GPT-5.6 Terra — сбалансированная модель для повседневной работы. Производительность на уровне GPT-5.5, но в 2 раза эффективнее по стоимости. Часть серии GPT-5.6 (ограниченный preview).
GPT-5.6 Terra — средняя ступень новой линейки OpenAI. Она нужна не для демонстрации максимального результата любой ценой, а для постоянной профессиональной нагрузки: обработки документов, разработки, внутреннего поиска, поддержки и фоновых агентов. API-идентификатор модели — gpt-5.6-terra.
Главный ориентир для Terra — экономика. Вход стоит $2,50 за 1 млн токенов, выход — $15. Это ровно половина тарифа Sol. При этом контекст, максимальная длина ответа, срез знаний и набор основных инструментов совпадают со старшей моделью.
| Параметр | GPT-5.6 Terra |
|---|---|
| Контекстное окно | 1 050 000 токенов |
| Максимальный ответ | 128 000 токенов |
| Срез знаний | 16 февраля 2026 года |
| Входные данные | текст, изображения |
| Цена входа | $2,50 за 1 млн токенов |
| Цена выхода | $15 за 1 млн токенов |
| Кэшированное чтение | 10% от цены обычного входа |
| Уровни рассуждения | none, low, medium, high, xhigh, max |
Окно 1,05 млн токенов не означает, что модель одинаково надёжно использует любой фрагмент такого объёма. В тесте MRCR с несколькими искомыми фактами Terra получает 89,6% на диапазоне 256–512 тысяч токенов и 72,5% на 512 тысячах — 1 млн. Для критичных документов лучше разбивать корпус, добавлять поиск по фрагментам и проверять ссылки на исходные места.
| Бенчмарк | Sol | Terra | Разница |
|---|---|---|---|
| Agents' Last Exam | 52,7% | 50,4% | 2,3 п. п. |
| SWE-Bench Pro | 64,6% | 63,4% | 1,2 п. п. |
| Terminal-Bench 2.1 | 88,8% | 87,4% | 1,4 п. п. |
| GPQA Diamond | 94,6% | 92,9% | 1,7 п. п. |
| BrowseComp | 90,4% | 87,5% | 2,9 п. п. |
| MMMU Pro без инструментов | 83,0% | 80,7% | 2,3 п. п. |
Для типового coding agent разница с Sol небольшая, а тариф ниже вдвое. Terra поэтому выглядит разумной базовой моделью для pull request, миграций, рефакторинга и генерации тестов. Sol стоит подключать как эскалацию: для запутавшегося агента, архитектурного решения, трудного расследования или задачи с несколькими системами.
Разрыв заметнее в компьютерном управлении и кибербезопасности. В OSWorld 2.0 Terra набирает 50,2% против 62,6% у Sol; в SEC-Bench Pro — 57,7% против 71,2%. Если процесс зависит от точных действий в нестабильном интерфейсе или от глубокого анализа уязвимостей, экономия на каждом токене может обернуться большим числом повторных попыток.
Предположим, один рабочий запуск получает 100 тысяч входных токенов и возвращает 10 тысяч выходных. Без кэша он стоит примерно $0,40 на Terra: $0,25 за вход и $0,15 за выход. На Sol тот же объём стоит около $0,80, на Luna — $0,16.
Но цена токена — не вся себестоимость. Если Luna чаще требует повторного запуска, а Sol генерирует слишком длинный ответ, фактическая цена успешно завершённой задачи может изменить порядок. Для выбора стоит записывать три метрики на собственном наборе: долю успешных запусков, медианное число токенов до успеха и время до готового результата.
Terra удобно ставить моделью по умолчанию для профессионального ассистента:
Такая схема полезнее жёсткого выбора одной модели на весь продукт. Она сохраняет качество там, где оно нужно, и не оплачивает флагманский тариф за каждую суммаризацию или изменение формата.
Terra доступна через OpenAI API, ChatGPT Work и Codex. В стандартном диалоге ChatGPT пользователь выбирает уровни рассуждения Sol, а не Terra. Для работы с кодовой базой можно начать с обзора OpenAI Codex. Для обычных текстовых запросов доступен чат на русском языке; на этой странице прямо указана фактически используемая сторонняя модель.
Сравните Terra с GPT-5.6 Sol для сложных процессов и с GPT-5.6 Luna для массовой обработки. Источники характеристик и тестов: каталог API OpenAI и публикация о релизе.
Независимые тесты, практические видео и спорные ранние отзывы о Terra разобраны в новости «GPT-5.6 вышла в трёх версиях: тесты Sol, Terra и Luna».
Ограниченный preview