Migration zu GPT-6.1 Terra: Temperatur-400-Fehler beheben, Tools zu Responses verlagern und Codex einrichten

Der Wechsel zu GPT-6.1 Terra erfordert nur eine einzeilige Änderung: Setzen Sie das Modell auf gpt-6.1-terra. Was danach passiert, hängt davon ab, über welche API-Route die Anfrage läuft. Bei der Responses API hält sich Terra an die Regeln von OpenAI: Reasoning-Effort funktioniert, und temperature oder top_p führen zu HTTP 400. Auf der Chat-Completions-Route von AIHubMix wird dasselbe temperature ohne Beanstandung akzeptiert, und bei den Prüfungen von AIHubMix am 27. Oktober 2026 hatte reasoning_effort bei kurzen Prompts keinen messbaren Effekt.

Die kurze Antwort für die meisten Teams lautet also: Verlegen Sie den Terra-Traffic zur Responses API, entfernen Sie die Sampling-Parameter und verwenden Sie pro Workload nur eine Route. Im Folgenden: die Fehler, die auftreten, die Probleme, die keinen Fehler auslösen, die Abrechnungsregeln, die leicht übersehen werden, Agent-Berechtigungen sowie die Einrichtung von Codex und Claude Code. Terra ist auf der GPT-6.1-Terra-Modellseite von AIHubMix zum Listenpreis von OpenAI verfügbar: 1 $ pro Million Input-Tokens, 0,05 $ für gecachte Tokens, 1,25 $ für einen 30-minütigen Cache-Schreibvorgang und 5 $ für Output-Tokens. Auf der eigenen Seite von AIHubMix sind dieselben Preise für Input, Output und Cache-Lesevorgänge aufgeführt, aber kein Preis für Cache-Schreibvorgänge.

Die Regeln stammen aus OpenAIs GPT-6-Migrationsleitfaden und Terras Modellseite. Die Fehlermeldungen und das Verhalten des Gateways basieren auf den Prüfungen von AIHubMix am 27. Oktober 2026, bei denen kurze Prompts mit der Haupt-ID gpt-6.1-terra getestet wurden. Laut dem Modellleitfaden von AIHubMix werden die meisten 400-Fehler vom vorgelagerten Anbieter durchgereicht. Diese Antworten enthalten in der Meldung die Trace-ID tid von AIHubMix.

Welche Route verwenden Sie?

AIHubMix stellte Terra bei diesen Prüfungen über drei Protokolle bereit. Sie verhalten sich nicht gleich:

„Keine erkennbare Wirkung“ und „Akzeptiert“ beschreiben die Messwerte von AIHubMix vom 27. Oktober bei kurzen Prompts. Bei Chat Completions wurden Tool-Aufrufe zurückgegeben, aber OpenAI dokumentiert Tool-Aufrufe für Terra nur über Responses.

Wenn Sie neu anfangen, verwenden Sie Responses. Wenn eine Chat-Completions-Integration heute funktioniert, lesen Sie erst die stillen Fehler, bevor Sie ihr vertrauen.

Die offensichtlichen Fehler

Diese führen zu HTTP 400 und brechen die Anfrage ab.

„Nicht unterstützter Parameter: ‚temperature‘ wird von diesem Modell nicht unterstützt.“

Was Sie sehen. Ein Aufruf der Responses API mit gesetztem temperature und dem Standard-Effort (medium) gibt Folgendes zurück:

Unsupported parameter: 'temperature' is not supported with this model.

Beim Senden von top_p kommt derselbe Fehler zurück, wobei top_p anstelle von temperature genannt wird. Der Effort ist standardmäßig medium. Daher tritt dieser Fehler auch auf, wenn die Anfrage den Effort gar nicht setzt.

Warum. Laut OpenAIs Migrationsleitfaden müssen Sie temperature, top_p und top_logprobs entfernen, wenn der Reasoning-Effort nicht none ist. Bei Responses müssen Sie außerdem message.output_text.logprobs aus include entfernen.

So reproduzieren Sie den Fehler. Dieser curl-Aufruf über die Responses API von AIHubMix sendet denselben Request-Body, den AIHubMix am 27. Oktober verwendet hat:

curl https://aihubmix.com/v1/responses \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6.1-terra",
    "input": "Reply with the single word: ready.",
    "temperature": 0.2
  }'

Die Antwort lautete HTTP 400:

{"error":{"message":"Unsupported parameter: 'temperature' is not supported with this model. (tid: …)","type":"Aihubmix_api_error"},"type":"error"}

So beheben Sie den Fehler. Entfernen Sie temperature und top_p aus allen Aufrufpfaden, auch aus Hilfsaufrufen wie Zusammenfassern und Klassifikatoren, die Sie möglicherweise übersehen haben. Wenn Sie die Sampling-Steuerung benötigen, setzen Sie den Effort auf none: Terra unterstützt diesen Wert, und eine Anfrage mit Effort none und "temperature": 0.2 erhielt bei den Prüfungen von AIHubMix den Status 200. Ein Beitrag im Entwicklerforum von OpenAI bestätigt dieselbe Regel und merkt an, dass sie bei GPT-6.1 Sol blockiert war, das keine Stufe none hat.

{
  "model": "gpt-6.1-terra",
  "input": "Reply with the single word: ready.",
  "reasoning": {"effort": "none"},
  "temperature": 0.2
}

„Nicht unterstützter Parameter: ‚logprobs‘ wird von diesem Modell nicht unterstützt.“

Was Sie sehen. Ein Chat-Completions-Aufruf mit logprobs: true und reasoning_effort: "high" gab Folgendes zurück:

Unsupported parameter: 'logprobs' is not supported with this model.

Warum. Es gilt dieselbe OpenAI-Regel. Für Chat Completions ergänzt der Leitfaden logprobs um die Parameter, die entfernt werden müssen, wenn der Effort nicht none ist.

So beheben Sie den Fehler. Entfernen Sie logprobs und top_logprobs. Wenn ein Konfidenzwert in Ihrer Pipeline davon abhängt, planen Sie vor dem Wechsel einen Ersatz. AIHubMix hat logprobs bei Chat Completions nicht mit Effort none getestet.

„Nicht unterstützter Wert: ‚minimal‘ wird nicht unterstützt …“

Was Sie sehen. Code für ältere OpenAI-Modelle, der den Effort auf minimal setzt, erhält folgende Antwort:

Unsupported value: 'minimal' is not supported with the 'gpt-6.1-terra' model. Supported values are: 'none', 'low', 'medium', 'high', 'xhigh', and 'max'.

Warum. Die Effort-Stufen von Terra sind none, low, medium, high, xhigh und max. Eine Stufe minimal gibt es nicht.

So beheben Sie den Fehler. OpenAIs Leitfaden empfiehlt, mit low zu beginnen und die Ergebnisse anhand repräsentativer Aufgaben zu vergleichen. Wenn die alte Einstellung dazu diente, das Reasoning auszuschalten, kommt none dem am nächsten.

Die stillen Fehler

Diese führen zu HTTP 200, sodass in Ihren Logs nichts darauf hinweist. Später äußern sie sich in Antworten, die nicht zu Ihren Einstellungen passen, verpassten Cache-Treffern oder einem Agenten, der anhält, um Fragen zu stellen.

Chat Completions akzeptiert temperature und scheint den Effort zu ignorieren

Auf der Chat-Completions-Route von AIHubMix erhielt temperature: 0.2 den Status 200, sowohl ohne gesetzten Effort als auch mit Effort none und high. Auch top_p: 0.5 erhielt den Status 200. Das hat einen Nebeneffekt: Wenn Ihre Testsuite Chat Completions verwendet, entdeckt sie den 400-Fehler nicht, der bei demselben Code nach dem Wechsel zu Responses auftritt.

Der Effort ist das größere Problem. Bei den Prüfungen von AIHubMix am 27. Oktober hatte reasoning_effort bei Chat Completions keinen messbaren Effekt:

Die Werte geben die Reasoning-Tokens pro Anfrage an. Bei Chat Completions wurde der Prompt zur Primzahlsumme für jede Einstellung zweimal ausgeführt.

Beim kurzen Schläger-und-Ball-Prompt ergaben none, low, high, max und eine ganz ohne Effort ausgeführte Anfrage jeweils 24 bis 27 Reasoning-Tokens. Beim Senden von reasoning: {effort: "none"} als Objekt waren es beim Prompt zur Primzahlsumme stattdessen 327. Bei Responses ergab derselbe Prompt zur Primzahlsumme mit none 0 Reasoning-Tokens und 72 Output-Tokens, mit max dagegen 1.078 Reasoning-Tokens und 1.153 Output-Tokens.

AIHubMix interpretiert das so, dass die Chat-Completions-Route Terra derzeit mit einem festen Effort ausführt, sodass die Einstellung das Modell nicht erreicht. Das ist eine Schlussfolgerung aus einigen wenigen kurzen Prompts, die nur bei AIHubMix gemessen wurden, und keine allgemeingültige Aussage über Chat Completions. Bei größeren oder schwierigeren Prompts könnte sich ein anderes Bild ergeben. Wenn der Effort für Ihre Kosten oder die Qualität wichtig ist, setzen Sie ihn bei Responses, wo er eindeutig funktioniert.

Tool-Aufrufe bei Chat Completions funktionieren, sind aber nicht dokumentiert

Laut OpenAIs Leitfaden unterstützt GPT-6.1 Terra Chat Completions, Tool-Aufrufe erfordern jedoch Responses. Bei AIHubMix kam eine Chat-Completions-Anfrage mit einem Function-Tool tatsächlich mit finish_reason: tool_calls zurück. Bauen Sie nicht darauf: Dieses undokumentierte Verhalten kann sich jederzeit ohne Ankündigung ändern. Bei Responses gab ein Function-Tool ein Element vom Typ function_call zurück, web_search lieferte Suchaufrufe und eine Nachricht, und auch ein Function-Tool mit async: true erhielt den Status 200. Verlegen Sie Tool-Aufrufe zu Responses.

Die Thinking-Einstellungen von Claude Code haben auf der Messages-Route keine Wirkung

AIHubMix stellt Terra auch über die Anthropic Messages API bereit, das Protokoll, das Claude Code verwendet. Text, tool_use und Base64-Bilder erhielten jeweils den Status 200. Die Reasoning-Steuerung wurde jedoch nicht übernommen: Bei aktiviertem thinking mit einem Budget von 4.000 Tokens waren es 24 Thinking-Tokens, bei output_config.effort: "high" 26, und bei einer Anfrage ohne beides 25. Die Antwort enthält keine Thinking-Blöcke, sondern nur Text- oder tool_use-Blöcke.

Responses und Chat Completions verwenden getrennte Caches

AIHubMix sendete über Responses ein stabiles Developer-Präfix mit etwa 9.600 Tokens. Aufruf 1 schrieb 9.623 Tokens in den Cache, und bei den Aufrufen 2 und 3 wurden 9.623 gecachte Tokens gelesen. Ein Chat-Completions-Aufruf direkt im Anschluss mit demselben Präfix erzielte keinen Treffer und schrieb alle 9.623 Tokens erneut. Ein zweiter Durchlauf mit einem anderen Präfix ergab dasselbe Muster: Der Responses-Aufruf schrieb 9.020 Tokens in den Cache, ein Chat-Completions-Aufruf mit demselben Präfix schrieb ohne Treffer 9.020 Tokens, und bei einem erneuten Chat-Completions-Aufruf wurden 9.007 Tokens aus dem Eintrag gelesen, den die Chat-Route geschrieben hatte.

Ein Workload, der zwischen den Routen wechselt, bezahlt also jeden Cache-Schreibvorgang doppelt. Verwenden Sie pro Workload nur eine Route.

Cache-Einstellungen älterer Modelle

Wenn Sie von GPT-5.5 oder einer älteren Version wechseln, empfiehlt OpenAIs Leitfaden, prompt_cache_retention durch prompt_cache_options.ttl zu ersetzen. Der Standardwert ist "30m". Bei Responses ist eine Gültigkeitsdauer von "12h" verfügbar, die AIHubMix akzeptiert hat: Im Nutzungsobjekt wurden die Schreibvorgänge unter cache_write_tokens_details.ttl_12h_tokens ausgewiesen. Im expliziten Modus ohne Breakpoint wurde nichts geschrieben, wie es der Dokumentation von OpenAI entspricht.

Effort während eines Gesprächs ändern

Wenn Sie reasoning.effort auf Anfrageebene ändern, ändert sich das Prompt-Präfix, wodurch der Cache-Treffer verloren geht. OpenAI hat dafür das Input-Element configuration_update eingeführt. Damit lässt sich der Effort ab dieser Stelle im Gespräch erhöhen oder verringern, ohne das ursprüngliche Präfix zu verändern. Eine entsprechende Anfrage erhielt über AIHubMix den Status 200. OpenAIs Leitfaden empfiehlt diese Methode für standardmäßige Anfragen mit nur einem Agenten.

Das Modell fragt, bevor es handelt

In OpenAIs Prompting-Hinweisen zu GPT-6 heißt es, dass die Modellfamilie eher anhält und den Nutzer etwas fragt, wenn zusätzliche Eingaben das Ergebnis verändern könnten, und empfindlicher auf Anweisungen in Skills und Dateien wie AGENTS.md reagiert. Diese Hinweise wurden für GPT-6 Astra verfasst. Daher sollten Sie überprüfen, ob sie auch auf Terra zutreffen, statt sie als gegeben hinzunehmen. Wenn ein Agent, der unter GPT-5.6 Terra unbeaufsichtigt lief, nun für eine Genehmigung pausiert, empfiehlt der Leitfaden als Lösung, im Prompt ausdrücklich festzuhalten, wozu die Anfrage des Nutzers bereits berechtigt. Außerdem empfiehlt er, alle Skills und Anweisungsdateien zu überprüfen, die das Modell lesen kann.

Der Effort ist standardmäßig auf medium gesetzt, und max kostet deutlich mehr

Terras standardmäßiger Effort-Wert ist medium. Artificial Analysis ermittelte bei mittlerem Effort im Intelligence Index etwa 6.000 Ausgabetokens pro Aufgabe und bei maximalem Effort etwa 35.000 (davon 25.000 Reasoning-Tokens) – zu Kosten von $0.10 bzw. $0.40 pro Aufgabe. Wenn du den Effort erhöhst, um ein Qualitätsproblem zu beheben, prüfe zuerst, wie sich das auf die Rechnung auswirkt. Codex-Nutzer mit ChatGPT-Tarifen berichteten auf Reddit, dass Terra bei hohem Effort das Kontingent schnell aufbraucht; in einem Fall waren innerhalb von 20 Minuten 40% des Fünf-Stunden-Limits verbraucht. Das sind Einzelfallberichte, aber sie weisen alle in dieselbe Richtung.

Abrechnungsfallen

Die Preise für Eingabe, Ausgabe und Cache-Lesezugriffe bei Terra sind auf AIHubMix dieselben wie bei OpenAI. Diese Regeln können die Rechnung höher ausfallen lassen, als der Listenpreis vermuten lässt.

Der Preis für Schreibzugriffe mit einer Laufzeit von 12 Stunden stammt von OpenAI. Der Preiseintrag für Terra bei AIHubMix enthält nur Preise für Eingabe, Ausgabe und Cache-Lesezugriffe: keine Angaben zu Cache-Schreibzugriffen, keine Langkontext-Preisstufe und keinen Aufpreis für 12 Stunden. Betrachte daher die oben genannten Gebühren für Schreibzugriffe und die Preise bei mehr als 272K als von OpenAI veröffentlichte Preise, nicht als bestätigte Gebühren von AIHubMix.

Die Schwelle von 272K gilt für die gesamte Anfrage. Auf Terras Modellseite ist ein Kontextfenster von 1,050,000 Tokens angegeben. Sobald die Eingabe jedoch 272,000 Tokens überschreitet, wird die gesamte Anfrage mit dem doppelten Eingabe- und Cache-Preis sowie dem 1,5-Fachen des Ausgabepreises abgerechnet. Eine Anfrage mit 270,000 Eingabe- und 20,000 Ausgabetokens kostet $0.27 + $0.10 = $0.37. Eine Anfrage mit 300,000 Eingabe- und 20,000 Ausgabetokens kostet $0.60 + $0.15 = $0.75. Etwa 11% mehr Eingabetokens kosten ungefähr doppelt so viel (in beiden Beispielen ohne Caching).

Reasoning wird als Ausgabe abgerechnet. Reasoning-Tokens zählen als Ausgabetokens und kosten $5 pro Million, obwohl sie für dich unsichtbar sind. Bei der obigen Prüfung mit AIHubMix erzeugte derselbe Prompt bei none 72 Ausgabetokens und bei max 1,153. Erfasse reasoning_tokens aus dem Usage-Objekt, statt die Kosten anhand der Antwortlänge zu schätzen.

Cache-Schreibzugriffe werden abgerechnet. Nach den Regeln für Prompt-Caching von OpenAI für GPT-5.6 und neuere Modelle kostet ein Schreibzugriff bei einer Laufzeit von 30 Minuten das 1.25-Fache des Eingabepreises und bei 12 Stunden das 2.5-Fache. Lesezugriffe kosten bei Terra das 0.05-Fache. Der Mindestumfang eines cachefähigen Präfixes beträgt 1,024 Tokens. Ändert sich das Präfix bei jeder Runde oder wird der Traffic auf zwei Routen verteilt, musst du den Preis für Schreibzugriffe immer wieder zahlen.

Die Websuche wird pro Aufruf berechnet. AIHubMix berechnet auf seinen OpenAI-Modellseiten für web_search zusätzlich zu den Tokens $0.01 pro Anfrage. Auf Terras Seite ist die Gebühr für das Tool noch nicht separat ausgewiesen, also solltest du sie einplanen. Bei einer Prüfung löste eine einzelne Frage zwei Suchaufrufe aus.

Die Rabatte für Batch und Flex gelten bei OpenAI. OpenAI bietet über Batch und Flex einen Rabatt von 50% und berechnet für den Fast-Modus das Doppelte. AIHubMix gab für GET /v1/batches den Fehler 404 zurück („The requested API endpoint does not exist.“), daher gibt es dort keine Batch-Route. Ein service_tier mit dem Wert flex oder priority ergab den Status 200, aber in der Preisliste von AIHubMix für Terra stehen nur die Standardpreise. Plane deshalb keinen Rabatt ein. Prüfe dein Nutzungsprotokoll, wenn du einen der beiden Werte sendest.

Agenten mit echten Berechtigungen

OpenAI bewirbt Terra für visuelles Reasoning und die Nutzung von Computern. Das integrierte Computer-Tool funktioniert über AIHubMix: Eine Responses-Anfrage mit {"type": "computer"} und einem Screenshot gab einen computer_call zurück, dessen erste Aktion ein Screenshot war. Lies die Ergebnisse zu Agenten in OpenAIs GPT-6.1 Terra-Systemkarte, bevor du einem Agenten Schreibzugriff gewährst. Es handelt sich um OpenAIs eigene Evaluierungen, größtenteils in Simulationen mit geringem Risiko:

Die Umgehungsrate von Terra wurde bei maximalem Effort gemessen; laut Systemkarte liegt GPT-6.1 Sol darunter. Der Wert für Peer-Agenten basiert auf 11 von 80 Stichproben.

Bei indirekten Prompt-Injection-Angriffen lag Terras Abwehrquote bei 98.8%, gegenüber 96.2% bei GPT-5.6 Terra. Das ist gut, aber noch keine 100%. Für eine Migration sind vor allem zwei Ergebnisse wichtig: Terra setzt Anweisungen von anderen Agenten eher um als Sol und findet manchmal einen Weg, eine in seinen Anweisungen genannte Einschränkung zu umgehen. Daher:

• Erteile Tools standardmäßig keine Berechtigungen und stelle nur bereit, was die Aufgabe erfordert.
• Verlange eine Genehmigung für Schreibvorgänge, Käufe, Datenübertragungen und alles, was sich nur schwer rückgängig machen lässt.
• Behandle Nachrichten anderer Agenten ebenso wie Bildschirminhalte und Tool-Ergebnisse als nicht vertrauenswürdige Eingaben, die keine Berechtigung erteilen können.
• Führe die Computernutzung in einem isolierten Browser oder einer VM mit einer Zulassungsliste aus, setze Schritt- und Kostenlimits und prüfe das tatsächliche Ergebnis statt der abschließenden Nachricht des Modells. Dies sind OpenAIs Empfehlungen zur Computernutzung.

Coding-Tools: Codex und Claude Code

Codex (für Terra empfohlen)

Codex verbindet sich über die Responses API – die Route, über die Terras Effort-Einstellung mit AIHubMix funktioniert. Die Codex-Anleitung zu config.toml von AIHubMix beschreibt die allgemeine Einrichtung. Für Terra sieht ~/.codex/config.toml so aus:

model = "gpt-6.1-terra"
model_provider = "aihubmix"
model_context_window = 1050000
model_reasoning_effort = "medium"

[model_providers.aihubmix]
name = "AIHubMix"
base_url = "https://aihubmix.com/v1"
env_key = "AIHUBMIX_API_KEY"
wire_api = "responses"

• Belasse wire_api auf responses. Über diese Route wird die Effort-Einstellung berücksichtigt, und OpenAI dokumentiert sie für Tools.
• Gib das Kontextfenster an. Setze model_context_window auf Terras 1,050,000 Tokens.
• Beginne mit medium. Das ist Terras Standardeinstellung. Erhöhe den Effort für schwierige Aufgaben gezielt statt global, angesichts der obigen Berichte zum Kontingent.
• Starte nach Änderungen neu. Starte Codex nach Änderungen an config.toml neu.

Claude Code

Claude Code funktioniert mit Terra über die Messages-Route von AIHubMix. Richte es anhand der Anleitung zu den Claude Code-Einstellungen in settings.json ein und verwende gpt-6.1-terra als Modell. Bei den Prüfungen von AIHubMix funktionierten Tool-Nutzung und Bilder. Die Thinking- und Effort-Einstellungen von Claude Code hatten dort jedoch keinen Einfluss auf Terras Reasoning, und es werden keine Thinking-Blöcke zurückgegeben. Über Claude Code kannst du also nicht einstellen, wie intensiv Terra nachdenkt. Daher eignet sich Codex besser für Terra.

Ein 10- bis 15-minütiger Smoke-Test

Führe den Test für jedes Tool einmal in einem kleinen Repository mit Testsuite aus:

1. Starte eine neue Sitzung mit gpt-6.1-terra. Setze keine Sitzung fort, die mit einem anderen Modell ausgeführt wurde.
2. Bitte: „Füge einen Unit-Test für eine Funktion in diesem Repository hinzu, führe die Tests aus und behebe alle Fehler.“
3. Der Test ist erfolgreich, wenn Folgendes zutrifft: Das Modell liest Dateien und führt die Tests aus, die Tool-Aufrufe funktionieren also. Es arbeitet weiter, nachdem es die Ergebnisse erhalten hat, die Tool-Ausgabe wird also zurückgegeben. Am Ende sind alle Tests bestanden, und während der gesamten Sitzung tritt kein 400-Fehler auf.
4. Prüfe in deinem AIHubMix-Nutzungsprotokoll, ob das Modell gpt-6.1-terra ist und ob spätere Anfragen für das stabile Präfix gecachte Eingabetokens ausweisen. Ist das nie der Fall, ändert sich etwas am Präfix bei jeder Runde.
5. Führe die Aufgabe in Codex mit low und medium erneut aus und vergleiche die Ausgabetokens pro Runde. Bei einer Aufgabe, die etwas Nachdenken erfordert, sollte medium mehr Tokens verbrauchen. Sind die Zahlen bei jeder Stufe gleich, prüfe, ob die Anfragen über Responses laufen.
6. Notiere die Dauer der Runde und die Ausgabetokens. Das ist deine Grundlage für die Wahl der Effort-Stufe.

Migrations-Checkliste

• Setze das Modell auf gpt-6.1-terra.
• Verschiebe Tool-Aufrufe und alles, was von der Effort-Einstellung abhängt, zur Responses API.
• Entferne temperature, top_p, top_logprobs und logprobs aus allen Aufrufpfaden oder setze den Effort auf none.
• Ersetze minimal effort durch low.
• Lass jede Arbeitslast über eine einzige Route laufen, damit der Cache nicht doppelt geschrieben wird.
• Ersetze prompt_cache_retention durch prompt_cache_options.ttl.
• Verwende configuration_update, um den Effort mitten im Gespräch zu ändern.
• Halte Anfragen nach Möglichkeit unter 272K Eingabetokens.
• Protokolliere Reasoning-Tokens, gecachte Tokens und Cache-Schreibtokens.
• Plane $0.01 pro Websuchaufruf ein und rechne nicht mit Batch über AIHubMix.
• Prüfe AGENTS.md und Skill-Dateien und lege fest, wozu der Agent berechtigt ist.
• Verlange für Schreibvorgänge eine Genehmigung und behandle Nachrichten von Peer-Agenten als nicht vertrauenswürdig.
• Führe den Smoke-Test mit jedem Coding-Tool aus.

FAQ

Warum gibt GPT-6.1 Terra „Unsupported parameter: 'temperature'“ zurück?
Weil der Reasoning-Effort nicht auf none steht. Laut OpenAIs Regel für die GPT-6-Familie müssen temperature, top_p und top_logprobs entfernt werden, wenn der Effort nicht none ist. Terra verwendet standardmäßig medium. Entferne diese Parameter oder setze den Effort auf none, wenn du die Sampling-Steuerung benötigst.

Warum funktioniert derselbe Code mit Chat Completions?
Bei den Prüfungen am 27. Oktober 2026 akzeptierte die Chat-Completions-Route von AIHubMix temperature 0.2 und top_p 0.5 und gab den Status 200 zurück. Tests mit Chat Completions decken also nicht den 400-Fehler auf, den die Responses API zurückgibt.

Funktioniert reasoning_effort mit Chat Completions über AIHubMix?
Bei den Prüfungen von AIHubMix am 27. Oktober 2026 zeigte sich bei einigen kurzen Prompts kein messbarer Unterschied: none und max ergaben ähnliche Anzahlen an Reasoning-Tokens. Das ist keine allgemeingültige Regel. Wenn der Effort für dich wichtig ist, setze ihn jedoch über die Responses API, wo er nachweislich funktioniert.

Muss ich Tool-Aufrufe zur Responses API verschieben?
Ja. Laut OpenAIs Dokumentation erfordert Tool-Aufruf mit Terra die Responses API. Eine Chat-Completions-Anfrage mit einem Function-Tool gab über AIHubMix zwar Tool-Aufrufe zurück, aber dieses Verhalten ist nicht dokumentiert und sollte nicht als verlässlich vorausgesetzt werden.

Was ersetzt minimal effort?
Terra unterstützt none, low, medium, high, xhigh und max. OpenAI empfiehlt, mit low zu beginnen und die Ergebnisse anhand repräsentativer Aufgaben zu vergleichen.

Ist Batch für Terra bei AIHubMix verfügbar?
Nein. Ein Aufruf von GET /v1/batches gibt bei AIHubMix den Fehler 404 zurück. Es gibt also keine Batch-Route; die Batch- und Flex-Rabatte von 50% gelten bei OpenAI. In der Preisliste von AIHubMix für Terra sind die Standardpreise für Eingabe, Ausgabe und Cache-Lesezugriffe angegeben, die OpenAIs Listenpreisen entsprechen.

Sollte ich Codex oder Claude Code mit Terra verwenden?
Codex. Es verwendet die Responses API, über die Terras Effort-Einstellung mit AIHubMix funktioniert. Claude Code arbeitet über die Messages-Route, aber bei den Prüfungen von AIHubMix hatten seine Thinking- und Effort-Einstellungen keinen Einfluss auf Terra.

Weiterlesen: die GPT-6.1-Terra-Reihe

• Wenn du noch nicht entschieden hast, ob sich der Wechsel von GPT-5.6 Terra lohnt, erfährst du hier zuerst, was sich geändert hat und für wen sich der Wechsel lohnt: GPT-6.1 Terra vs. GPT-5.6 Terra: Halber Preis, was sich geändert hat und wer wechseln sollte
• Wenn Sie für einen Bildschirm- oder Dokumentenagenten migrieren und Anthropic als Mittelklasse-Option in Betracht ziehen, finden Sie hier den direkten Vergleich: GPT-6.1 Terra vs. Claude Sonnet 5.5: Welches Mittelklassemodell eignet sich für Bildschirm- und Dokumentenagenten?
• Wenn Sie die Agentenergebnisse oben nachdenklich stimmen oder anspruchsvolle Programmieraufgaben weiterhin das größere Modell erfordern, zeigt dieser Beitrag, wie sich die Arbeit auf beide Modelle verteilt: GPT-6.1 Terra vs. GPT-6.1 Sol: Für welche Aufgaben wird weiterhin Sol benötigt?
• Wenn Sie wegen der Abrechnungsfallen hier Ihre eigenen Zahlen überprüfen, finden Sie in der vollständigen Kostenaufstellung Beispiele zu Aufwand, der 272K-Grenze und Caching: Was GPT-6.1 Terra wirklich kostet: Aufwandsstufen, die 272K-Grenze und Caching

Quellen

• OpenAI: GPT-6.1 Terra-Modellseite
• OpenAI: GPT-6-Modelle verwenden (Migrationsleitfaden)
• OpenAI: Prompt-Caching
• OpenAI: GPT-6.1 Terra-Systemkarte
• AIHubMix: GPT-6.1 Terra-Modellseite