Cómo usar GPT-6.1 Terra: configuración de API, esfuerzo de razonamiento y llamadas a herramientas
El camino más corto hacia GPT-6.1 Terra es la API de Responses. Sin embargo, una implementación útil requiere más que solo el ID del modelo. Debe definir la tarea, elegir el nivel de razonamiento, proporcionar imágenes con el nivel de detalle adecuado, verificar la salida y limitar cualquier herramienta que pueda alterar el estado externo.
Este tutorial utiliza las convenciones actuales de la API de OpenAI y el ID de modelo gpt-6.1-terra. Se centra en el flujo de trabajo de revisión visual, ya que esto se alinea con la orientación oficial de Terra.
Antes de comenzar
Necesita un proyecto de API de OpenAI que pueda acceder a GPT-6.1 Terra, una clave API almacenada fuera del código fuente y el SDK de OpenAI más reciente. Actualmente, la página del modelo indica que el plan gratuito no admite la API, por lo que debe verificar el acceso directamente en su proyecto, sin asumir que el acceso al plan de ChatGPT es el mismo que el acceso a la API.
Instalación del SDK de Python:
pip install --upgrade openai
Establezca OPENAI_API_KEY a través de su shell o administrador de claves. No pegue claves de producción en scripts, capturas de pantalla, repositorios o aplicaciones cliente.
Iniciar una solicitud de texto básico
from openai import OpenAI
client = OpenAI()
= client.responses.create( model="gpt-6.1-terra", reasoning={"effort": "Medio"}, instrucciones=( "Redacte instrucciones de producción concisas. Distinga la evidencia visible." "Proviene del razonamiento, y explica la situación cuando los materiales proporcionados son insuficientes." ), input="Convierte esta nota de comentario en una lista clara de cinco acciones:..." )
print(response.output_text)
OpenAI recomienda usar la API de Responses para solicitudes directas al modelo y modelos de razonamiento. El valor de `instructions` es aplicable a la solicitud actual. Coloca allí las instrucciones de comportamiento estables y deja que la entrada del usuario se centre en tareas específicas.
## Analizar imagen
Terra acepta entrada de imágenes y devuelve texto. Una solicitud de Responses puede contener texto y URL de imágenes:
```python
Este script se utiliza para demostrar cómo extraer audio de un video
from openai import OpenAI
client = OpenAI()
= client.responses.create(
model="gpt-6.1-terra",
reasoning={"effort": "Medio"},
input=[{
"role": "user",
"content": [
{
"type": "input_text",
"text": (
"Revisa esta imagen de la campaña publicitaria. Reporta solo los problemas visibles."
"Incluye recorte, colocación de texto, contraste y seguridad de marca."
"Para cada problema, señale el área visible y proponga una solución."
),
},
{
"type": "input_image",
"image_url": "https://example.com/asset.jpg",
"detail": "Alto",
},
],
}],
)
print(response.output_text)
Los formatos de imagen compatibles incluyen PNG, JPEG, WEBP y GIF no animados. La guía visual de OpenAI también admite URL de datos Base64. Las imágenes consumen tokens, por lo que se debe usar una resolución y un nivel de detalle acordes con la tarea. Para pantallas densas o sensibles a las coordenadas, cuando sea compatible, original puede ser adecuado; para una revisión preliminar aproximada, low puede ser suficiente. Antes de estandarizar la configuración, verifique la tabla de tamaños específica del modelo actual.
Elegir conscientemente el nivel de esfuerzo de razonamiento
Terra admite none, low, medium, high, xhigh y max; el valor predeterminado es medium. Aumentar la intensidad de procesamiento puede mejorar la calidad en tareas difíciles, pero también incrementa la latencia y el uso de tokens.
Una escalera de evaluación razonable es:
none: extracción o clasificación simple, el valor que aporta el razonamiento en múltiples pasos es limitado.low：revisión normal, redacción o uso de herramientas restringidas.medium：evidencia mixta, juicio o trabajo de múltiples pasos; este es el valor predeterminado.high: Diferencias visuales difíciles, planificación o manejo complejo de excepciones.xhighymax: usar solo cuando la evaluación muestre una ganancia sustancial en tareas de alto valor.
Cuando una respuesta falla, no aumentes automáticamente el nivel de esfuerzo. Primero verifica las indicaciones, la evidencia, la calidad de la imagen, el contrato de salida y la lógica de validación.
Solicitar salida estructurada
Los sistemas de producción no deben analizar texto arbitrario cuando un patrón conocido está disponible. Terra admite salida estructurada. Un patrón de verificación de calidad visual puede necesitar incluir una matriz de problemas con categoría, evidencia, gravedad y recomendación.
La sintaxis auxiliar exacta del SDK puede variar, por lo tanto, siga la guía de "salida estructurada" actual para el idioma que esté utilizando. Independientemente de la sintaxis, verifique el objeto devuelto y defina las acciones que debe realizar la aplicación cuando falte la evidencia necesaria. Una estructura JSON válida aún puede contener observaciones incorrectas.
Agregar herramientas a través de la API de respuesta
Las herramientas de la API de Responses listadas por Terra incluyen búsqueda web, búsqueda de archivos, generación de imágenes, intérprete de código, shell alojado, uso de computadora, MCP, etc. Solo exponga las herramientas necesarias para la tarea.
Para el uso en computadoras, su aplicación debe ejecutar o conectarse a un entorno de ejecución, realizar las operaciones permitidas, devolver capturas de pantalla y mantener la sesión según sea necesario. Las pautas de seguridad de OpenAI recomiendan:
- Un navegador aislado o una máquina virtual.
- Lista de permitidos para el sitio web y las operaciones.
- Evitar que aparezcan credenciales en el texto de la página o en capturas de pantalla.
- Se requiere la aprobación del usuario antes de comprar, transferir datos, eliminar u otras operaciones importantes.
- Limitaciones de pasos, tiempo y costos.
- Verifica los resultados guardados, no confíes en el resumen del modelo.
El contenido de la página no es confiable. La página web no puede otorgar nuevos permisos ni anular las instrucciones del usuario.
Ciclo de revisión visual confiable
Una implementación robusta separa la observación de la acción:
- Enviar la imagen y un criterio de revisión estricto.
- Se requiere que cada hallazgo tenga evidencia visible.
- Verificar el modo de respuesta.
- Transmitir los hallazgos de alta gravedad o baja evidencia al personal correspondiente.
- Si se permite realizar cambios, exponga únicamente las herramientas de edición o informáticas necesarias.
- Capturar el estado del resultado y ejecutar el proceso de validación.
- Guardar el contenido original, las operaciones propuestas, las aprobaciones, los resultados y la decisión del revisor.
Para trabajos creativos, Terra puede convertir la revisión de storyboards en un informe de modificaciones estructurado. Luego, los creadores pueden aplicar el informe aprobado en herramientas independientes de creación de imágenes, animaciones o historias.
Errores comunes de implementación
Enviar archivo de video directamente
Terra no lista entradas de video nativas. Extrae fotogramas representativos y, si es necesario, proporciona transcripciones o metadatos de las tomas. Indica claramente que el análisis se basa en estos materiales.
Permitir el uso de herramientas de forma libre
Otorgar al modelo un amplio acceso a la computadora conlleva riesgos innecesarios. Limite las herramientas, dominios, operaciones y datos. Exija aprobación en los nodos que generan consecuencias.
Considerar la salida como base fáctica
Los modelos visuales pueden omitir pequeños detalles o inferir relaciones no compatibles. En casos donde los errores tengan un impacto significativo, utilice casos de prueba conocidos y revisión humana.
Ignorar la fijación de precios de contexto largo
La ventana de contexto de Terra es de 1.05 millones de tokens, pero las indicaciones que superen los 272,000 tokens de entrada se facturarán a una tarifa más alta. Por favor, recupere únicamente el material relevante siempre que sea posible.
Preguntas Frecuentes
¿Puedo usar la función de completado de chat de GPT-6.1 Terra?
La página de modelos enumera Chat Completions como un endpoint, pero señala que las llamadas a herramientas requieren la API de Responses. Para nuevas implementaciones de uso de herramientas, Responses es la opción predeterminada adecuada.
¿Terra admite ajuste fino?
La página actual del modelo enumera el ajuste fino como no compatible. Utilice instrucciones claras, recuperación, ejemplos, patrones y evaluación, en lugar de planificar en torno al ajuste fino.
¿Cómo debería probar la actualización a una capacidad de razonamiento superior?
Ejecuta el mismo conjunto de evaluaciones representativas en dos o más niveles de esfuerzo. Compara los resultados aceptados, la latencia, el uso de tokens y las categorías de fallos. No juzgues basándote únicamente en un ejemplo impresionante.
Resumen de implementación
Usando la API de Responses con gpt-6.1-terra, comienza con un esfuerzo moderado, proporcionando al modelo solo la evidencia y herramientas necesarias, y verifica la estructura y el contenido. La calidad del marco circundante —permisos, evaluación, verificación y registro— es igual de importante que la selección del modelo.
