Migracja do GPT-6.1 Terra: napraw błędy 400 związane z temperature, przenieś narzędzia do Responses i skonfiguruj Codex

Przejście na GPT-6.1 Terra wymaga zmiany jednej linijki: ustaw model na gpt-6.1-terra. Dalsze zachowanie zależy od wybranej ścieżki API. W Responses API Terra działa zgodnie z regułami OpenAI: parametr effort sterujący rozumowaniem działa, a temperature lub top_p powodują błąd HTTP 400. W ścieżce Chat Completions AIHubMix ten sam parametr temperature jest akceptowany bez zastrzeżeń, a w testach AIHubMix z 27 października 2026 r. reasoning_effort nie przyniósł mierzalnej różnicy przy krótkich promptach.

Krótka odpowiedź dla większości zespołów: przenieście ruch Terra do Responses API, usuńcie parametry próbkowania i obsługujcie każde obciążenie za pomocą jednej ścieżki. Poniżej omawiamy błędy, które zobaczycie, problemy niewywołujące błędów, zasady rozliczeń, które potrafią zaskoczyć, uprawnienia agentów oraz konfigurację Codex i Claude Code. Terra jest dostępna na stronie modelu GPT-6.1 Terra w AIHubMix, w cenie katalogowej OpenAI: 1 USD za milion tokenów wejściowych, 0,05 USD za tokeny odczytane z pamięci podręcznej, 1,25 USD za zapis do pamięci podręcznej z 30-minutowym okresem ważności i 5 USD za tokeny wyjściowe. Na własnej stronie AIHubMix podaje te same stawki za tokeny wejściowe, wyjściowe i odczyt z pamięci podręcznej, ale nie podaje stawki za zapis.

Zasady pochodzą z przewodnika migracji GPT-6 OpenAI i strony modelu Terra. Treść błędów i zachowanie bramy API wynikają z testów AIHubMix z 27 października 2026 r., przeprowadzonych z krótkimi promptami dla głównego identyfikatora gpt-6.1-terra. W przewodniku modeli AIHubMix podaje, że większość błędów 400 jest przekazywana od dostawcy upstream, a komunikaty zwracane są wraz z identyfikatorem śledzenia tid.

Z której ścieżki korzystasz?

W testach AIHubMix udostępniał Terra za pomocą trzech protokołów. Nie działają one tak samo:

Określenia „brak widocznego efektu” i „akceptowane” opisują wyniki pomiarów AIHubMix z 27 października, przeprowadzonych na krótkich promptach. W Chat Completions wywołania narzędzi zwracały wywołania narzędzi, ale OpenAI dokumentuje obsługę narzędzi przez Terra wyłącznie w Responses.

Jeśli dopiero zaczynasz, użyj Responses. Jeśli obecna integracja z Chat Completions działa, zanim jej zaufasz, zapoznaj się z cichymi błędami.

Błędy, których nie da się przeoczyć

Powodują błąd HTTP 400 i przerywają żądanie.

„Nieobsługiwany parametr: model nie obsługuje parametru „temperature”.”

Co zobaczysz. Wywołanie Responses API z ustawionym parametrem temperature i domyślnym poziomem effort (medium) zwraca:

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

Wysłanie top_p wywołuje ten sam błąd, z top_p zamiast temperature. Domyślna wartość effort to medium, więc błąd wystąpi również wtedy, gdy żądanie w ogóle nie ustawia tego parametru.

Dlaczego. Z przewodnika migracji OpenAI wynika, że gdy poziom effort dla rozumowania nie ma wartości none, trzeba usunąć parametry temperature, top_p i top_logprobs. W przypadku Responses usuń też message.output_text.logprobs z parametru include.

Jak odtworzyć. To wywołanie curl wysyłane przez AIHubMix Responses API zawiera to samo body, którego AIHubMix użył 27 października:

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
  }'

Zwróciło błąd HTTP 400:

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

Rozwiązanie. Usuń temperature i top_p ze wszystkich ścieżek wywołań, w tym z wywołań pomocniczych, takich jak podsumowania i klasyfikatory, o których mogłeś zapomnieć. Jeśli potrzebujesz kontroli nad próbkowaniem, ustaw effort na none: Terra obsługuje tę wartość, a żądanie z effort ustawionym na none i parametrem "temperature": 0.2 zwróciło kod 200 w testach AIHubMix. Wpis na forum deweloperów OpenAI potwierdza tę samą zasadę i informuje, że parametr był zablokowany w GPT-6.1 Sol, który nie ma poziomu none.

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

„Nieobsługiwany parametr: model nie obsługuje parametru „logprobs”.”

Co zobaczysz. Wywołanie Chat Completions z logprobs: true i reasoning_effort: "high" zwróciło:

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

Dlaczego. Obowiązuje ta sama reguła OpenAI. W przypadku Chat Completions przewodnik dodaje logprobs do listy parametrów, które trzeba usunąć, gdy effort nie ma wartości none.

Rozwiązanie. Usuń logprobs i top_logprobs. Jeśli ocena pewności w Twoim pipeline zależy od tych parametrów, przed migracją zaplanuj ich zastępstwo. AIHubMix nie testował logprobs przy effort ustawionym na none w Chat Completions.

„Unsupported value: 'minimal' is not supported…”

Co zobaczysz. Kod napisany dla starszych modeli OpenAI, który wysyła effort o wartości minimal, zwróci:

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

Dlaczego. Poziomy effort Terra to none, low, medium, high, xhigh i max. Wartość minimal nie jest dostępna.

Rozwiązanie. W przewodniku OpenAI zaleca się rozpocząć od low i porównać wyniki na reprezentatywnych zadaniach. Jeśli poprzednie ustawienie miało wyłączać rozumowanie, bliższym odpowiednikiem będzie none.

Ciche błędy

Te błędy nie występują: żądanie kończy się kodem HTTP 200, więc nic w logach ich nie sygnalizuje. Ujawniają się później w postaci odpowiedzi niezgodnych z ustawieniami, pominiętych trafień pamięci podręcznej lub agenta, który przerywa pracę, by zadać pytanie.

Chat Completions akceptuje temperature, ale effort wydaje się ignorowany

W ścieżce Chat Completions AIHubMix parametr temperature: 0.2 zwracał kod 200 zarówno bez ustawionego effort, jak i przy effort równym none lub high. top_p: 0.5 również zwracał kod 200. Ma to skutek uboczny: jeśli testy działają w Chat Completions, nie wykryją błędu 400, który wystąpi przy tym samym kodzie po przejściu na Responses.

Większy problem dotyczy effort. W testach AIHubMix z 27 października parametr reasoning_effort w Chat Completions nie przyniósł mierzalnej różnicy:

Podane liczby to tokeny rozumowania na żądanie. Prompt dotyczący sum liczb pierwszych w Chat Completions uruchamiano dwukrotnie dla każdego ustawienia.

W krótkim zadaniu z kijem i piłką wartości none, low, high, max oraz brak ustawionego effort dały od 24 do 27 tokenów rozumowania. Wysłanie obiektu reasoning: {effort: "none"} zamiast tego dało 327 tokenów w prompcie dotyczącym sum liczb pierwszych. W Responses ten sam prompt wygenerował 0 tokenów rozumowania i 72 tokeny wyjściowe przy none, a przy max — 1,078 tokenów rozumowania i 1,153 tokeny wyjściowe.

Według interpretacji AIHubMix ścieżka Chat Completions obecnie uruchamia Terra ze stałym poziomem effort, więc ustawienie nie dociera do modelu. To wniosek oparty na kilku krótkich promptach, zmierzony wyłącznie w AIHubMix, a nie ogólna zasada dotycząca Chat Completions. Dłuższe lub trudniejsze prompty mogą dać inne wyniki. Jeśli effort ma wpływ na koszt lub jakość, ustaw go w Responses, gdzie wyraźnie działa.

Wywołania narzędzi w Chat Completions działają, ale nie są udokumentowane

Z przewodnika OpenAI wynika, że GPT-6.1 Terra obsługuje Chat Completions, ale wywoływanie narzędzi wymaga Responses. W AIHubMix żądanie Chat Completions zawierające narzędzie funkcyjne zwróciło finish_reason: tool_calls. Nie opieraj na tym rozwiązania: jest to nieudokumentowane zachowanie, które może się zmienić bez ostrzeżenia. W Responses narzędzie funkcyjne zwróciło element function_call, web_search zwrócił wywołania wyszukiwania i wiadomość, a narzędzie funkcyjne z async: true również zwróciło kod 200. Przenieś wywołania narzędzi do Responses.

Ustawienia myślenia Claude Code nie działają w ścieżce Messages

AIHubMix udostępnia Terra również przez Anthropic Messages API, czyli protokół używany przez Claude Code. Tekst, tool_use i obrazy w formacie base64 zwracały kod 200. Sterowanie rozumowaniem nie przenosi się jednak na tę ścieżkę: włączenie thinking z budżetem 4,000 tokenów dało 24 tokeny thinking, output_config.effort: "high" dało 26, a żądanie bez obu ustawień — 25. W odpowiedzi nie pojawiają się bloki thinking, tylko bloki tekstu lub tool_use.

Responses i Chat Completions mają osobne pamięci podręczne

AIHubMix wysłał przez Responses stabilny prefiks developer o długości około 9,600 tokenów. Pierwsze wywołanie zapisało w pamięci podręcznej 9,623 tokeny, a drugie i trzecie odczytały z niej 9,623 tokeny. Wywołanie Chat Completions z tym samym prefiksem zaraz potem nie uzyskało trafienia i ponownie zapisało wszystkie 9,623 tokeny. Drugi przebieg z innym prefiksem powtórzył ten schemat: wywołanie Responses zapisało 9,020 tokenów, wywołanie Chat Completions z tym samym prefiksem zapisało 9,020 tokenów bez trafienia, a powtórne wywołanie Chat Completions odczytało 9,007 tokenów z wpisu utworzonego przez tę ścieżkę.

Oznacza to, że obciążenie naprzemiennie korzystające z obu ścieżek płaci za każdy zapis do pamięci podręcznej dwa razy. Wybierz jedną ścieżkę dla każdego obciążenia.

Ustawienia pamięci podręcznej ze starszych modeli

Jeśli przechodzisz z GPT-5.5 lub starszej wersji, zgodnie z przewodnikiem migracji OpenAI zastąp prompt_cache_retention przez prompt_cache_options.ttl. Domyślna wartość to "30m". W Responses dostępny jest okres ważności "12h", który AIHubMix zaakceptował: obiekt usage wykazał zapisy w polu cache_write_tokens_details.ttl_12h_tokens. W trybie jawnym, bez punktu podziału, niczego nie zapisano, co jest zgodne z dokumentacją OpenAI.

Zmiana poziomu effort w trakcie rozmowy

Zmiana reasoning.effort na poziomie żądania modyfikuje prefiks promptu i powoduje utratę trafienia w pamięci podręcznej. OpenAI dodało w tym celu element wejściowy configuration_update. Zmienia on poziom effort od tego momentu rozmowy, nie naruszając pierwotnego prefiksu. Żądanie zawierające taki element zwróciło kod 200 przez AIHubMix. OpenAI zaleca jego użycie w standardowych żądaniach obsługiwanych przez jednego agenta.

Model prosi o zgodę, zanim podejmie działanie

W uwagach OpenAI dotyczących promptowania GPT-6 podano, że modele z tej rodziny częściej zatrzymują się i zadają użytkownikowi pytanie, gdy dodatkowe informacje mogłyby zmienić wynik, a także mocniej reagują na instrukcje zawarte w umiejętnościach i plikach takich jak AGENTS.md. Uwagi te opracowano dla GPT-6 Astra, dlatego warto sprawdzić, czy dotyczą także Terra, zamiast zakładać, że tak jest. Jeśli agent, który w GPT-5.6 Terra działał bez nadzoru, teraz zatrzymuje się, by poprosić o zgodę, przewodnik zaleca wyraźnie wskazać w prompcie, na jakie działania pozwala już prośba użytkownika. Zaleca również przejrzenie wszystkich plików z umiejętnościami i instrukcjami, do których model ma dostęp.

Domyślny poziom effort to medium, a max kosztuje znacznie więcej

Domyślny poziom wysiłku w Terra to medium. Artificial Analysis zmierzyło około 6,000 tokenów wyjściowych na zadanie przy poziomie medium i około 35,000 przy max (z czego 25,000 stanowiły tokeny rozumowania) w swoim Intelligence Index, za $0.10 i $0.40 za zadanie. Jeśli zwiększasz poziom wysiłku, by rozwiązać problem z jakością, najpierw sprawdź, jak wpłynie to na rachunek. Użytkownicy Codex w ramach planów ChatGPT informowali na Reddicie, że Terra przy wysokim poziomie wysiłku szybko zużywa limity planu; w jednym przypadku wykorzystała 40% pięciogodzinnego limitu w 20 minut. To anegdotyczne doniesienia, ale wskazują na to samo.

Pułapki związane z rozliczeniami

Stawki za tokeny wejściowe, wyjściowe i odczyt z pamięci podręcznej w Terra są takie same w AIHubMix jak w OpenAI. Oto zasady, przez które rachunek może być wyższy, niż sugeruje cennik.

Stawka za zapis na 12 godzin pochodzi z cennika OpenAI. Wpis cenowy AIHubMix dla Terra obejmuje tylko stawki za tokeny wejściowe, wyjściowe i odczyt z pamięci podręcznej: nie podaje stawki za zapis w pamięci podręcznej, progu dla długiego kontekstu ani dopłaty za 12-godzinny czas przechowywania. Traktuj więc podane wyżej opłaty za zapis i stawki dla ponad 272K tokenów jako stawki opublikowane przez OpenAI, a nie potwierdzone opłaty AIHubMix.

Próg 272K dotyczy całego żądania. Strona modelu Terra podaje okno kontekstu o wielkości 1,050,000 tokenów, ale gdy liczba tokenów wejściowych przekroczy 272,000, za całe żądanie naliczana jest podwójna stawka za tokeny wejściowe i pamięć podręczną oraz 1.5-krotna stawka za tokeny wyjściowe. Żądanie z 270,000 tokenów wejściowych i 20,000 wyjściowych kosztuje $0.27 + $0.10 = $0.37. Żądanie z 300,000 tokenów wejściowych i 20,000 wyjściowych kosztuje $0.60 + $0.15 = $0.75. Około 11% więcej tokenów wejściowych kosztuje około dwa razy więcej (w żadnym z przykładów nie użyto pamięci podręcznej).

Tokeny rozumowania są rozliczane jak tokeny wyjściowe. Tokeny rozumowania są liczone jako tokeny wyjściowe po $5 za milion, mimo że ich nie widzisz. W opisanym wyżej teście AIHubMix ten sam prompt wygenerował 72 tokeny wyjściowe przy none i 1,153 przy max. Zapisuj wartość reasoning_tokens z obiektu usage zamiast szacować koszt na podstawie długości odpowiedzi.

Zapisy w pamięci podręcznej są płatne. Zgodnie z zasadami buforowania promptów OpenAI dla GPT-5.6 i nowszych zapis kosztuje 1.25x stawki za tokeny wejściowe przy 30-minutowym czasie przechowywania oraz 2.5x przy 12 godzinach. Odczyt w Terra kosztuje 0.05x. Minimalny prefiks, który można zapisać w pamięci podręcznej, ma 1,024 tokeny. Jeśli prefiks zmienia się przy każdej turze albo ruch jest rozdzielany między dwie trasy, za zapis trzeba płacić za każdym razem.

Wyszukiwanie w sieci jest rozliczane za każde wywołanie. Na stronach modeli OpenAI w AIHubMix web_search kosztuje $0.01 za żądanie, oprócz opłat za tokeny; strona Terra nie wyszczególnia jeszcze opłaty za to narzędzie, więc uwzględnij ją w budżecie. W jednym teście pojedyncze pytanie uruchomiło dwa wywołania wyszukiwania.

Zniżki za Batch i Flex dotyczą OpenAI. OpenAI oferuje zniżkę 50% w ramach Batch i Flex oraz tryb Fast za 2x. Żądanie GET /v1/batches zwróciło w AIHubMix kod 404 („The requested API endpoint does not exist.”), więc nie ma tam trasy Batch, z której można skorzystać. Ustawienie service_tier na flex lub priority zwróciło kod 200, ale cennik AIHubMix dla Terra zawiera tylko standardowe stawki, więc nie zakładaj, że przysługuje zniżka. Jeśli wysyłasz którekolwiek z tych żądań, sprawdź dziennik użycia.

Agenci z rzeczywistymi uprawnieniami

OpenAI promuje Terra jako model do rozumowania wizualnego i obsługi komputera, a wbudowane narzędzie computer działa przez AIHubMix: żądanie Responses z {"type": "computer"} i zrzutem ekranu zwróciło computer_call, którego pierwszą akcją było wykonanie zrzutu ekranu. Zanim agent uzyska uprawnienia do zapisu, zapoznaj się z wynikami testów agentów w karcie systemowej GPT-6.1 Terra OpenAI. Są to własne ewaluacje OpenAI, przeprowadzone głównie w symulacjach o niskiej stawce:

Odsetek obejść ograniczeń w Terra zmierzono przy maksymalnym poziomie wysiłku; karta systemowa ocenia GPT-6.1 Sol niżej. Wynik dotyczący agentów równorzędnych to 11 z 80 próbek.

W przypadku pośredniego wstrzykiwania promptów skuteczność obrony Terra wyniosła 98.8%, wobec 96.2% dla GPT-5.6 Terra. To dobry wynik, ale wciąż nie 100%. Dwa wyniki mają największe znaczenie przy migracji: Terra częściej niż Sol wykonuje instrukcje otrzymane od innego agenta, a czasami znajduje sposób na obejście ograniczenia określonego w jej instrukcjach. Dlatego:

• Domyślnie odmawiaj narzędziom uprawnień i udostępniaj tylko te, których wymaga zadanie.
• Wymagaj zatwierdzenia zapisów, zakupów, przesyłania danych i wszystkiego, co trudno odwrócić.
• Traktuj wiadomości od innych agentów, podobnie jak zawartość ekranu i wyniki działania narzędzi, jako niezaufane dane wejściowe, które nie mogą nadawać uprawnień.
• Uruchamiaj obsługę komputera w odizolowanej przeglądarce lub maszynie wirtualnej z listą dozwolonych elementów, ustaw limity liczby kroków i kosztów, a następnie weryfikuj rzeczywisty rezultat, zamiast polegać na końcowej wiadomości modelu. To zalecenia OpenAI dotyczące obsługi komputera.

Narzędzia do kodowania: Codex i Claude Code

Codex (zalecany dla Terra)

Codex łączy się za pośrednictwem API Responses, czyli trasy, na której ustawienie wysiłku w Terra działa przez AIHubMix. Ogólne wskazówki dotyczące konfiguracji zawiera przewodnik AIHubMix po pliku config.toml Codex. Dla Terra plik ~/.codex/config.toml może wyglądać tak:

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"

• Pozostaw wire_api ustawione na responses. To trasa, która uwzględnia poziom wysiłku i którą OpenAI dokumentuje jako obsługującą narzędzia.
• Określ rozmiar okna kontekstu. Ustaw model_context_window na 1,050,000 tokenów Terra.
• Zacznij od medium. To domyślny poziom wysiłku Terra. Biorąc pod uwagę powyższe doniesienia o limitach, zwiększaj wysiłek dla trudnych zadań zamiast ustawiać go globalnie.
• Uruchom ponownie po edycji. Po zmianie config.toml uruchom ponownie Codex.

Claude Code

Claude Code działa z Terra za pośrednictwem trasy Messages w AIHubMix. Skonfiguruj go zgodnie z przewodnikiem po pliku settings.json dla Claude Code, ustawiając model na gpt-6.1-terra. W testach AIHubMix działało korzystanie z narzędzi i obrazów. Jednak ustawienia myślenia i poziomu wysiłku w Claude Code nie wpływały na rozumowanie Terra, a bloki myślenia nie były zwracane. Nie możesz więc regulować intensywności rozumowania Terra z poziomu Claude Code, dlatego Codex lepiej sprawdzi się w przypadku Terra.

Test wstępny w 10–15 minut

Wykonaj go raz dla każdego narzędzia, w niewielkim repozytorium z zestawem testów:

1. Rozpocznij nową sesję z modelem gpt-6.1-terra. Nie kontynuuj sesji rozpoczętej z innym modelem.
2. Poproś: „Dodaj test jednostkowy dla jednej funkcji w tym repozytorium, uruchom testy i napraw wszystko, co się nie powiedzie”.
3. Oto, jak wygląda powodzenie testu: model odczytuje pliki i uruchamia testy, co oznacza, że wywołania narzędzi działają. Kontynuuje pracę po zapoznaniu się z wynikami, co oznacza, że wynik działania narzędzia jest przekazywany z powrotem. Kończy z zaliczonymi testami, a w całej sesji nie pojawia się kod 400.
4. W dzienniku użycia AIHubMix sprawdź, czy model to gpt-6.1-terra i czy w późniejszych żądaniach widać tokeny wejściowe z pamięci podręcznej dla stabilnego prefiksu. Jeśli nigdy się nie pojawią, coś w prefiksie zmienia się przy każdej turze.
5. W Codex powtórz zadanie przy poziomach low i medium, a następnie porównaj liczbę tokenów wyjściowych na turę. W zadaniu wymagającym pewnego namysłu poziom medium powinien zużywać ich więcej. Jeśli liczby są takie same na każdym poziomie, sprawdź, czy żądania są kierowane przez Responses.
6. Zapisz czas trwania tury i liczbę tokenów wyjściowych. To punkt odniesienia przy wyborze poziomu wysiłku.

Lista kontrolna migracji

• Ustaw model na gpt-6.1-terra.
• Przenieś wywołania narzędzi oraz wszystko, co zależy od poziomu wysiłku, do API Responses.
• Usuń temperature, top_p, top_logprobs i logprobs ze wszystkich ścieżek wywołań albo ustaw poziom wysiłku na none.
• Zastąp minimalny poziom wysiłku poziomem low.
• Kieruj każde obciążenie jedną trasą, aby pamięć podręczna nie była zapisywana dwukrotnie.
• Zastąp prompt_cache_retention przez prompt_cache_options.ttl.
• Użyj configuration_update, aby zmienić poziom wysiłku w trakcie rozmowy.
• W miarę możliwości utrzymuj żądania poniżej 272K tokenów wejściowych.
• Zapisuj liczbę tokenów rozumowania, tokenów odczytanych z pamięci podręcznej i tokenów zapisanych w pamięci podręcznej.
• Uwzględnij w budżecie wyszukiwanie w sieci po $0.01 za wywołanie i nie zakładaj, że w AIHubMix możesz skorzystać z Batch.
• Sprawdź pliki AGENTS.md i pliki umiejętności oraz określ, co agent jest upoważniony robić.
• Wymagaj zatwierdzania zapisów i traktuj wiadomości od agentów równorzędnych jako niezaufane.
• Wykonaj test wstępny w każdym narzędziu do kodowania.

FAQ

Dlaczego GPT-6.1 Terra zwraca błąd „Unsupported parameter: 'temperature'”?
Ponieważ poziom wysiłku w rozumowaniu nie jest ustawiony na none. Zasada OpenAI dla rodziny GPT-6 mówi, że parametry temperature, top_p i top_logprobs należy usunąć, jeśli poziom wysiłku jest inny niż none, a w Terra domyślnie ustawiony jest poziom medium. Usuń te parametry albo ustaw poziom wysiłku na none, jeśli potrzebujesz kontroli nad próbkowaniem.

Dlaczego ten sam kod działa w Chat Completions?
W testach przeprowadzonych 27 października 2026 r. trasa Chat Completions w AIHubMix zaakceptowała parametry temperature 0.2 i top_p 0.5, zwracając kod 200. Oznacza to, że testy w Chat Completions nie wykryją błędu 400 zwracanego przez API Responses.

Czy reasoning_effort działa w Chat Completions przez AIHubMix?
W testach AIHubMix przeprowadzonych 27 października 2026 r. nie dało się zmierzyć jego wpływu na podstawie kilku krótkich promptów: ustawienia none i max dały podobną liczbę tokenów rozumowania. Nie jest to ogólna zasada, ale jeśli zależy Ci na poziomie wysiłku, ustaw go w API Responses, gdzie wyraźnie działa.

Czy muszę przenieść wywołania narzędzi do API Responses?
Tak. Z dokumentacji OpenAI wynika, że wywoływanie narzędzi w Terra wymaga Responses. Żądanie Chat Completions z narzędziem typu function zwróciło wywołania narzędzi przez AIHubMix, ale jest to nieudokumentowane zachowanie i nie należy na nim polegać.

Co zastępuje minimalny poziom wysiłku?
Terra obsługuje poziomy none, low, medium, high, xhigh i max. OpenAI zaleca rozpocząć od low i porównać wyniki na reprezentatywnych zadaniach.

Czy Batch jest dostępny dla Terra w AIHubMix?
Nie. Żądanie GET /v1/batches zwraca w AIHubMix kod 404, więc nie ma tam trasy Batch, z której można skorzystać; zniżki 50% za Batch i Flex dotyczą OpenAI. Cennik AIHubMix dla Terra podaje standardowe stawki za tokeny wejściowe, wyjściowe i odczyt z pamięci podręcznej, takie same jak w cenniku OpenAI.

Czy do pracy z Terra wybrać Codex czy Claude Code?
Codex. Korzysta z API Responses, gdzie ustawienie poziomu wysiłku w Terra działa przez AIHubMix. Claude Code działa przez trasę Messages, ale w testach AIHubMix jego ustawienia myślenia i poziomu wysiłku nie wpływały na Terra.

Czytaj dalej: seria o GPT-6.1 Terra

• Jeśli nie wiesz jeszcze, czy warto przejść z GPT-5.6 Terra, zacznij od tego, co się zmieniło i kto na tym zyska: GPT-6.1 Terra kontra GPT-5.6 Terra: o połowę niższa cena, co się zmieniło i kto powinien przejść na nową wersję
• Jeśli migrujesz agenta do obsługi ekranu lub dokumentów i rozważasz model ze średniej półki od Anthropic, oto bezpośrednie porównanie: GPT-6.1 Terra a Claude Sonnet 5.5: który model ze średniej półki wybrać do agentów obsługujących ekran i dokumenty?
• Jeśli wyniki agenta opisane powyżej budzą Twoje wątpliwości albo trudniejsze zadania programistyczne nadal wymagają większego modelu, ten artykuł pomoże Ci podzielić pracę między te dwa modele: GPT-6.1 Terra a GPT-6.1 Sol: które zadania nadal wymagają Sol?
• Jeśli opisane tu pułapki związane z rozliczeniami skłoniły Cię do sprawdzenia własnych wyliczeń, pełne zestawienie kosztów omawia poziomy wysiłku, próg 272K i buforowanie, wraz z przykładami: Ile naprawdę kosztuje GPT-6.1 Terra: poziomy wysiłku, próg 272K i buforowanie

Źródła

• OpenAI: strona modelu GPT-6.1 Terra
• OpenAI: korzystanie z modeli GPT-6 (przewodnik migracji)
• OpenAI: buforowanie promptów
• OpenAI: karta systemowa GPT-6.1 Terra
• AIHubMix: strona modelu GPT-6.1 Terra