So verwenden Sie GPT-6.1 Terra: API-Einrichtung, Reasoning-Aufwand und Tool-Aufruf
Der kürzeste Weg zu GPT-6.1 Terra ist die Responses API. Eine nützliche Implementierung benötigt jedoch mehr als eine Modell-ID. Sie sollte die Aufgabe definieren, eine Argumentationsebene auswählen, Bilder mit einer angemessenen Detailstufe bereitstellen, die Ausgabe validieren und alle Tools einschränken, die den externen Zustand ändern können.
Dieses Tutorial verwendet die aktuellen OpenAI-API-Konventionen und die Modell-ID gpt-6.1-terra. Es konzentriert sich auf einen visuellen Überprüfungs-Workflow, da dies der offiziellen Positionierung von Terra entspricht.
Bevor Sie beginnen
Sie benötigen ein OpenAI-API-Projekt mit Zugriff auf GPT-6.1 Terra, einen API-Schlüssel, der außerhalb des Quellcodes gespeichert ist, und ein aktuelles OpenAI-SDK. Die Modellseite listet derzeit keine API-Unterstützung für den Free-Tarif auf. Überprüfen Sie daher den Zugriff in Ihrem Projekt, anstatt anzunehmen, dass der ChatGPT-Plan-Zugriff und der API-Zugriff identisch sind.
Installieren Sie das Python SDK:
pip install --upgrade openai
Setze `OPENAI_API_KEY` über deine Shell oder deinen Secret Manager. Füge keinen Produktionsschlüssel in ein Skript, einen Screenshot, ein Repository oder eine clientseitige Anwendung ein.
## Eine einfache Textanfrage stellen
```python
from openai import OpenAI
client = OpenAI()
= client.responses.create( model="gpt-6.1-terra", reasoning={"effort": "mittel"}, Anleitung=( "Verfasse prägnante Produktionsnotizen. Trenne sichtbare Beweise" "aus der Inferenz, und geben Sie an, wenn das bereitgestellte Material unzureichend ist." ), input="Verwandle diese Bewertungsnotiz in eine klare Liste mit fünf Aktionen: ...", )
.output_text ausgeben
OpenAI empfiehlt die Responses API für direkte Modellanfragen und Reasoning-Modelle. Der `instructions`-Wert gilt für die aktuelle Anfrage. Platzieren Sie dort stabile Verhaltensrichtlinien und halten Sie die Benutzereingabe auf die spezifische Aufgabe fokussiert.
## Bild analysieren
Terra akzeptiert Bildeingaben und gibt Text zurück. Eine Responses-Anfrage kann Text und eine Bild-URL enthalten:
```python
from openai import OpenAI
client = OpenAI()
= client.responses.create( model="gpt-6.1-terra", reasoning={"effort": "mittel"}, input=[{ "role": "user", "content": [ { "type": "input_text", "text": ( "Überprüfen Sie dieses Kampagnenbild. Melden Sie nur sichtbare Probleme" "mit Zuschnitt, Textplatzierung, Kontrast und Logosicherheit." "Für jedes Problem nennen Sie die sichtbare Region und schlagen Sie eine Lösung vor." ), }, { "type": "input_image", "image_url": "https://example.com/asset.jpg", "detail": "hoch", }, ], }], )
.output_text ausgeben
Unterstützte Bildformate umfassen PNG, JPEG, WEBP und nicht-animierte GIFs. Der Vision-Leitfaden von OpenAI unterstützt auch Base64-Daten-URLs. Bilder verbrauchen Tokens, verwenden Sie daher eine Auflösung und Detailstufe, die durch die Aufgabe gerechtfertigt ist. Für dichte oder koordinatenempfindliche Bildschirme kann `original` geeignet sein, wenn unterstützt; für eine erste grobe Überprüfung kann `low` ausreichen. Überprüfen Sie die aktuelle modellspezifische Größentabelle, bevor Sie eine Einstellung standardisieren.
## Wählen Sie den Denkaufwand bewusst
Terra unterstützt `none`, `low`, `medium`, `high`, `xhigh` und `max`; medium ist die Standardeinstellung. Mehr Aufwand kann die Qualität bei schwierigen Aufgaben verbessern, aber auch die Latenz und die Token-Nutzung erhöhen.
Eine sinnvolle Bewertungsleiter ist:
- `none`: einfache Extraktion oder Klassifikation, bei der mehrstufiges Denken wenig Mehrwert bringt.
- `low`: routinemäßige Überprüfung, Entwurf oder begrenzte Werkzeugnutzung.
- `medium`: gemischte Evidenz, Urteilsvermögen oder mehrstufige Arbeit; dies ist die Standardeinstellung.
- `high`: schwierige visuelle Abweichungen, Planung oder komplexe Ausnahmebehandlung.
- `xhigh` und `max`: nur verwenden, wenn Auswertungen einen materiellen Gewinn für eine hochwertige Aufgabe zeigen.
Erhöhe den Aufwand nicht automatisch, wenn eine Antwort fehlschlägt. Überprüfe zuerst die Eingabeaufforderung, die Beweise, die Bildqualität, den Ausgabevertrag und die Validierungslogik.
## Strukturierte Ausgabe anfordern
Produktionssysteme sollten keine willkürliche Prosa parsen, wenn ein bekanntes Schema ausreicht. Terra unterstützt strukturierte Ausgaben. Ein visuelles QA-Schema könnte ein Array von Problemen mit Kategorie, Beweis, Schweregrad und Empfehlung erfordern.
Die genaue SDK-Helfer-Syntax kann sich ändern, befolgen Sie daher die aktuelle Anleitung für Strukturierte Ausgaben für Ihre Sprache. Unabhängig von der Syntax validieren Sie das zurückgegebene Objekt und definieren Sie, was die Anwendung tun soll, wenn erforderliche Beweise fehlen. Eine gültige JSON-Form kann dennoch eine falsche Beobachtung enthalten.
## Tools über die Responses API hinzufügen
Zu den aufgelisteten Tools der Responses API von Terra gehören Websuche, Dateisuche, Bildgenerierung, Code-Interpreter, gehostete Shell, Computernutzung, MCP und weitere. Legen Sie nur die Tools offen, die die Aufgabe benötigt.
Für die Computernutzung muss Ihre Anwendung eine Ausführungsumgebung ausführen oder verbinden, zulässige Aktionen durchführen, Screenshots zurückgeben und die Sitzung bei Bedarf aufrechterhalten. Die Sicherheitsrichtlinien von OpenAI empfehlen:
- Ein isolierter Browser oder eine virtuelle Maschine.
- Eine Positivliste von Websites und Aktionen.
- Keine Anmeldedaten im Seitentext oder in Screenshots, wenn vermeidbar.
- Benutzerfreigabe vor Käufen, Datenübertragung, Löschung oder anderen folgenreichen Aktionen.
- Schritt-, Zeit- und Kostenlimits.
- Verifikation des gespeicherten Ergebnisses anstatt Vertrauen in die Zusammenfassung des Modells.
Seiteninhalt ist nicht vertrauenswürdig. Eine Webseite kann keine neue Autorität verleihen oder die Anweisung des Benutzers außer Kraft setzen.
## Ein zuverlässiger visueller Überprüfungszyklus
Eine robuste Implementierung trennt Beobachtung von Handeln:
1. Senden Sie das Bild und einen engen Bewertungsraster.
2. Fordern Sie für jede Feststellung sichtbare Beweise an.
3. Validieren Sie das Antwortschema.
4. Leiten Sie schwerwiegende oder wenig belegte Ergebnisse an eine Person weiter.
5. Falls Änderungen erlaubt sind, stellen Sie nur die erforderlichen Bearbeitungs- oder Computertools zur Verfügung.
6. Erfassen Sie den resultierenden Zustand und führen Sie einen Verifizierungsdurchlauf durch.
7. Speichern Sie die ursprüngliche, vorgeschlagene Aktion, die Genehmigung, die Ausgabe und die Entscheidung des Prüfers.
Für kreative Arbeit kann Terra eine Storyboard-Überprüfung in eine strukturierte Überarbeitungsvorlage verwandeln. Ein Ersteller kann diese genehmigte Vorlage dann in einem separaten Tool für Bilder, Animationen oder Story-Produktion anwenden.
## Häufige Implementierungsfehler
### Senden einer Videodatei direkt
Terra listet keinen nativen Videoeingang auf. Extrahiere repräsentative Frames und stelle bei Bedarf ein Transkript oder Shot-Metadaten bereit. Gib klar an, dass die Analyse auf diesen Materialien basiert.
### Freie Werkzeugnutzung zulassen
Einem Modell breiten Computerzugriff zu gewähren, schafft unnötiges Risiko. Beschränken Sie Tools, Domains, Aktionen und Daten. Verlangen Sie Genehmigung am Punkt der Konsequenz.
### Behandlung der Ausgabe als Grundwahrheit
Vision-Modelle können kleine Details übersehen oder nicht unterstützte Beziehungen ableiten. Verwenden Sie bekannte Testfälle und menschliche Überprüfungen, wo Fehler von Bedeutung sind.
### Ignorieren der Preisgestaltung für lange Kontexte
Terra's Kontextfenster umfasst 1,05 Millionen Token, aber Eingabeaufforderungen über 272.000 Eingabe-Token erhalten höhere Tarife für die gesamte Anfrage. Rufen Sie nach Möglichkeit nur relevantes Material ab.
## Häufig gestellte Fragen
### Kann ich Chat Completions mit GPT-6.1 Terra verwenden?
Die Modellseite listet Chat Completions als Endpunkt auf, gibt jedoch an, dass Tool-Aufrufe die Responses-API erfordern. Für eine neue Implementierung mit Tools ist Responses der geeignete Standard.
### Unterstützt Terra Feintuning?
Die aktuelle Modellseite listet Fine-Tuning als nicht unterstützt auf. Verwenden Sie stattdessen klare Anweisungen, Abruf, Beispiele, Schemata und Bewertungen, anstatt einen Plan rund um Fine-Tuning zu erstellen.
### Wie sollte ich ein Upgrade auf höheren Denkaufwand testen?
Führen Sie denselben repräsentativen Evaluierungssatz auf zwei oder mehr Aufwandsstufen durch. Vergleichen Sie akzeptierte Ergebnisse, Latenz, Token-Nutzung und Fehlerkategorien. Beurteilen Sie nicht anhand eines einzigen beeindruckenden Beispiels.
## Implementierungszusammenfassung
Verwenden Sie `gpt-6.1-terra` über die Responses API, beginnen Sie mit mittlerem Aufwand, geben Sie dem Modell nur die Beweise und Werkzeuge, die es benötigt, und validieren Sie sowohl Struktur als auch Substanz. Die Qualität der umgebenden Infrastruktur – Berechtigungen, Evaluierung, Verifizierung und Protokollierung – ist ebenso wichtig wie die Modellauswahl.
