OpenAI: GPT-5.6 Terra (batch)

GPT-5.6 Terra to model tekstowy od OpenAI, część serii GPT-5.6. W ramach tej serii zajmuje miejsce pośrodku: OpenAI opisuje go jako model zrównoważony, usytuowany między flagowym poziomem Sol a oszczędnym poziomem Luna. Wariant batch to wersja udostępniona tutaj, a identyfikator modelu na api14 to openai/gpt-5.6-terra:batch. Jego data odcięcia wiedzy to 2026-02-16.

Terra przyjmuje jako dane wejściowe tekst, obrazy i pliki, a zwraca wyłącznie tekst. Okno kontekstu wynosi 1 050 000 tokenów, co wystarcza, aby pomieścić całe bazy kodu, długie zestawy dokumentów lub rozbudowaną historię rozmowy w jednym żądaniu, a maksymalna długość odpowiedzi to 128 000 tokenów. Ponieważ przyjmuje obrazy i pliki oraz tekst, może pracować na zrzutach ekranu, zeskanowanych stronach, diagramach i przesłanych dokumentach obok zwykłych poleceń. Obsługuje także rozumowanie: parametry reasoning, reasoning_effort i include_reasoning pozwalają kontrolować, ile wewnętrznego namysłu wykonuje model i czy to rozumowanie jest zwracane do ciebie.

Te możliwości wskazują na dość szeroki zestaw praktycznych zastosowań. Codzienne programowanie jest pierwsze: pisanie, przeglądanie i refaktoryzacja kodu, przy czym całe repozytoria mieszczą się w oknie kontekstu. Zadania wymagające rozumowania na długich danych wejściowych wynikają z tej samej kombinacji, na przykład analiza obszernych umów, artykułów naukowych lub plików dziennika albo odpowiadanie na pytania wymagające wydobycia szczegółów z kilku dokumentów naraz. Dane wejściowe w postaci obrazów i plików czynią go użytecznym do wyodrębniania danych strukturalnych ze zrzutów ekranu, formularzy i plików PDF. Wywoływanie narzędzi i ustrukturyzowane dane wyjściowe sprawiają, że nadaje się do przepływów pracy agentów, w których model decyduje, które narzędzia wywołać, i zwraca wyniki w schemacie, który twój kod może przetworzyć.

Wywołujesz go przez zgodne z OpenAI API api14, używając identyfikatora modelu openai/gpt-5.6-terra:batch. Obsługiwane parametry żądania to include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, tool_choice, tools i verbosity. W praktyce oznacza to, że możesz ograniczyć długość odpowiedzi za pomocą max_tokens, dostroić głębokość rozumowania za pomocą reasoning_effort, żądać odpowiedzi w formacie JSON lub zgodnych ze schematem za pomocą response_format i structured_outputs, definiować funkcje możliwe do wywołania za pomocą tools i tool_choice oraz użyć seed, gdy chcesz uzyskać powtarzalne próbkowanie. Ponieważ punkt końcowy jest zgodny z OpenAI, istniejące biblioteki klienckie OpenAI działają po zmianie jedynie adresu bazowego i identyfikatora modelu.

Jedna rzecz do zapamiętania: Terra zwraca wyłącznie tekst, więc nie jest właściwym wyborem, jeśli potrzebujesz generowanych obrazów, dźwięku lub wideo. Wariant batch warto także rozważyć w porównaniu ze standardowym punktem końcowym, jeśli twoje obciążenie jest interaktywne, ponieważ przetwarzanie wsadowe jest zasadniczo przeznaczone do pracy, którą można złożyć i odebrać później, a nie do natychmiastowej odpowiedzi. Jeśli potrzebujesz najwyższego poziomu OpenAI, a nie zrównoważonego, poziom Sol jest alternatywą wymienioną w serii; jeśli oszczędność kosztów liczy się bardziej niż możliwości, Luna jest drugą z nich.