OpenAI: GPT-5.6 Terra (batch)

GPT-5.6 Terra é um modelo de texto da OpenAI, parte da série GPT-5.6. Dentro dessa série, ele fica no meio: a OpenAI o descreve como um modelo equilibrado, posicionado entre o tier principal Sol e o tier econômico Luna. A variante batch é a versão exposta aqui, e o id do modelo na api14 é openai/gpt-5.6-terra:batch. Seu corte de conhecimento é 2026-02-16.

Terra aceita texto, imagens e arquivos como entrada, e retorna apenas texto. A janela de contexto é de 1.050.000 tokens, o que é suficiente para conter bases de código inteiras, conjuntos longos de documentos ou históricos estendidos de conversa em uma única requisição, e a saída máxima é de 128.000 tokens. Como aceita imagens e arquivos além de texto, ele pode trabalhar sobre capturas de tela, páginas digitalizadas, diagramas e documentos enviados, junto com prompts comuns. Ele também suporta raciocínio: os parâmetros reasoning, reasoning_effort e include_reasoning permitem controlar quanta deliberação interna o modelo faz e se esse raciocínio é devolvido a você.

Essas capacidades apontam para um conjunto bastante amplo de usos práticos. Programação cotidiana é o primeiro: escrever, revisar e refatorar código, com repositórios inteiros cabendo dentro da janela de contexto. Tarefas de raciocínio sobre entradas longas decorrem da mesma combinação, como analisar contratos extensos, artigos de pesquisa ou arquivos de log, ou responder perguntas que exigem extrair detalhes de vários documentos ao mesmo tempo. As entradas de imagem e arquivo o tornam utilizável para extrair dados estruturados de capturas de tela, formulários e PDFs. Chamada de ferramentas e saídas estruturadas o tornam uma escolha razoável para fluxos de trabalho agênticos, em que o modelo decide quais ferramentas invocar e retorna resultados em um schema que seu código consegue analisar.

Você o chama pela API compatível com OpenAI da api14 usando o id de modelo openai/gpt-5.6-terra:batch. Os parâmetros de requisição suportados são include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, tool_choice, tools e verbosity. Na prática, isso significa que você pode limitar o comprimento da saída com max_tokens, ajustar a profundidade do raciocínio com reasoning_effort, solicitar respostas em JSON ou conformes a um schema com response_format e structured_outputs, definir funções chamáveis com tools e tool_choice, e usar seed quando quiser amostragem reproduzível. Como o endpoint é compatível com OpenAI, as bibliotecas cliente existentes da OpenAI funcionam apenas com a base URL e o id de modelo alterados.

Uma coisa a ter em mente é que Terra produz apenas texto, então não é a escolha certa se você precisa de imagens, áudio ou vídeo gerados. A variante batch também vale ser ponderada em relação ao endpoint padrão se sua carga de trabalho for interativa, já que o processamento batch geralmente é voltado para trabalhos que podem ser enviados e coletados, em vez de respondidos imediatamente. Se você precisa do tier mais alto da OpenAI em vez de um equilibrado, o tier Sol é a alternativa citada na série; se a eficiência de custo importa mais que a capacidade, Luna é a outra.