
GPT-5.6 Terra API 大语言模型
OpenAI 快速、经济的 GPT 模型,适合大流量对话、初稿和工具调用等对成本和延迟最敏感的场景。 128K token 上下文,支持流式输出和兼容 OpenAI 的接口;按 token 用预付积分计费,无需订阅。
输入每 100 万 token 起 $0.213 · 输出 $2.125
- 上下文窗口: 128K token
- 工具调用: 支持(OpenAI tools)
- 思维链模式: 不支持
价格
按 token 计费:输入(你发送的全部消息)和输出(回复,包含思维链)分别计价。请求开始时预留积分,结束时按实际用量结算。
| Token | 每 100 万积分 | 每 100 万美元 |
|---|---|---|
| 输入 | 17 积分 | $0.213 ≈ 每 1000 token $0.0002 |
| 输出 | 170 积分 | $2.125 ≈ 每 1000 token $0.0021 |
美元金额按按「Scale」套餐单价计算折算;套餐越大,单位积分越便宜。完整套餐列表见价格页。
每月 100 万 token 的花费
输入 750,000 个 token + 输出 250,000 个 token = 55.25 积分 ≈ $0.691。
输入/输出比例 75/25,按「Scale」套餐单价计算。思维链 token 按输出计。
其他平台的标价
同一模型在原厂和其他服务商公开标示的 token 价格,取自它们自己的价格页。价格随时可能变动,实时数字请点开链接确认。
| 服务商 | 输入 $/100 万 | 输出 $/100 万 | 混合 $/100 万 | 核对日期 |
|---|---|---|---|---|
| genmux API 17 / 170 积分 · 按「Scale」套餐单价计算 | $0.213 | $2.125 | $0.691 | 实时 |
| OpenAI OpenAI 公布的 GPT-5 旗舰 API 标价。 | $1.25 | $10.00 | $3.438 | 2026-09-06 |
比 OpenAI 标价低 80%:在 75/25 的输入输出比例下,每 100 万 token 为 $0.691,对方为 $3.438。
混合价 = 75% 输入 + 25% 输出。为便于比较,我们的数字按按「Scale」套餐单价计算换算成美元;竞品标价核对于 2026-09-06。
速览
- 模型标识
- gpt-5.6-terra
- 能力
- text.chat
- 上下文窗口
- 128K token
- 最大输出
- 16,384 token
- 默认 max_tokens
- 2,048 token
- 思维链模式
- 不支持
- 联网搜索
- 不支持
- 图片输入
- 不支持
- 工具调用
- 支持(OpenAI tools)
- 流式输出
- 支持(SSE)
- OpenAI SDK
- 兼容(设置 base_url 即可)
快速开始
在控制台创建密钥,然后直接调用兼容 OpenAI 的接口,或用官方 OpenAI SDK 改一下 base_url。每个响应的 usage 字段都会给出本次扣除的积分。
cURL
curl -s -X POST https://api.genmux.tech/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"gpt-5.6-terra","messages":[{"role":"system","content":"You are a concise assistant."},{"role":"user","content":"Explain idempotency keys in two sentences."}],"max_tokens":200}'{
"id": "0d8b6a3e-2f1c-4a5b-9c1d-7e2f3a4b5c6d",
"object": "chat.completion",
"created": 1756411279,
"model": "gpt-5.6-terra",
"choices": [
{"index": 0, "message": {"role": "assistant", "content": "…"}, "finish_reason": "stop"}
],
"usage": {"prompt_tokens": 31, "completion_tokens": 58, "total_tokens": 89, "cost": 0.01, "cost_source": "vendor"}
}cURL · 流式
curl -sN -X POST https://api.genmux.tech/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"gpt-5.6-terra","messages":[{"role":"system","content":"You are a concise assistant."},{"role":"user","content":"Explain idempotency keys in two sentences."}],"max_tokens":200,"stream":true}'data: {"id":"0d8b6a3e-…","object":"chat.completion.chunk","model":"gpt-5.6-terra","choices":[{"index":0,"delta":{"role":"assistant","content":"An"},"finish_reason":null}]}
data: {"id":"0d8b6a3e-…","object":"chat.completion.chunk","model":"gpt-5.6-terra","choices":[{"index":0,"delta":{"content":" idempotency"},"finish_reason":null}]}
…
data: {"id":"0d8b6a3e-…","object":"chat.completion.chunk","model":"gpt-5.6-terra","choices":[{"index":0,"delta":{},"finish_reason":"stop"}]}
data: {"id":"0d8b6a3e-…","object":"chat.completion.chunk","model":"gpt-5.6-terra","choices":[],"usage":{"prompt_tokens":31,"completion_tokens":58,"total_tokens":89,"cost":0.01,"cost_source":"estimated"}}
data: [DONE]Python · openai SDK
import os
from openai import OpenAI
client = OpenAI(base_url="https://api.genmux.tech/v1", api_key=os.environ["API_KEY"])
completion = client.chat.completions.create(
model="gpt-5.6-terra",
messages=[
{"role": "system", "content": "You are a concise assistant."},
{"role": "user", "content": "Explain idempotency keys in two sentences."},
],
max_tokens=200,
)
print(completion.choices[0].message.content)
print(completion.usage.total_tokens, "tokens,", completion.usage.model_extra["cost"], "credits")Node.js · openai SDK
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.genmux.tech/v1", apiKey: process.env.API_KEY });
const completion = await client.chat.completions.create({
model: "gpt-5.6-terra",
messages: [
{ role: "system", content: "You are a concise assistant." },
{ role: "user", content: "Explain idempotency keys in two sentences." },
],
max_tokens: 200,
});
console.log(completion.choices[0].message.content);
console.log(completion.usage.total_tokens, "tokens,", completion.usage.cost, "credits");
// Streaming: the final chunk carries usage
const stream = await client.chat.completions.create({
model: "gpt-5.6-terra",
messages: [{ role: "user", content: "Explain idempotency keys in two sentences." }],
stream: true,
});
for await (const chunk of stream) {
process.stdout.write(chunk.choices[0]?.delta?.content ?? "");
if (chunk.usage) console.log(`\n${chunk.usage.total_tokens} tokens, ${chunk.usage.cost} credits`);
}Python · 流式并读取 usage
import os
from openai import OpenAI
client = OpenAI(base_url="https://api.genmux.tech/v1", api_key=os.environ["API_KEY"])
stream = client.chat.completions.create(
model="gpt-5.6-terra",
messages=[{"role": "user", "content": "Explain idempotency keys in two sentences."}],
max_tokens=200,
stream=True,
)
for chunk in stream:
if chunk.choices and chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content, end="", flush=True)
if chunk.usage: # the last chunk: token counts and the credits charged
print(f"\n{chunk.usage.total_tokens} tokens, {chunk.usage.model_extra['cost']} credits")常见问题
- GPT-5.6 Terra API 是什么?
- OpenAI 快速、经济的 GPT 模型,适合大流量对话、初稿和工具调用等对成本和延迟最敏感的场景。 GPT-5.6 Terra 属于 OpenAI 的 GPT-5.6 系列。这是闭源模型,只能通过 API 使用,没有可下载的权重。 在 genmux API 上,它通过兼容 OpenAI 的 chat completions 接口提供,上下文窗口 128K token,按 token 用预付积分计费。
- GPT-5.6 Terra 每 100 万 token 多少钱?
- 输入 token 每 100 万 17 积分(约 $0.213,按「Scale」套餐单价计算),输出 token 每 100 万 170 积分(约 $2.125)。请求里的每条消息——system、user 以及之前的 assistant 轮次——都算输入;回复(包括推理过程)算输出。一个月输入 750,000 个 token、输出 250,000 个 token,合计 55.25 积分,约 $0.691。积分是预付的:没有订阅费,也不按人头收费。
- GPT-5.6 Terra 和 GPT-6 Astra 有什么区别?
- 定位在 GPT-6 Astra 之下,为速度和成本调优,用部分推理深度换更便宜、更快的响应。 两者都是 OpenAI 的模型,走同一个接口、同一个密钥,切换只需要改 model 字段这一个词;GET /v1/models 会把各自的上下文窗口、限制和价格并排列出。
- GPT-5.6 Terra 适合大流量的生产环境吗?
- 它就是为此而生的:日常对话与助手、延迟敏感的流量和成本敏感的流量。输入每 100 万 token 17 积分,输出每 100 万 token 170;一个月输入 750,000 个 token、输出 250,000 个 token,合计 55.25 积分(约 $0.691)。流式输出让首 token 很快,单密钥速率上限可以按需调高。
- GPT-5.6 Terra 的上下文窗口和 max_tokens 限制是多少?
- 上下文 128K token,由 prompt 和回复共用。max_tokens 限制回复长度:模型最多接受 16,384,不传该字段时默认 2,048。如果 prompt 长到没有空间生成回复,请求会在扣费前以 400 context_length_exceeded 被拒绝;被上限截断的回复,finish_reason 是 "length"。
- GPT-5.6 Terra 支持流式输出吗?
- 支持。传 "stream": true,响应就是 text/event-stream:每个 token 一条 data: 行上的 chat.completion.chunk,最后一个 chunk 的 choices 为空数组并带 usage 对象——prompt_tokens、completion_tokens、total_tokens 以及 cost(本次扣除的积分)——随后是 data: [DONE]。请从最后这个 chunk 读取 usage;OpenAI SDK 把它暴露为 chunk.usage。若上游在流中途失败,你会收到一帧 data: {"error": {...}} 然后是 [DONE]。
- 可以用 OpenAI SDK 调用 GPT-5.6 Terra 吗?
- 可以。把 base_url 指向 https://api.genmux.tech/v1,用你的 genmux API 密钥作为 api_key,model 设为 "gpt-5.6-terra"。system/user/assistant 消息的 chat completions、流式输出、max_tokens、temperature、top_p 和 stop 都与 SDK 中一致。tools 和 function calling 同样按 SDK 的方式工作,response_format 的 json_object / json_schema 会被校验。 n 大于 1 和 logprobs 会以 400 unsupported_parameter 明确拒绝,而不是被静默忽略。
- GPT-5.6 Terra 支持给编程智能体用的工具调用吗?
- 支持。像调用 OpenAI API 那样传 tools 和 tool_choice;回复里会带 tool_calls(流式下是 delta.tool_calls),你用 role: tool 的消息把结果传回。function calling 由本 API 模拟实现——工具被渲染进 prompt 再解析回来——因此可以配合 OpenCode、Cline、Roo Code、Continue 以及任何 OpenAI SDK 循环使用;工具定义会计入 prompt token(每个工具约 40 个,外加 schema)。配置和实测通过率见编程智能体页面。
- 请求失败或我中断流式输出时会被扣多少?
- 没有产生 token 就不扣:被拒绝的请求、503 model_unavailable 或 502 upstream_error 都会全额退回预留。积分按预估 prompt 加上 min(max_tokens, 2,048) 个输出 token 预留,调用结束时按实际用量结算,未用完的预留会释放。如果你提前关闭流,只需为已生成的 token 付费。
- 速率限制是多少,API 密钥怎么用?
- 每个密钥有每秒请求数限制(默认 10),每个账户有并发请求上限(默认 20);超过任一项会收到 429 rate_limited 和 Retry-After 响应头。密钥在控制台创建,只展示一次,可以设置 IP 白名单和过期时间。一个密钥适用于目录中的所有模型,文本和图像都一样。
- 你们会存储我的 prompt 和回复吗?
- 不会。生成记录只保留最后一条用户消息的预览(最多 200 个字符)、消息条数、消息的 SHA-256 哈希、token 数和费用——从不保存消息或回复本身。GET /v1/generations/{id} 会返回这条记录供你对账;内容只存在于你自己的进程中,以及模型供应商处调用期间。
- GPT-5.6 Terra 的输出可以商用吗?
- 可以。根据我们的服务条款,模型为你生成的文本,我们能转让的权利归你所有,可用于商业用途,前提是 prompt 和用途符合条款以及模型供应商的使用政策。面向客户发布之前请先阅读条款。
- 怎么从 GPT-5.6 Terra 切换到别的模型?
- 改一下 model 字段——请求里其他内容都不用变,密钥和余额也照旧。目录里最接近的替代是 GPT-6 Astra。 GET /v1/models 会列出每个 id 及其上下文窗口、限制和价格,并标明哪些支持 enable_thinking、web_search 和图片输入。
延伸阅读
- 在 DeepSeek、Qwen 和豆包上模拟实现函数调用
当上游丢掉 tools 字段时,genmux 如何给 DeepSeek、Qwen3 和豆包补上 OpenAI 风格的工具调用:提示词标签、宽容解析器、通过率、JSON 模式。
2026年9月7日
- 思维链模型:什么时候该开推理,以及它的成本
enable_thinking 在 genmux 各对话模型上的行为、推理 token 为什么按输出计费,以及一个把账单变化算清楚的实例。
2026年9月7日
- 用 SSE 流式接收对话补全,费用在最后一个分块里
用 Python 和 Node 解析 genmux 对话补全的 SSE 流,在最后一个分块里找到 usage 对象,并处理流式中途中断。
2026年9月7日
其他模型
同一个密钥、同一种请求格式——改一下 model 字段就能切换。
Doubao Seed 2.0 Pro API
doubao-seed-2-pro字节跳动豆包的旗舰模型,带图片理解和联网搜索——面向复杂推理和多模态任务。
每 100 万 token:输入 $1.063 · 输出 $5.10
Doubao Seed 2.0 Code API
doubao-seed-2-code豆包的编程调优模型,带图片理解——适合智能体编程、重构和「截图转 UI」这类任务。
每 100 万 token:输入 $1.063 · 输出 $5.10
Doubao Seed 2.0 Lite API
doubao-seed-2-lite中档豆包模型,带图片理解——通用助手和图文对话,成本低于 Pro。
每 100 万 token:输入 $0.213 · 输出 $1.063
Doubao Seed 2.0 Mini API
doubao-seed-2-mini最便宜的带图片理解的豆包模型——大流量、对延迟敏感的对话和简单图像任务。
每 100 万 token:输入 $0.027 · 输出 $0.85
图像模型
同一个密钥和余额也能用于图像生成:Nano Banana、Seedream、Qwen-Image、FLUX 等,按张计费。