OpenAI: GPT-5.6 Terra (batch)

GPT-5.6 Terra è un modello testuale di OpenAI, parte della serie GPT-5.6. All'interno di quella serie si colloca nel mezzo: OpenAI lo descrive come un modello bilanciato posizionato tra il tier di punta Sol e il tier economico Luna. La variante batch è la versione esposta qui, e l'id del modello su api14 è openai/gpt-5.6-terra:batch. Il suo knowledge cutoff è 2026-02-16.

Terra accetta testo, immagini e file come input, e restituisce solo testo. La finestra di contesto è di 1.050.000 token, abbastanza ampia da contenere interi codebase, lunghi insiemi di documenti o cronologie di conversazione estese in una singola richiesta, e l'output massimo è di 128.000 token. Poiché accetta immagini e file oltre al testo, può lavorare su screenshot, pagine scansionate, diagrammi e documenti caricati insieme a prompt ordinari. Supporta anche il reasoning: i parametri reasoning, reasoning_effort e include_reasoning permettono di controllare quanta deliberazione interna svolge il modello e se tale reasoning viene restituito all'utente.

Queste capacità indicano un insieme piuttosto ampio di usi pratici. La programmazione quotidiana è il primo: scrivere, revisionare e rifattorizzare codice, con interi repository che rientrano nella finestra di contesto. Le attività di reasoning su input lunghi derivano dalla stessa combinazione, come l'analisi di contratti lunghi, articoli di ricerca o file di log, o la risposta a domande che richiedono di estrarre dettagli da più documenti contemporaneamente. Gli input di immagini e file lo rendono utilizzabile per estrarre dati strutturati da screenshot, moduli e PDF. Il tool calling e gli output strutturati lo rendono adatto agli workflow agentici, in cui il modello decide quali strumenti invocare e restituisce risultati in uno schema che il tuo codice può analizzare.

Lo si chiama tramite l'API compatibile con OpenAI di api14 usando l'id del modello openai/gpt-5.6-terra:batch. I parametri di richiesta supportati sono include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, tool_choice, tools e verbosity. In pratica questo significa che puoi limitare la lunghezza dell'output con max_tokens, regolare la profondità del reasoning con reasoning_effort, richiedere risposte JSON o conformi a uno schema con response_format e structured_outputs, definire funzioni richiamabili con tools e tool_choice, e usare seed quando vuoi un campionamento riproducibile. Poiché l'endpoint è compatibile con OpenAI, le librerie client OpenAI esistenti funzionano cambiando solo l'URL di base e l'id del modello.

Una cosa da tenere a mente è che Terra restituisce solo testo, quindi non è la scelta giusta se hai bisogno di immagini, audio o video generati. La variante batch va inoltre valutata rispetto all'endpoint standard se il tuo carico di lavoro è interattivo, poiché l'elaborazione batch è generalmente pensata per attività che possono essere inviate e raccolte anziché risposte immediate. Se hai bisogno del tier di punta di OpenAI anziché di uno bilanciato, il tier Sol è l'alternativa indicata nella serie; se l'efficienza di costo conta più della capacità, Luna è l'altra.