GPT-6.1 Terra API 文档

POST Base URL: https://api.hiapi.ai /v1/responses

复制页面

该模型推荐使用兼容 OpenAI 的 Responses 接口，并继续保留 /v1/chat/completions 兼容入口。同一个 HiAPI API Key 可调用账户分组内已开放模型；图片、视频或音频模型使用 /v1/tasks 及对应请求结构。

模型概览

模型 ID	gpt-6.1-terra
提供方	OpenAI
类型	文本生成 · Responses（默认）与 Chat Completions
输入 / 输出	文本与图片 → 文本
上下文窗口	1,050,000 Token（单次输入最多 922,000）
最大输出	128,000 tokens
知识截止	2026-06-01
推理档位	none / low / medium / high / xhigh / max
示例 / Playground 推理强度	medium
价格	HiAPI 实时 Token 价格

通过 HiAPI Responses 接入 OpenAI GPT-6.1 Terra（同时支持 Chat Completions），用于快速视觉推理、计算机操作和日常办公任务。

生产建议

请求契约

• Responses：使用 POST /v1/responses、input 数组、stream=true 和 store=false；字符串 input 会返回 HTTP 400。省略 temperature、top_p 和 max_output_tokens。
• Chat Completions：也可使用 POST /v1/chat/completions，流式和非流式均可，推理使用 reasoning_effort。省略 temperature、top_p、max_tokens 和 max_completion_tokens。
• reasoning.effort（Responses）或 reasoning_effort（Chat）可选 none、low、medium、high、xhigh、max，默认 medium。
• 要命中提示缓存，请在 body 字段 prompt_cache_key 和请求头 session_id 中传同一个稳定值，并保持提示前缀一致。通常第 2 到 4 次请求开始出现 cached_tokens；两者缺一则不会命中缓存。
• 同一个 HiAPI API Key 可调用已开放模型；媒体模型使用 /v1/tasks 和不同请求体。
• Responses 流式：分别处理 response.completed、response.incomplete 和 response.failed。

适用场景

视觉推理与计算机操作

读取截图、文档和图表，并规划下一步操作。

inputtools

日常办公任务

以较低成本撰写方案、填写表单，并按需选择推理强度。

reasoning.effortinput

请求参数

model string 必填

使用此完整公共模型 ID。

示例 gpt-6.1-terra 可选值: gpt-6.1-terra

input array 必填

消息项目数组，传字符串会返回 HTTP 400。支持文本和 input_image 内容。每轮重放所需的对话上下文。

stream boolean 可选

Responses 必须为 true，按 SSE 处理响应。

默认 true

store boolean 可选

必须为 false，由客户端保存对话状态。

默认 false

instructions string 可选

可选的回答要求。

reasoning object 可选

推理配置。

effort enum 可选

可选 none、low、medium（默认）、high、xhigh 或 max。

示例 medium 可选值: nonelowmediumhighxhighmax

prompt_cache_key string 可选

用于命中提示缓存的稳定会话标识。请求头 session_id 须传相同的值，并保持提示前缀一致。

tools array 可选

函数工具定义，支持并行调用。由应用执行函数并回传结果。

tool_choice string | object 可选

选择自动调用或指定函数。

text object 可选

输出格式，支持严格 JSON schema 结构化输出。

API 接入示例

</> 查看 cURL / Python / Node.js

调用示例

推理强度：none

只调整推理强度。

请求体⧉

{
  "model": "gpt-6.1-terra",
  "input": [
    {
      "type": "message",
      "role": "user",
      "content": [
        {
          "type": "input_text",
          "text": "总结这个项目计划中最重要的三个风险。"
        }
      ]
    }
  ],
  "stream": true,
  "store": false,
  "reasoning": {
    "effort": "none"
  }
}

推理强度：low

只调整推理强度。

请求体⧉

{
  "model": "gpt-6.1-terra",
  "input": [
    {
      "type": "message",
      "role": "user",
      "content": [
        {
          "type": "input_text",
          "text": "总结这个项目计划中最重要的三个风险。"
        }
      ]
    }
  ],
  "stream": true,
  "store": false,
  "reasoning": {
    "effort": "low"
  }
}

推理强度：high

只调整推理强度。

请求体⧉

{
  "model": "gpt-6.1-terra",
  "input": [
    {
      "type": "message",
      "role": "user",
      "content": [
        {
          "type": "input_text",
          "text": "总结这个项目计划中最重要的三个风险。"
        }
      ]
    }
  ],
  "stream": true,
  "store": false,
  "reasoning": {
    "effort": "high"
  }
}

推理强度：xhigh

只调整推理强度。

请求体⧉

{
  "model": "gpt-6.1-terra",
  "input": [
    {
      "type": "message",
      "role": "user",
      "content": [
        {
          "type": "input_text",
          "text": "总结这个项目计划中最重要的三个风险。"
        }
      ]
    }
  ],
  "stream": true,
  "store": false,
  "reasoning": {
    "effort": "xhigh"
  }
}

推理强度：max

只调整推理强度。

请求体⧉

{
  "model": "gpt-6.1-terra",
  "input": [
    {
      "type": "message",
      "role": "user",
      "content": [
        {
          "type": "input_text",
          "text": "总结这个项目计划中最重要的三个风险。"
        }
      ]
    }
  ],
  "stream": true,
  "store": false,
  "reasoning": {
    "effort": "max"
  }
}

图片输入

在文本旁加入 input_image 内容。

请求体⧉

{
  "model": "gpt-6.1-terra",
  "input": [
    {
      "type": "message",
      "role": "user",
      "content": [
        {
          "type": "input_text",
          "text": "描述图片主体和两个可见细节。"
        },
        {
          "type": "input_image",
          "image_url": "https://static.hiapi.ai/example/subject-1.jpg"
        }
      ]
    }
  ],
  "stream": true,
  "store": false,
  "reasoning": {
    "effort": "medium"
  }
}

响应结构

以下 SSE 序列仅用于说明结构：正文会在完成事件前到达。收集 response.output_text.delta，并从 response.completed 读取 usage；分别处理不完整和失败终态事件。

event: response.output_text.delta
data: {"type":"response.output_text.delta","delta":"OK"}

event: response.completed
data: {"type":"response.completed","response":{"id":"resp_example","model":"gpt-6.1-terra","status":"completed","output":[],"usage":{"input_tokens":100,"input_tokens_details":{"cached_tokens":0,"cache_write_tokens":0},"output_tokens":10,"total_tokens":110}}}

1. 按事件类型分发，并在响应终态事件停止。
2. 收集文本增量，不要要求 response.completed.output 重复完整正文。
3. 从 usage 读取 input_tokens、output_tokens、缓存明细和 total_tokens。只有 usage 报告缓存读写时才计入；缓存已包含在输入总量中，reasoning_tokens 已包含在 output_tokens 中。总输入超过 272,000 Token 后，长上下文费率适用于整次请求；最终扣费以账户日志为准。

常见问题

应使用哪个端点和模型 ID？

使用 model=gpt-6.1-terra，默认端点为 POST /v1/responses，input 为数组，stream=true，store=false。POST /v1/chat/completions 也可使用。

支持哪些推理档位？

共六档：none、low、medium（默认）、high、xhigh、max。Responses 使用 reasoning.effort，Chat Completions 使用 reasoning_effort。

可以使用采样参数或输出上限吗？

不可以。Responses 请省略 temperature、top_p 和 max_output_tokens；Chat Completions 请省略 temperature、top_p、max_tokens 和 max_completion_tokens。

支持图片输入吗？

支持。可发送文本和图片，输出为文本。音频和视频不在本页范围内。

如何继续多轮对话？

由客户端保存对话状态，每次请求重放所需上下文（Responses 用 input，Chat Completions 用 messages）。

如何命中提示缓存？

在 body 字段 prompt_cache_key 和请求头 session_id 中传同一个稳定值（例如会话 ID），并保持提示前缀一致。通常第 2 到 4 次请求开始出现 cached_tokens；两者缺一则不会命中缓存。

Token 如何计费？

输入、输出、缓存读取和缓存写入费率以模型页实时价格为准。只有 usage 报告缓存读写时才计入；缓存已包含在输入总量中，reasoning_tokens 已包含在 output_tokens 中，不能重复相加。 查看实时价格。

长上下文价格什么时候生效？

按单次请求总输入判断，并包含 usage 报告的缓存读写。总输入为 272,000 Token 时仍使用标准档；从 272,001 Token 起，长上下文费率适用于整次请求，包括输出和缓存。 查看实时价格。

下一步

• Responses 指南
• 比较文本模型
• 模型实时价格

Chat Completions 兼容调用

</> 生成代码