到 max,模型默认值为 medium,并在模型层面支持图像输入。推理配置用于评估不同任务需求,不保证提高强度就一定得到更好的答案。
聊天工具中可提交图表或界面的文字描述。需要图片或 PDF 时,应遵循 Responses 文档的输入格式并确认通道支持;聊天工作区没有上传控件。将 URL 放进普通文本不证明链接内容已被检查。
GPT 5.6 Terra 基准测试与性能表现
选择 Terra 时应基于自己的工作负载评估,而不是假设它有某个分数或速度优势。以下方法分别检查答案准确性、运行耗时与费用,是验收标准,不是 RequestBeam 已公布的性能实测。
提取准确性不止是 JSON 有效
准备包含缺失字段、多实体和含糊日期的固定样本。分别统计正确值、编造值、遗漏和分类错误。对象能够被解析,不代表其内容与订单或文档一致。
除首次通过率外,也记录人工修正时间。如果额外校验抵消了表面的成本收益,就调整 Schema、缩小任务或比较其他模型,再扩大处理量。
用可检查结果评估编程与推理
编程任务看测试结果与最小变更审查,而不是解释是否自信。分析任务要求覆盖全部约束,并区分已有证据与建议将来执行的测量。
比较 Terra 与 Sol 时保持输入及验收条件一致,并在适用时记录推理配置与执行环境。带工具的编程智能体不等于一次纯文本提示,系列名称也不证明特定基准成绩。
记录延迟与每个合格结果的成本
记录首段正文时间、完整耗时、输入输出用量及重试或修正次数。比较每个合格结果的成本,而不只比较 Token 单价,尤其是重复分类与提取任务。
历史消息、长原文与推理都可能增加用量或延后正文出现。先使用小规模代表样本和当前账户价格,测量所选配置,再对生产吞吐与响应时间作承诺。
GPT 5.6 Terra 与 Claude、GPT 同类模型对比
围绕同一组需求比较 Terra 与 GPT 5.6 Sol,再为较短文本任务加入其他候选。下表说明应该验证什么,而不是在没有同条件测试时给模型排名。
| 任务 | GPT 5.6 Terra 评估重点 | GPT 5.6 Sol 评估重点 | 验证方法 |
|---|---|---|---|
| 结构化提取 | 作为重复字段处理的候选 | 比较歧义与例外处理 | 核对原文一致性和遗漏 |
| 代码变更 | 从边界明确的实现任务开始 | 同一样本加入困难修复 | 运行测试并审查变更范围 |
| 文档综合 | 测试带标签材料与冲突描述 | 比较困难的多约束结论 | 追溯主张并保留未知 |
| 生产成本 | 记录修正与 Token 用量 | 使用相同验收条件测量 | 比较每个合格结果的成本 |
何时优先测试 GPT 5.6 Terra
流程反复执行明确任务、但仍需要判断时,可从 Terra 开始,例如从不完整文本提取字段、生成受约束摘要或草拟常规代码。为不确定输出和困难故障设置清楚的升级处理规则。
不要因档位较低就假定 Terra 在所有任务中更快或准确性足够。将校验与返工纳入完整流程,与 GPT 5.6 Sol 或 GPT 5.5 比较,再决定各步骤使用哪个模型。
在 RequestBeam 中按任务选模型
对于摘要或分类样本,可加入 Claude Haiku 4.5、Gemini 3.8 Flash 作为其他文本基线。统一 Chat Completions 的鉴权有助于复用客户端代码,但模型可选参数与原生协议仍有区别。
保持验收条件和输入材料一致,并使用当前账户价格。只有测试结果支持时才按步骤分配不同模型;名称本身不能证明速度、准确性或总成本。
为什么通过 RequestBeam 使用 GPT 5.6 Terra?
按需计费与模型成本优化
在稳定的基础上,价格比官方更低,按需充值,充多少用多少
统一 AI模型 与数据 API,一站式多模型接入
一个密钥多个AI模型和数据模型,节省对接成本,一键切换,业务需要的场景必然是AI+数据
调用记录与应用权限控制,每一次调用明明白白
每一笔调用记录都可以在后台查到,可以设置多个密钥对应不同的应用
模型能力不打折
我们的模型不掺水,我们无法卖给你最便宜的,但一定卖给你最好的
如何在 RequestBeam 中使用 GPT 5.6 Terra
在后台创建完密钥后,就可以根据文档来接入 GPT 5.6 Terra。
准备账户并进行在线测试
登录并确认余额,创建一个 API 密钥。
在 Playground 中体验
可以在 Playground 中体验模型的能力,确定最佳的模型使用方案。
将 GPT 5.6 Terra 集成到你的业务中
根据我们提供的开发文档,将 GPT 5.6 Terra 集成到业务中。
后续的模型升级
后续有新的模型发布以后,只需要将模型名称替换成新模型,就可以完成模型升级。
GPT 5.6 Terra API 常见问题
GPT 5.6 Terra Playground 可以上传图片或 PDF 吗?
聊天工作区处理文本,没有图片或文件上传入口。Terra 在模型层面具备图像理解,独立的 RequestBeam Responses 合同记录了公网图片 URL 与 PDF 输入。请按文档格式接入并确认通道支持;普通文本链接不会使本聊天工具自动下载或检查文件。
为什么没有最终正文,或答案提前结束?
启用推理时,输出用量可能同时包含思考与最终正文,较小的显式额度可能先被耗尽。检查 Chat 的 finish reason 或 Responses 的完成状态与返回项,缩小任务并调整支持的预算。推理不一定以可读 reasoning_content 展示,未看到它不证明模型没有推理。
对话记忆是长期记忆吗?为什么多轮用量变高?
这里的记忆是当前会话上下文,不是模型永久记忆。开启后会附带可复用的已完成回合,输入用量可能增加;关闭后历史仍可见,但不会随新请求发送。失败、停止、截断或不可复用的回复不会作为正常历史继续附带。Responses ID 也不保证所有通道支持有状态续写。
遇到 401、402、403 或 429 错误怎么办?
401 检查 RequestBeam 密钥、Base URL 和鉴权格式,402 检查余额,403 检查 gpt-5.6-terra 访问权限,429 检查请求频率或额度。通过当前 Key 可见的模型核对精确 ID。平台数字 code 与 HTTP 状态是不同字段;5xx 和流中错误应按完整错误信息与请求记录排查。
可以使用 OpenAI Responses 或 Claude Messages 调用 GPT 5.6 Terra 吗?
RequestBeam 为 gpt-5.6-terra 记录了 Chat Completions 和 OpenAI 兼容 Responses,不支持 Claude Messages。Responses 使用 input 并返回 output 项;Chat 使用 messages 与 choices。SDK 的地址、请求体和解析器需匹配所选协议,不能只修改模型名。
一次请求可以返回多个方案或保证 JSON 正确吗?
可以要求在一个答案中给出多个方案;需要多个 Chat choices 时先验证 n 的支持情况,Responses 则遵循另一套合同。Terra 在模型层面支持结构化输出,但聊天表单中的 JSON 提示词不是 Schema 强制约束。API Schema 需使用文档支持的配置,并继续校验缺失字段、类型、原文一致性与业务含义。
GPT 5.6 Terra 能直接执行代码、调用工具或完成业务操作吗?
聊天工作区返回文本,不是已执行代码或已确认动作。智能体集成需要提供或启用受支持工具、校验参数、执行获批操作并回传结果。RequestBeam Responses 的工具可用性取决于模型和通道;上游能力不代表本页可以操作仓库、数据库、发邮件或付款。
响应慢、流中断或点击停止后,可以立即重试吗?
先检查已有结果、请求记录和用量。长原文、多轮历史与推理可能影响耗时,停止浏览器等待或断流不证明上游请求未处理。按错误类型设置有上限的重试,在重新提交前核对未完成任务,避免重复请求与费用。
相关文本 API
GPT 5.6 Terra API 接口规范与调用
GPT 5.6 Terra API 快速调用
gpt-5.6-terraChat CompletionsPOST /v1/chat-completions
curl -X POST "https://api.requestbeam.com/v1/chat-completions" \
-H "Authorization: Bearer <API_KEY>" \
-H "Content-Type: application/json" \
-d '{"model":"gpt-5.6-terra","messages":[{"role":"user","content":"Hello, introduce yourself in one sentence."}],"stream":false}'ResponsesPOST /openai/responses
curl -X POST "https://api.requestbeam.com/openai/responses" \
-H "Authorization: Bearer <API_KEY>" \
-H "Content-Type: application/json" \
-d '{"model":"gpt-5.6-terra","input":"Hello, reply with one short sentence.","stream":false}'家族与协议参考
OpenAI 多模态 Responses
完整 API 文档OpenAI 兼容的 Responses API。该接口使用 OpenAI 官方风格的 `input` 入参,支持文本、公网图片 URL、PDF 文件输入、工具调用、推理配置和流式输出参数。
https://api.requestbeam.com/openai/responsesOpenAI 兼容的 Responses API。该接口使用 OpenAI 官方风格的 input 入参,支持文本、公网图片 URL、PDF 文件输入、工具调用、推理配置和流式输出参数。
POST https://api.requestbeam.com/openai/responses验证
所有接口都需要使用 Bearer Token 进行认证。
Authorization: Bearer YOUR_API_KEY如果请求直接返回认证错误,请优先检查:
- API Key 是否正确
- Key 是否适用于当前 API Base URL
- 请求头是否拼写正确
- 代理层是否改写了请求头
Body
modelstring必填默认: gpt-5.4当前支持 Responses 的 active 模型:
gpt-5.4gpt-5.5gpt-5.6-solgpt-5.6-terragpt-6-astra
当前 API Key 的实际可见范围见模型目录。
inputstring | object[]输入内容。未提供非空 previous_response_id 时必填。 同时缺少这两个字段,或 input 类型不合法时,会在预扣前返回 400。
支持两种写法:
- 字符串:等价于一条
user文本输入。 - 输入项数组:用于多轮上下文、多模态输入和工具调用结果。
输入数组中的每个对象可包含以下字段:
typestring输入项类型。
常用值:
message:一条消息输入。function_call_output:函数工具调用的结果。
rolestring当 type=message 时的角色。
常用值:
developersystemuserassistant
contentstring | object[]消息内容。
多模态请求建议使用内容块数组。内容块支持以下字段:
typestring内容块类型。
当前支持:
input_textinput_imageinput_file
textstring当 type=input_text 时的文本内容。
image_urlstring当 type=input_image 时的公网图片地址。
当前仅支持公开可访问的 http:// 或 https:// 图片 URL,不支持 data:image/...;base64,... Data URL。
detailstring默认: auto当 type=input_image 时的图片解析细节。
常用值:
autolowhigh
file_datastring当 type=input_file 时的文件内容 Data URL。PDF 可使用 data:application/pdf;base64,...。
filenamestring当 type=input_file 时的文件名。
instructionsstring系统或开发者指令,会插入到模型上下文中。
max_output_tokensinteger可选的最大输出 token 数量,使用正整数。省略时使用所选模型的上游默认额度。 不同模型的额度可能同时包含推理 token 和最终正文;较小额度可能导致回答 截断,或在生成正文前耗尽。提高额度可能增加费用。
streamboolean默认: false是否使用流式输出。
false:一次性返回完整响应。true:返回 OpenAI Responses 风格的 SSE 事件。
temperaturenumber默认: 1.0控制输出随机性,范围通常为 0 到 2。
top_pnumber默认: 1.0核采样参数,范围通常为 0 到 1。
textobject文本输出配置。
text.formatobject文本格式配置,例如 { "type": "text" }、JSON schema 等。
text.verbositystring文本详细程度配置。常见值包括 low、medium、high;具体可用范围取决于所选模型。
toolsobject[]工具定义。
常见工具包括函数调用、文件搜索、网络搜索等。具体可用工具取决于所选模型和当前可用能力。
tool_choicestring | object工具选择策略。
parallel_tool_callsboolean是否允许并行工具调用。
reasoningobject推理相关配置。
includestring[]返回中需要额外包含的字段列表。
例如需要返回输入图片 URL 时,可设置 message.input_image.image_url。
prompt_cache_keystringPrompt cache key,用于帮助复用提示词缓存。
prompt_cache_retentionstringPrompt cache 保留策略。具体支持值取决于所选模型和当前可用能力。
safety_identifierstring用于安全风控的最终用户稳定标识。
storeboolean是否保存响应状态。具体行为取决于所选模型和当前可用能力。
模型参数差异
- 原生 OpenAI 兼容 Responses 转发会在上游请求中保留
top_p,参数校验和采样行为取决于所选模型与上游。2026-09-26 的验证中,gpt-5.5、gpt-5.6-sol和gpt-5.6-terra接受了top_p: 0.9。接受与透传都不证明采样效果,也不保证其他值、模型或后续请求同样支持。切换模型时建议从最小请求开始。 - 本页的 Responses 支持范围只适用于常规
/openai/responses接口。它不代表同一模型同时支持/openai/responses/compact、WebSocket 或有状态previous_response_id。 - 上述五个 GPT 模型目前没有已验证的 Compact 通道。没有明确启用的通道时,Compact 会在预扣前拒绝;常规 Responses 和 Responses WebSocket 可正常使用。
请求体示例
以下示例均提供 input。只有提供有效 previous_response_id,且所选通道支持 有状态续写时,续写请求才可以省略 input;传入响应 ID 不会让不支持的通道获得该能力。 工具结果仍可作为输入数组项传入,包括 function_call_output。
纯文本
{
"model": "gpt-5.4",
"input": "你好,请用一句话介绍你自己。"
}Codex CLI 风格参数
{
"model": "gpt-5.5",
"input": "Reply with READY only.",
"reasoning": {
"effort": "xhigh"
},
"store": false,
"text": {
"verbosity": "low"
},
"stream": true
}图片理解
{
"model": "gpt-5.4",
"input": [
{
"type": "message",
"role": "user",
"content": [
{
"type": "input_text",
"text": "这张图片里有什么?请用中文回答。"
},
{
"type": "input_image",
"image_url": "https://example.com/cat.png",
"detail": "high"
}
]
}
]
}文件输入
使用 file_data + filename 可以直接提交 PDF 内容。file_data 需要是完整 Data URL。
{
"model": "gpt-5.4",
"input": [
{
"type": "message",
"role": "user",
"content": [
{
"type": "input_text",
"text": "请总结这个 PDF 的重点。"
},
{
"type": "input_file",
"file_data": "data:application/pdf;base64,JVBERi0xLjQKJc...",
"filename": "report.pdf"
}
]
}
]
}图片 + 文件混合输入
{
"model": "gpt-5.4",
"input": [
{
"type": "message",
"role": "user",
"content": [
{
"type": "input_text",
"text": "请结合图片和附件,给出三条结论。"
},
{
"type": "input_image",
"image_url": "https://example.com/chart.png",
"detail": "high"
},
{
"type": "input_file",
"file_data": "data:application/pdf;base64,JVBERi0xLjQKJc...",
"filename": "notes.pdf"
}
]
}
]
}流式输出
{
"model": "gpt-5.4",
"stream": true,
"input": [
{
"role": "user",
"content": [
{
"type": "input_text",
"text": "请分步骤解释这张图。"
},
{
"type": "input_image",
"image_url": "https://example.com/diagram.png"
}
]
}
]
}Response
非流式响应保持 OpenAI Responses 风格。实际字段可能随所选模型能力变化。
idstring响应的唯一标识符。
objectstring响应对象类型,通常为 response。
created_atinteger创建时间戳。
modelstring实际使用的模型名称。
outputobject[]输出项列表。
常见输出项包括:
messagefunction_call- 工具调用相关输出
usageobjectToken 使用统计。
常见字段包括 input_tokens、output_tokens、total_tokens。
成功响应示例
{
"id": "resp_123",
"object": "response",
"created_at": 1766534400,
"model": "gpt-5.4",
"output": [
{
"type": "message",
"role": "assistant",
"content": [
{
"text": "图片中是一只猫,附件是一份关于宠物护理的说明文档。"
}
]
}
],
"usage": {
"input_tokens": 128,
"output_tokens": 42,
"total_tokens": 170
}
}流式响应
当 stream=true 时,接口返回 SSE 事件流。
event: response.output_text.delta
data: {"type":"response.output_text.delta","delta":"图片中"}
event: response.output_text.delta
data: {"type":"response.output_text.delta","delta":"是一只猫"}
event: response.completed
data: {"type":"response.completed","response":{"id":"resp_123"}}客户端应持续读取事件,直到收到 response.completed 或连接结束。
失败响应
完整错误码、协议差异和排查步骤见错误码与错误处理。
平台生成的 HTTP 错误使用以下平铺字段,不包裹在 error 对象内。部分上游错误可能保留原有结构;已经开始的 SSE 流内错误不适用此 HTTP 响应示例。
{
"code": 40000,
"message": "Insufficient credit. Required: 30000, Available: 20000",
"type": "api_error"
}字段说明:
code:数字错误码。错误码由平台统一枚举管理。message:错误说明。type:OpenAI 兼容错误类型,通常为api_error。
注意事项
Responses接口使用input,不是messages。如果你的客户端只能发送messages,请使用/openai/v1/chat/completions。- 图片输入使用
input_image,image_url仅支持公网可访问的http://或https://图片地址,不支持 Base64 Data URL。 - 文件输入使用
input_file。PDF 文件建议使用file_data+filename写法,file_data为完整的data:application/pdf;base64,...。 audio输入/输出、图片生成工具、文件搜索等高级能力取决于所选模型和当前可用能力,不保证所有模型可用。- 本页列出的字段构成当前公开 Responses 请求合同;未列出的字段不应默认视为可用。
- 当前公开推荐路径是
/openai/responses。 /v1/responses遵循相同的公开请求与响应合同。/compat/v1/responses遵循相同的公开请求与响应合同。/openai/v1/responses遵循相同的公开请求与响应合同。