OpenAI: GPT-5.6 Terra (batch)

GPT-5.6 Terra, OpenAI का एक टेक्स्ट मॉडल है, जो GPT-5.6 श्रृंखला का हिस्सा है। उस श्रृंखला में यह बीच में बैठता है: OpenAI इसे flagship Sol tier और cost-efficient Luna tier के बीच स्थित एक संतुलित मॉडल बताता है। batch variant वह संस्करण है जो यहाँ उपलब्ध कराया गया है, और api14 पर model id openai/gpt-5.6-terra:batch है। इसका knowledge cutoff 2026-02-16 है।

Terra इनपुट के रूप में टेक्स्ट, इमेज और फाइलें स्वीकार करता है, और यह केवल टेक्स्ट लौटाता है। context window 1,050,000 tokens है, जो इतना बड़ा है कि पूरे codebases, लंबे document sets या विस्तारित conversation histories को एक ही request में रख सकता है, और अधिकतम output 128,000 tokens है। चूँकि यह टेक्स्ट के साथ-साथ इमेज और फाइलें भी लेता है, यह सामान्य prompts के साथ-साथ screenshots, scanned pages, diagrams और uploaded documents पर भी काम कर सकता है। यह reasoning को भी सपोर्ट करता है: reasoning, reasoning_effort और include_reasoning parameters आपको यह नियंत्रित करने देते हैं कि मॉडल कितना आंतरिक विचार करता है और वह reasoning आपको वापस दिखाया जाता है या नहीं।

ये क्षमताएँ व्यावहारिक उपयोगों के काफी विस्तृत समूह की ओर संकेत करती हैं। रोजमर्रा की coding पहली है: code लिखना, समीक्षा करना और refactor करना, जिसमें पूरे repositories context window के भीतर फिट हो जाते हैं। लंबे inputs पर reasoning tasks इसी संयोजन से आते हैं, जैसे लंबे contracts, research papers या log files का विश्लेषण करना, या ऐसे प्रश्नों का उत्तर देना जिनके लिए एक साथ कई documents से विवरण निकालने की आवश्यकता होती है। इमेज और फाइल inputs इसे screenshots, forms और PDFs से structured data निकालने के लिए उपयोगी बनाते हैं। Tool calling और structured outputs इसे agentic workflows के लिए उचित बनाते हैं, जहाँ मॉडल तय करता है कि कौन से tools invoke करने हैं और परिणाम ऐसे schema में लौटाता है जिसे आपका code parse कर सकता है।

आप इसे api14 के OpenAI-compatible API के माध्यम से model id openai/gpt-5.6-terra:batch का उपयोग करके कॉल करते हैं। समर्थित request parameters हैं include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, tool_choice, tools और verbosity। व्यवहार में इसका मतलब है कि आप max_tokens से output length सीमित कर सकते हैं, reasoning_effort से reasoning की गहराई समायोजित कर सकते हैं, response_format और structured_outputs से JSON या schema-अनुरूप replies का अनुरोध कर सकते हैं, tools और tool_choice से callable functions परिभाषित कर सकते हैं, और जब आपको reproducible sampling चाहिए तब seed का उपयोग कर सकते हैं। चूँकि endpoint OpenAI-compatible है, मौजूदा OpenAI client libraries केवल base URL और model id बदलकर काम करती हैं।

एक बात ध्यान में रखें कि Terra केवल टेक्स्ट output देता है, इसलिए यदि आपको generated images, audio या video चाहिए तो यह सही विकल्प नहीं है। यदि आपका workload interactive है तो batch variant को standard endpoint के मुकाबले तौलना भी उचित है, क्योंकि batch processing आम तौर पर ऐसे काम के लिए लक्षित होती है जिसे submit किया जा सके और बाद में collect किया जा सके, न कि तुरंत उत्तर दिया जाए। यदि आपको संतुलित के बजाय OpenAI का top tier चाहिए, तो श्रृंखला में नामित विकल्प Sol tier है; यदि capability से अधिक cost efficiency मायने रखती है, तो Luna दूसरा विकल्प है।