Chuyển sang GPT-6.1 Terra: Khắc phục lỗi 400 do temperature, chuyển công cụ sang Responses và thiết lập Codex

Chuyển sang GPT-6.1 Terra chỉ cần thay đổi một dòng: đặt model thành gpt-6.1-terra. Điều gì xảy ra tiếp theo phụ thuộc vào API route mà yêu cầu đi qua. Trên Responses API, Terra tuân theo quy tắc của OpenAI: reasoning effort hoạt động, còn temperature hoặc top_p sẽ trả về HTTP 400. Trên route Chat Completions của AIHubMix, cùng tham số temperature được chấp nhận mà không báo lỗi, và trong các bài kiểm tra của AIHubMix ngày 27 tháng 10 năm 2026, reasoning_effort không tạo ra khác biệt đo lường được trên các prompt ngắn.

Vì vậy, câu trả lời ngắn gọn cho hầu hết các nhóm là: chuyển lưu lượng Terra sang Responses API, bỏ các tham số lấy mẫu và giữ mỗi khối lượng công việc trên một route duy nhất. Bên dưới là các lỗi bạn sẽ gặp, những vấn đề không báo lỗi, quy tắc tính phí dễ khiến bạn bất ngờ, quyền của agent và cách thiết lập Codex cùng Claude Code. Terra có trên trang model GPT-6.1 Terra của AIHubMix, với giá niêm yết của OpenAI: $1 cho mỗi triệu token đầu vào, $0.05 cho token được lưu trong cache, $1.25 cho lượt ghi cache trong 30 phút và $5 cho đầu ra. Trang riêng của AIHubMix liệt kê cùng mức giá đầu vào, đầu ra và đọc cache, nhưng không có mức giá ghi cache.

Các quy tắc được lấy từ hướng dẫn chuyển đổi GPT-6 và trang model của Terra của OpenAI. Nội dung lỗi và cách hoạt động của gateway dựa trên các bài kiểm tra của AIHubMix ngày 27 tháng 10 năm 2026, sử dụng các prompt ngắn với ID chính gpt-6.1-terra. Hướng dẫn model của AIHubMix cho biết hầu hết lỗi 400 được chuyển tiếp từ nhà cung cấp upstream; trong thông báo lỗi trả về có kèm mã truy vết tid.

Bạn đang dùng route nào?

Trong các bài kiểm tra đó, AIHubMix cung cấp Terra qua ba giao thức. Chúng không hoạt động giống nhau:

“Không có tác động rõ rệt” và “Được chấp nhận” mô tả những gì AIHubMix đo được ngày 27 tháng 10 trên các prompt ngắn. Gọi công cụ qua Chat Completions có trả về các lệnh gọi công cụ, nhưng OpenAI chỉ tài liệu hóa việc gọi công cụ cho Terra trên Responses.

Nếu mới bắt đầu, hãy dùng Responses. Nếu tích hợp Chat Completions hiện đang hoạt động, hãy đọc phần về các lỗi âm thầm trước khi tin cậy nó.

Các lỗi dễ nhận thấy

Các lỗi này trả về HTTP 400 và khiến yêu cầu dừng lại.

“Tham số không được hỗ trợ: 'temperature' không được hỗ trợ với model này.”

Bạn sẽ thấy gì. Lệnh gọi Responses API có đặt temperature và dùng effort mặc định (medium) sẽ trả về:

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

Gửi top_p sẽ trả về cùng lỗi, với top_p thay cho temperature. Effort mặc định là medium, nên ngay cả yêu cầu không đặt effort cũng gặp lỗi này.

Vì sao. Hướng dẫn chuyển đổi của OpenAI nêu rằng khi reasoning effort không phải none, bạn phải bỏ temperature, top_p và top_logprobs. Trên Responses, cũng bỏ message.output_text.logprobs khỏi include.

Cách tái hiện. Lệnh curl này gọi qua Responses API của AIHubMix và gửi cùng nội dung yêu cầu mà AIHubMix đã gửi ngày 27 tháng 10:

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
  }'

Lệnh này trả về HTTP 400:

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

Cách khắc phục. Xóa temperature và top_p khỏi mọi đường dẫn gọi, kể cả các lệnh gọi phụ trợ như công cụ tóm tắt và phân loại mà bạn có thể đã bỏ sót. Nếu cần kiểm soát lấy mẫu, hãy đặt effort thành none: Terra hỗ trợ mức này và trong các bài kiểm tra của AIHubMix, yêu cầu đặt effort none cùng "temperature": 0.2 trả về 200. Một bài đăng trên diễn đàn nhà phát triển của OpenAI xác nhận quy tắc tương tự và cho biết thiết lập này bị chặn trên GPT-6.1 Sol, model không có mức none.

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

“Tham số không được hỗ trợ: 'logprobs' không được hỗ trợ với model này.”

Bạn sẽ thấy gì. Lệnh gọi Chat Completions có logprobs: true và reasoning_effort: "high" trả về:

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

Vì sao. Đây là cùng quy tắc của OpenAI. Với Chat Completions, hướng dẫn bổ sung logprobs vào danh sách tham số cần bỏ khi effort không phải none.

Cách khắc phục. Bỏ logprobs và top_logprobs. Nếu điểm độ tin cậy trong quy trình của bạn phụ thuộc vào chúng, hãy lên kế hoạch thay thế trước khi chuyển đổi. AIHubMix chưa kiểm tra logprobs với effort none trên Chat Completions.

“Giá trị không được hỗ trợ: 'minimal' không được hỗ trợ…”

Bạn sẽ thấy gì. Mã viết cho các model OpenAI đời cũ gửi effort minimal sẽ nhận được:

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

Vì sao. Các mức effort của Terra là none, low, medium, high, xhigh và max. Không có mức minimal.

Cách khắc phục. Hướng dẫn của OpenAI khuyên nên bắt đầu với low và so sánh kết quả trên các tác vụ đại diện. Nếu thiết lập cũ được chọn để tắt reasoning, none là lựa chọn tương đương hơn.

Các lỗi âm thầm

Các lỗi này trả về HTTP 200 nên không có gì trong log cảnh báo bạn. Chúng chỉ xuất hiện sau đó dưới dạng câu trả lời không khớp với thiết lập, lượt đọc cache bị bỏ lỡ hoặc agent dừng lại để hỏi.

Chat Completions chấp nhận temperature nhưng có vẻ bỏ qua effort

Trên route Chat Completions của AIHubMix, temperature: 0.2 trả về 200 khi không đặt effort, khi effort là none và khi effort là high. top_p: 0.5 cũng trả về 200. Điều này gây ra một hệ quả: nếu bộ kiểm thử của bạn chạy trên Chat Completions, nó sẽ không phát hiện lỗi 400 mà cùng đoạn mã đó gặp phải sau khi chuyển sang Responses.

Effort mới là vấn đề lớn hơn. Trong các bài kiểm tra của AIHubMix ngày 27 tháng 10, reasoning_effort trên Chat Completions không tạo ra khác biệt đo lường được:

Các con số là số token reasoning trong mỗi yêu cầu. Chat Completions chạy hai lần cho mỗi thiết lập trên prompt về tổng các số nguyên tố.

Với prompt ngắn về bài toán gậy và bóng, none, low, high, max và cả trường hợp không đặt effort đều cho ra từ 24 đến 27 token reasoning. Gửi reasoning: {effort: "none"} dưới dạng object thay vào đó cho ra 327 token trên prompt về tổng các số nguyên tố. Trên Responses, cùng prompt đó tạo ra 0 token reasoning và 72 token đầu ra ở mức none, và 1,078 token reasoning cùng 1,153 token đầu ra ở mức max.

Theo nhận định của AIHubMix, route Chat Completions hiện chạy Terra với effort cố định, nên thiết lập này không được truyền đến model. Đây là suy luận từ một số ít prompt ngắn, được đo riêng trên AIHubMix, chứ không phải quy tắc chung cho Chat Completions. Prompt dài hơn hoặc khó hơn có thể cho kết quả khác. Nếu effort ảnh hưởng đến chi phí hoặc chất lượng, hãy đặt nó trên Responses, nơi thiết lập này rõ ràng có tác dụng.

Gọi công cụ qua Chat Completions hoạt động nhưng chưa được tài liệu hóa

Hướng dẫn của OpenAI cho biết GPT-6.1 Terra hỗ trợ Chat Completions, nhưng muốn gọi công cụ thì phải dùng Responses. Trên AIHubMix, một yêu cầu Chat Completions có công cụ function thực sự trả về finish_reason: tool_calls. Đừng dựa vào điều này: đây là hành vi chưa được tài liệu hóa và có thể thay đổi mà không báo trước. Trên Responses, công cụ function trả về một mục function_call, web_search trả về các lệnh tìm kiếm cùng một thông báo, và công cụ function có async: true cũng trả về 200. Hãy chuyển lưu lượng gọi công cụ sang Responses.

Các thiết lập thinking của Claude Code không có tác dụng trên route Messages

AIHubMix cũng phản hồi cho Terra qua Anthropic Messages API, giao thức mà Claude Code sử dụng. Văn bản, tool_use và hình ảnh base64 đều trả về 200. Khả năng điều khiển reasoning không được giữ nguyên: bật thinking với ngân sách 4,000 token cho ra 24 token thinking; output_config.effort: "high" cho ra 26; còn yêu cầu không đặt cả hai cho ra 25. Phản hồi không có khối thinking, chỉ có khối văn bản hoặc tool_use.

Responses và Chat Completions dùng các cache riêng biệt

AIHubMix gửi một tiền tố developer ổn định dài khoảng 9,600 token qua Responses. Lần gọi 1 ghi 9,623 token vào cache; lần gọi 2 và 3 đọc 9,623 token đã cache. Ngay sau đó, một lệnh gọi Chat Completions với cùng tiền tố không có lượt cache nào và phải ghi lại toàn bộ 9,623 token. Lần chạy thứ hai với tiền tố khác cũng lặp lại hiện tượng này: lệnh gọi Responses ghi 9,020 token; lệnh gọi Chat Completions dùng cùng tiền tố ghi 9,020 token mà không có lượt cache nào; và lệnh Chat Completions lặp lại đọc được 9,007 token từ mục cache mà route Chat đã ghi.

Vì vậy, khối lượng công việc luân phiên giữa hai route sẽ phải trả phí ghi cache hai lần cho mỗi lần. Hãy chọn một route cho mỗi khối lượng công việc.

Thiết lập cache từ các model đời cũ

Nếu bạn đang chuyển từ GPT-5.5 trở về trước, hướng dẫn của OpenAI cho biết cần thay prompt_cache_retention bằng prompt_cache_options.ttl. Giá trị mặc định là "30m". Có thể dùng thời hạn "12h" trên Responses và AIHubMix chấp nhận giá trị này: đối tượng usage báo số lượt ghi trong cache_write_tokens_details.ttl_12h_tokens. Ở chế độ tường minh, nếu không có điểm đánh dấu, sẽ không có dữ liệu nào được ghi, đúng như tài liệu của OpenAI.

Thay đổi effort giữa cuộc hội thoại

Thay đổi reasoning.effort ở cấp yêu cầu sẽ làm thay đổi tiền tố prompt, khiến bạn mất cache. OpenAI đã bổ sung một mục đầu vào configuration_update để xử lý việc này. Mục này tăng hoặc giảm effort kể từ thời điểm đó trong cuộc hội thoại mà vẫn giữ nguyên tiền tố ban đầu. Một yêu cầu có mục này trả về 200 qua AIHubMix. Hướng dẫn của OpenAI khuyến nghị dùng cách này cho các yêu cầu tiêu chuẩn chỉ có một agent.

Model sẽ hỏi trước khi hành động

Ghi chú về prompting GPT-6 của OpenAI cho biết dòng model này có xu hướng dừng lại và hỏi người dùng nhiều hơn khi đầu vào bổ sung có thể làm thay đổi kết quả, đồng thời nhạy hơn với hướng dẫn trong skills và tệp như AGENTS.md. Các ghi chú đó được viết cho GPT-6 Astra, nên cần kiểm chứng trên Terra thay vì mặc định cho là đúng. Nếu một agent trước đây chạy không giám sát trên GPT-5.6 Terra nay tạm dừng để xin phê duyệt, hướng dẫn khuyên hãy nêu rõ trong prompt những gì yêu cầu của người dùng đã cho phép thực hiện. Hướng dẫn cũng khuyến nghị rà soát mọi skill và tệp chỉ dẫn mà model có thể đọc.

Effort mặc định là medium, còn max tốn kém hơn nhiều

Mức effort mặc định của Terra là medium. Artificial Analysis đo được khoảng 6,000 token đầu ra cho mỗi tác vụ trên Intelligence Index ở mức medium và khoảng 35,000 ở mức max (trong đó 25,000 token là suy luận), với chi phí lần lượt là $0.10 và $0.40 mỗi tác vụ. Nếu tăng effort để khắc phục vấn đề về chất lượng, trước tiên hãy kiểm tra ảnh hưởng đến hóa đơn. Người dùng Codex trong các gói ChatGPT đã chia sẻ trên Reddit rằng Terra ở mức effort high nhanh chóng ngốn hạn mức gói; một trường hợp đã dùng hết 40% hạn mức năm giờ chỉ trong 20 phút. Đây chỉ là những chia sẻ cá nhân, nhưng chúng đều chỉ về cùng một hướng.

Những khoản phí dễ bỏ sót

Mức phí đầu vào, đầu ra và đọc bộ nhớ đệm của Terra trên AIHubMix giống với OpenAI. Dưới đây là những quy tắc khiến hóa đơn cao hơn mức giá niêm yết.

Mức phí ghi trong 12 giờ là của OpenAI. Mục giá Terra trên AIHubMix chỉ có mức phí đầu vào, đầu ra và đọc bộ nhớ đệm: không có mức phí ghi bộ nhớ đệm, bậc ngữ cảnh dài hay phụ phí 12 giờ. Vì vậy, hãy xem phí ghi và mức phí khi vượt quá 272K ở trên là mức giá OpenAI công bố, chứ không phải phí của AIHubMix đã được xác nhận.

Mốc 272K áp dụng cho toàn bộ yêu cầu. Trang mô hình Terra liệt kê cửa sổ ngữ cảnh 1,050,000 token, nhưng khi đầu vào vượt quá 272,000 token, toàn bộ yêu cầu sẽ bị tính phí gấp 2 lần cho đầu vào và bộ nhớ đệm, và gấp 1.5 lần cho đầu ra. Một yêu cầu có 270,000 token đầu vào và 20,000 token đầu ra tốn $0.27 + $0.10 = $0.37. Yêu cầu có 300,000 token đầu vào và 20,000 token đầu ra tốn $0.60 + $0.15 = $0.75. Đầu vào chỉ tăng khoảng 11% nhưng chi phí gần gấp đôi (cả hai ví dụ đều không dùng bộ nhớ đệm).

Token suy luận được tính phí như token đầu ra. Token suy luận được tính là token đầu ra với mức phí $5 trên mỗi triệu token, dù bạn không nhìn thấy chúng. Trong lần kiểm tra của AIHubMix ở trên, cùng một câu lệnh tạo ra 72 token đầu ra ở mức none và 1,153 ở mức max. Hãy ghi lại reasoning_tokens từ đối tượng usage thay vì ước tính chi phí dựa trên độ dài câu trả lời.

Ghi bộ nhớ đệm có tính phí. Theo quy tắc lưu câu lệnh vào bộ nhớ đệm của OpenAI dành cho GPT-5.6 trở lên, phí ghi là 1.25x mức phí đầu vào với thời hạn 30 phút và 2.5x với thời hạn 12 giờ. Phí đọc trên Terra là 0.05x. Tiền tố tối thiểu có thể lưu vào bộ nhớ đệm là 1,024 token. Nếu tiền tố thay đổi sau mỗi lượt hoặc lưu lượng được chia qua hai tuyến, bạn sẽ phải trả lại phí ghi hết lần này đến lần khác.

Tìm kiếm web được tính phí theo mỗi lần gọi. Trên các trang mô hình OpenAI, AIHubMix tính phí web_search là $0.01 mỗi yêu cầu, cộng thêm phí token; trang Terra hiện chưa tách riêng phí công cụ này, vì vậy hãy dự trù khoản đó. Trong một lần kiểm tra, một câu hỏi đã kích hoạt hai lượt gọi tìm kiếm.

Mức giảm giá Batch và Flex là của OpenAI. OpenAI giảm giá 50% khi dùng Batch và Flex, còn chế độ Fast có mức phí gấp 2 lần. AIHubMix trả về lỗi 404 cho GET /v1/batches ("The requested API endpoint does not exist."), nên không có tuyến Batch để sử dụng ở đó. Thiết lập service_tier thành flex hoặc priority trả về 200, nhưng bảng giá Terra của AIHubMix chỉ liệt kê mức phí tiêu chuẩn, vì vậy đừng trông chờ được giảm giá. Nếu gửi yêu cầu với một trong hai thiết lập này, hãy kiểm tra nhật ký sử dụng.

Tác nhân với quyền hạn thực tế

OpenAI định vị Terra cho khả năng suy luận bằng hình ảnh và điều khiển máy tính; công cụ máy tính tích hợp cũng hoạt động qua AIHubMix: một yêu cầu Responses có {"type": "computer"} và ảnh chụp màn hình đã trả về một computer_call, trong đó hành động đầu tiên là chụp ảnh màn hình. Trước khi cấp quyền ghi cho tác nhân, hãy đọc kết quả đánh giá tác nhân trong thẻ hệ thống GPT-6.1 Terra của OpenAI. Đây là các đánh giá do chính OpenAI thực hiện, phần lớn trong những mô phỏng ít rủi ro:

Tỷ lệ tìm cách lách của Terra được đo ở mức effort max; thẻ hệ thống xếp GPT-6.1 Sol thấp hơn Terra. Chỉ số về tác nhân đồng cấp là 11 trên 80 mẫu.

Về khả năng chống chèn câu lệnh gián tiếp, tỷ lệ phòng thủ của Terra là 98.8%, tăng so với 96.2% của GPT-5.6 Terra. Đây là kết quả tốt, nhưng vẫn chưa đạt 100%. Hai kết quả quan trọng nhất khi chuyển đổi là: Terra có khả năng làm theo chỉ dẫn từ tác nhân khác cao hơn Sol, và đôi khi tìm cách lách một hạn chế được nêu trong chỉ dẫn. Vì vậy:

• Đặt quyền của công cụ ở chế độ mặc định từ chối, chỉ mở những quyền cần thiết cho tác vụ.
• Yêu cầu phê duyệt đối với thao tác ghi, giao dịch mua, truyền dữ liệu và mọi việc khó hoàn tác.
• Coi tin nhắn từ các tác nhân khác, nội dung trên màn hình và kết quả từ công cụ là dữ liệu đầu vào không đáng tin cậy, không thể dùng để cấp quyền.
• Chạy tính năng điều khiển máy tính trong trình duyệt hoặc VM biệt lập với danh sách cho phép, đặt giới hạn số bước và chi phí, đồng thời kiểm tra kết quả thực tế thay vì chỉ dựa vào tin nhắn cuối của mô hình. Đây là các khuyến nghị của OpenAI về tính năng điều khiển máy tính.

Công cụ lập trình: Codex và Claude Code

Codex (được khuyên dùng cho Terra)

Codex kết nối qua Responses API, tuyến cho phép thiết lập effort của Terra hoạt động qua AIHubMix. Hướng dẫn config.toml của Codex từ AIHubMix trình bày cách thiết lập chung. Với Terra, tệp ~/.codex/config.toml sẽ có dạng như sau:

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"

• Giữ wire_api ở chế độ responses. Đây là tuyến áp dụng thiết lập effort và là tuyến OpenAI hướng dẫn sử dụng cho các công cụ.
• Khai báo cửa sổ ngữ cảnh. Đặt model_context_window thành 1,050,000 token của Terra.
• Bắt đầu ở mức medium. Đây là mức mặc định của Terra. Do các báo cáo về hạn mức ở trên, hãy tăng effort cho tác vụ khó thay vì áp dụng trên toàn cục.
• Khởi động lại sau khi chỉnh sửa. Khởi động lại Codex sau khi thay đổi config.toml.

Claude Code

Claude Code hoạt động với Terra qua tuyến Messages của AIHubMix. Thiết lập theo hướng dẫn settings.json cho Claude Code, dùng gpt-6.1-terra làm mô hình. Các lần kiểm tra của AIHubMix cho thấy tính năng dùng công cụ và hình ảnh hoạt động. Tuy nhiên, thiết lập thinking và effort của Claude Code không ảnh hưởng đến khả năng suy luận của Terra tại đây, đồng thời cũng không có khối thinking nào được trả về. Bạn không thể điều chỉnh mức độ suy nghĩ của Terra từ Claude Code, nên Codex phù hợp với Terra hơn.

Kiểm tra nhanh trong 10-15 phút

Thực hiện một lần cho mỗi công cụ, trong một kho mã nhỏ có bộ kiểm thử:

1. Bắt đầu một phiên mới trên gpt-6.1-terra. Đừng tiếp tục phiên đã chạy bằng mô hình khác.
2. Yêu cầu: "Thêm một bài kiểm thử đơn vị cho một hàm trong kho mã này, chạy các bài kiểm thử và sửa mọi lỗi phát sinh."
3. Dấu hiệu thành công: mô hình đọc tệp và chạy các bài kiểm thử, nghĩa là lời gọi công cụ hoạt động. Mô hình tiếp tục sau khi xem kết quả, nghĩa là đầu ra của công cụ được truyền lại. Mô hình kết thúc với các bài kiểm thử đạt yêu cầu và không có lỗi 400 nào trong phiên.
4. Trong nhật ký sử dụng AIHubMix, hãy kiểm tra xem mô hình có phải là gpt-6.1-terra không, và các yêu cầu về sau có hiển thị token đầu vào được lưu trong bộ nhớ đệm cho tiền tố ổn định hay không. Nếu không bao giờ thấy, tức là có phần nào đó trong tiền tố thay đổi sau mỗi lượt.
5. Trong Codex, lặp lại tác vụ ở mức low và medium, rồi so sánh số token đầu ra mỗi lượt. Với một tác vụ cần suy nghĩ đôi chút, mức medium sẽ dùng nhiều token hơn. Nếu số liệu giống nhau ở mọi cấp độ, hãy kiểm tra xem yêu cầu có đi qua Responses hay không.
6. Ghi lại thời gian mỗi lượt và số token đầu ra. Đây là cơ sở để chọn mức effort.

Danh sách kiểm tra khi chuyển đổi

• Đặt mô hình thành gpt-6.1-terra.
• Chuyển các lệnh gọi công cụ và mọi thứ phụ thuộc vào effort sang Responses API.
• Xóa temperature, top_p, top_logprobs và logprobs khỏi mọi luồng gọi, hoặc đặt effort thành none.
• Thay minimal bằng low.
• Giữ mỗi khối lượng công việc trên cùng một tuyến để bộ nhớ đệm không bị ghi hai lần.
• Thay prompt_cache_retention bằng prompt_cache_options.ttl.
• Dùng configuration_update để thay đổi effort giữa cuộc trò chuyện.
• Nếu có thể, giữ yêu cầu dưới 272K token đầu vào.
• Ghi lại token suy luận, token được lưu trong bộ nhớ đệm và token ghi bộ nhớ đệm.
• Dự trù $0.01 cho mỗi lượt gọi tìm kiếm web và đừng trông chờ dùng được Batch qua AIHubMix.
• Kiểm tra các tệp AGENTS.md và skill, đồng thời nêu rõ tác nhân được phép làm gì.
• Yêu cầu phê duyệt cho thao tác ghi và coi tin nhắn từ tác nhân đồng cấp là không đáng tin cậy.
• Chạy kiểm tra nhanh trên từng công cụ lập trình.

Câu hỏi thường gặp

Vì sao GPT-6.1 Terra trả về lỗi "Unsupported parameter: 'temperature'"?
Vì reasoning effort không phải là none. Quy tắc của OpenAI dành cho dòng GPT-6 yêu cầu xóa temperature, top_p và top_logprobs khi effort được đặt ở bất kỳ mức nào khác none, còn mức mặc định của Terra là medium. Hãy xóa các tham số này hoặc đặt effort thành none nếu bạn cần kiểm soát việc lấy mẫu.

Vì sao cùng đoạn mã đó lại hoạt động trên Chat Completions?
Trong lần kiểm tra ngày 27 October 2026, tuyến Chat Completions của AIHubMix chấp nhận temperature 0.2 và top_p 0.5, trả về mã 200. Điều đó có nghĩa là các bài kiểm thử trên Chat Completions sẽ không phát hiện lỗi 400 mà Responses API trả về.

reasoning_effort có hoạt động trên Chat Completions qua AIHubMix không?
Trong lần kiểm tra ngày 27 October 2026 của AIHubMix, trên một vài câu lệnh nhỏ, tham số này không tạo ra khác biệt đo lường được: none và max cho số token suy luận tương tự. Đây không phải quy luật chung, nhưng nếu effort quan trọng với bạn, hãy thiết lập trên Responses API, nơi tham số này hoạt động rõ ràng.

Tôi có phải chuyển các lệnh gọi công cụ sang Responses API không?
Có. Theo tài liệu của OpenAI, gọi công cụ với Terra bắt buộc phải dùng Responses. Một yêu cầu Chat Completions có công cụ function đã trả về lệnh gọi công cụ qua AIHubMix, nhưng đây là hành vi không được tài liệu hóa và không nên dựa vào.

Thay cho minimal effort thì dùng mức nào?
Terra hỗ trợ none, low, medium, high, xhigh và max. OpenAI khuyến nghị bắt đầu ở mức low rồi so sánh kết quả trên các tác vụ tiêu biểu.

Terra có hỗ trợ Batch trên AIHubMix không?
Không. Lệnh gọi GET /v1/batches trả về lỗi 404 trên AIHubMix, nên không có tuyến Batch để sử dụng; mức giảm giá 50% cho Batch và Flex là của OpenAI. Bảng giá Terra của AIHubMix liệt kê mức phí tiêu chuẩn cho đầu vào, đầu ra và đọc bộ nhớ đệm, tương ứng với giá niêm yết của OpenAI.

Nên dùng Codex hay Claude Code với Terra?
Codex. Công cụ này dùng Responses API, nơi thiết lập effort của Terra hoạt động qua AIHubMix. Claude Code hoạt động qua tuyến Messages, nhưng trong lần kiểm tra của AIHubMix, thiết lập thinking và effort không ảnh hưởng đến Terra.

Đọc tiếp: loạt bài về GPT-6.1 Terra

• Nếu bạn vẫn chưa quyết định có nên chuyển từ GPT-5.6 Terra hay không, hãy bắt đầu với những thay đổi và đối tượng được lợi: GPT-6.1 Terra so với GPT-5.6 Terra: Giá chỉ bằng một nửa, những gì đã thay đổi và ai nên chuyển đổi
• Nếu bạn đang chuyển đổi cho một tác tử màn hình hoặc tài liệu và cân nhắc dòng tầm trung của Anthropic, hãy xem bài so sánh trực tiếp này: GPT-6.1 Terra và Claude Sonnet 5.5: Mô hình tầm trung nào phù hợp cho tác tử màn hình và tài liệu?
• Nếu kết quả của tác tử ở trên khiến bạn băn khoăn, hoặc các tác vụ lập trình khó vẫn cần đến mô hình lớn hơn, bài viết này sẽ phân chia công việc giữa hai mô hình: GPT-6.1 Terra và GPT-6.1 Sol: Những tác vụ nào vẫn cần Sol?
• Nếu những cạm bẫy về chi phí ở đây khiến bạn phải kiểm tra lại các con số của mình, bài phân tích chi phí đầy đủ sẽ đề cập đến mức độ nỗ lực, ngưỡng 272K và bộ nhớ đệm, kèm các ví dụ cụ thể: Chi phí thực tế của GPT-6.1 Terra: Mức độ nỗ lực, ngưỡng 272K và bộ nhớ đệm

Nguồn

• OpenAI: Trang mô hình GPT-6.1 Terra
• OpenAI: Cách sử dụng các mô hình GPT-6 (hướng dẫn chuyển đổi)
• OpenAI: Bộ nhớ đệm lời nhắc
• OpenAI: Thẻ hệ thống GPT-6.1 Terra
• AIHubMix: Trang mô hình GPT-6.1 Terra