OpenAI
GPT 6
gpt-6.1-terra
La famiglia di modelli testuali GPT-6 di OpenAI, organizzata per difficoltà del compito: Astra è pensato per i compiti end-to-end più difficili, Sol coniuga un ragionamento potente con i costi quotidiani e potenzia la programmazione, la matematica e i flussi di lavoro agentici
- Finestra di contesto
- 1,050,000
- Input
- Output massimo
- 128,000 token
- Conoscenza aggiornata al
- 2026-06-01
- Data di rilascio
- 2026-10-26
Prezzi
gpt-6.1-terra /1M tokens
| Specifiche | Prezzo unitario |
|---|---|
| Input | $0.250 |
| Input in cache | $0.0125 |
| Output | $1.250 |
| Scrittura cache (5 min) | $0.3125 |
Panoramica
Panoramica della posizione
GPT-6.1-terra è un modello di generazione testuale della serie GPT 6 di OpenAI, richiamabile tramite l'interfaccia unificata di HiAPI.ai. La serie è posizionata sull'output testuale come elemento centrale e copre coding, ragionamento matematico e attività agentiche a più passaggi; la serie a cui appartiene terra mostra un forte orientamento al ragionamento su analisi complesse e attività legate al codice. È adatto a sviluppatori che necessitano di integrare capacità di conversazione generale e ragionamento nelle proprie applicazioni, con fatturazione a token, per scenari quali assistenza al codice, sintesi di ricerca e orchestrazione di attività a più passaggi.
Punti salienti
- Supporto a flussi di lavoro agentici a più passaggi — le capacità della serie coprono attività multi-step di controllo di computer e browser e possono sostenere processi di automazione che richiedono decisioni consecutive.
- Fatturazione a token, costi proporzionali all'utilizzo — input e output sono misurati in token, il che agevola la stima e la ripartizione dei costi in base al volume di chiamate e alla lunghezza del contesto.
- Equilibrio tra qualità del ragionamento e uso quotidiano — la serie si distingue in coding e matematica ed è adatta ad attività complesse quotidiane, non solo a semplici domande e risposte.
Descrizione delle capacità
Sviluppo e revisione del codice: può essere usato per lo sviluppo di funzionalità e la revisione del codice all'interno di piccoli codebase, producendo risultati testuali direttamente utilizzabili nel flusso di sviluppo.
Ragionamento matematico e analitico: orientato ad attività matematiche e analitiche che richiedono capacità di giudizio, è adatto a integrare le conclusioni del ragionamento in forma testuale nelle elaborazioni a valle.
Orchestrazione di attività a più passaggi: supporta flussi di lavoro agentici multi-step e può concatenare sotto-attività scomposte in un'unica generazione continua.
Riutilizzo del contesto e caching: la serie supporta la cache dei prompt, consentendo il riutilizzo di contesti ricorrenti e riducendo il costo degli input ripetuti.
Scenari applicativi
- Sviluppo di funzionalità e revisione del codice per sviluppatori — inserendo frammenti di codice e descrizioni dei requisiti si ottengono suggerimenti di modifica o pareri di revisione, utili per l'iterazione quotidiana su piccoli codebase.
- Redazione di sintesi e bozze per ricercatori — partendo da domande esplicite e materiali chiave si producono sintesi di ricerca o bozze di articoli, da rifinire poi manualmente.
- Automazione di transazioni a più passaggi per il business — affidando al modello passaggi come la compilazione di moduli e la conferma di procedure, si ottengono risultati testuali strutturati da eseguire nei sistemi.
- Attività mirate in scenari ad alta concorrenza — per attività testuali in batch con ambito ben definito, la fatturazione a token consente di controllare il costo unitario.
Limiti e consigli di scelta
Offre solo output testuale e non supporta input o output multimodali come immagini e audio. La serie comprende più varianti ed è necessario scegliere in base alla difficoltà del compito e alla frequenza delle chiamate; una scelta inadeguata può incidere sui costi o sui risultati. I parametri e le capacità specifiche di questo modello sono quelli dichiarati dall'interfaccia al momento dell'integrazione. Il modello è una soluzione closed-source, non può essere distribuito autonomamente né se ne possono modificare i pesi, quindi non è adatto a scenari che richiedono deployment locale o personalizzazione dei pesi. Se l'attività è incentrata su contesti molto lunghi o su una forte multimodalità, si consiglia di valutare altri modelli.
Novità
Vedi il changelog →- Nuovo modello Il modello gpt-6-astra è ora disponibile
- Nuovo modello Nuovo modello gpt-6.1-sol disponibile
- Modifica dei parametri Aggiornamento dei parametri del contratto di interfaccia di gpt-6.1-sol
Articoli
Vedi tutti gli articoli →-
Tutoriale
Tutorial su kandinsky-6.0-pro/image-to-video tramite HiAPI: curl + Python
Avvia una richiesta funzionante di image-to-video su HiAPI: dal caricamento del primo fotogramma al polling asincrono fino al download finale
-
Tutoriale
Utilizzare Kandinsky 6.0 Pro su HiAPI per la generazione di video da testo: tutorial con curl e Python
Dimostrazione pratica guidata dalla richiesta: costruire la chiamata da prompt a clip video, inviare la richiesta, monitorare lo stato di completamento e scaricare il risultato
-
Tutoriale
recraft-v4.1-flash text-to-image in pratica: 5 scenari di business ad alto valore e punti chiave di integrazione
Partendo da un costo di $0,01 per immagine, pianificare l'implementazione della generazione di immagini nei processi di business reali
-
Tutoriale
Come chiamare kling-4.0/image-to-video su HiAPI: curl, Python e polling
-
Confronto e valutazione
Confronto orizzontale di Recraft v4.1 Flash per la generazione di immagini da testo: guida alla scelta e alla migrazione per gli sviluppatori
Con un costo di $0,01 per immagine e la capacità di generazione puramente testuale, valuta se è adatto alla tua pipeline di generazione di immagini
-
Confronto e valutazione
hailuo-2.3-fast/image-to-video confronto orizzontale: come scegliere un modello image-to-video e i punti chiave per la migrazione
-
Tutoriale
Come usare kling-4.0/text-to-video tramite l'API HiAPI: curl, Python e un esempio di richiesta funzionante
Guida pratica per sviluppatori: prompt cinematografici, audio sincronizzato, polling asincrono e download dell'output
-
Tutoriale
Come chiamare hailuo-2.3-fast/image-to-video tramite l'API HiAPI: pratica con curl e Python
La prima richiesta funzionante per il livello image-to-video veloce ed economico — dall'ID del modello al download di un MP4
-
Tutoriale
Come chiamare hailuo-2.3/text-to-video tramite l'API HiAPI: curl, Python ed esempi di richiesta eseguibili
Modelli correlati
Vedi tutti i modelli →Stesso tipo
-
DeepSeek V4 DeepSeek $0.014 /1 mln di token -
GPT 5.6 OpenAI $0.005 /1 mln di token -
GLM 5.3 Zhipu AI $0.855 /1 mln di token -
Kimi K3.1 Pro Moonshot AI $0.216 /1 mln di token -
Kimi K3 Moonshot AI $0.232 /1 mln di token -
Claude 4.8 Anthropic $0.229 /1 mln di token -
Grok 4 xAI $0.210 /1 mln di token -
GPT 6 OpenAI $0.0025 /1 mln di token -
Claude 5.5 Anthropic $0.100 /1 mln di token -
Claude 4.6 Anthropic $0.300 /1 mln di token