GPT-5.6 Terra

OpenAIтекстрелиз 09.07.2026reasoning

GPT-5.6 Terra is a balanced model in OpenAI's GPT-5.6 series, positioned between the flagship Sol tier and the cost-efficient Luna tier. It is suited for everyday coding, reasoning, and agentic...

Характеристики

Контекст
1.1M токенов
Максимум на выход
128K токенов
Входные данные
file, image, text
Выходные данные
text
Knowledge cutoff
2026-02-16
Токенизатор
GPT

Возможности

✓ Вызов функций✓ Structured output— Открытые веса✓ Приём файлов✓ Reasoningeffort: none/low/medium/high/xhigh/max

Цены

Вход
$2.4000
за 1M токенов
Выход
$14.4000
за 1M токенов
Из кэша
$0.2400
за 1M токенов

Статистика у нас · за 30 дней

Запросов
2
Успешных
100%
Медиана ответа
1823 мс
Средняя
1823 мс

Бенчмарки

независимые замеры: Vals AI и Design Arena

IOI

олимпиада по информатике · #7 из 40

  • Gemini 4 Argon100.0%
  • GPT-6 Astra100.0%
  • GPT-6.1 Sol96.9%
  • Claude Opus 5.595.1%
  • GPT-5.6 Sol91.2%
  • ▸ GPT-5.6 Terra87.6%

SAGE

отраслевые задачи · #11 из 29

  • Claude Opus 5.591.3%
  • GPT-6.1 Sol90.5%
  • Claude Haiku 5.589.8%
  • Gemini 4 Argon89.5%
  • GLM 5.3 Flash89.3%
  • ▸ GPT-5.6 Terra87.0%

SkillsBench

отраслевые задачи · #11 из 35

  • DeepSeek V4.1 Flash0.0%
  • Grok 4.50.0%
  • Gemini 3.7 Flash0.0%
  • GPT 5.50.0%
  • GPT 5.50.0%
  • ▸ GPT-5.6 Terra0.0%

SRE Bench

отраслевые задачи · #15 из 37

  • GPT-6 Astra56.9%
  • GPT-6.1 Sol50.8%
  • Gemini 4 Argon44.3%
  • Claude Opus 5.533.6%
  • Daybreak Blue31.7%
  • ▸ GPT-5.6 Terra9.5%

CyberBench

кибербезопасность · #19 из 40

  • Wonder80.4%
  • GPT-6 Sol78.0%
  • Gemini 4 Argon77.9%
  • GPT-5.6 Sol76.3%
  • GPT-6 Luna76.3%
  • ▸ GPT-5.6 Terra72.1%

Vibe Code Bench 1-100

отраслевые задачи · #19 из 26

  • Wonder Full34.0%
  • Claude Opus 5.530.4%
  • Claude Opus 528.5%
  • Claude Fable 5.128.0%
  • GPT-6 Astra27.6%
  • ▸ GPT-5.6 Terra14.8%
Остальные бенчмаркиМестоРезультатЛидер
Terminal-Bench-Science#20 из 40—GPT-6 Astra · null%
ProofBench#21 из 4074%Claude Fable 5.2 · 100%
ProgramBench#22 из 400.5%Claude Fable 5.2 · 19%
LegalBench#25 из 4085.11%Claude Fable 5 · 88.56%
Public Benefits Bench#28 из 4062.38%Claude Opus 5 · 76.93%
Legal Research Bench#32 из 4041.35%Gemini 4 Carbon · 55.77%
Terminal-Bench 4.0#34 из 40—Claude Fable 5.2 · null%
Tax Agent Bench#35 из 4030.04%Gemini 4 Carbon · 51.78%

Design Arena · SVG

слепые сравнения · #32 из 142 · побед 55.6%

  • arrow-2-telos1526
  • gpt-6-astra1404
  • gpt-6-astra-max1398
  • arrow-21386
  • gemini-4-argon1349
  • ▸ gpt-5.6-terra1254

Design Arena · ASCII

слепые сравнения · #43 из 99 · побед 46.2%

  • claude-opus-5-51358
  • claude-opus-51354
  • gpt-6-astra1348
  • gpt-6-astra-max1342
  • claude-fable-51323
  • ▸ gpt-5.6-terra1174

Design Arena · DataViz

слепые сравнения · #53 из 156 · побед 49.3%

  • claude-opus-5-51390
  • claude-sonnet-5-51362
  • kimi-k31348
  • claude-fable-5-11342
  • muse-spark-1.31340
  • ▸ gpt-5.6-terra1237

Design Arena · Website

слепые сравнения · #54 из 201 · побед 50.9%

  • california1346
  • gpt-6-astra1332
  • claude-fable-5-11330
  • gpt-6-astra-max1330
  • claude-sonnet-5-51329
  • ▸ gpt-5.6-terra1250

Показаны 4 лучшие категории из 7. Остальные — на сайте Design Arena.

Arena, место
#33
Рейтинг
-0.018
Голосов
44 452
Официальный анонс модели ↗Источники: Vals AI, Design Arena, Arena (LMArena).

Подключение

curl https://aicombiner.net/v1/chat/completions \
  -H "Authorization: Bearer $AICO_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "gpt-5.6-terra", "messages": [{"role": "user", "content": "Привет"}]}'

Один ключ открывает все модели каталога. Документация

Официальные источники

Подробно о модели GPT-5.6 Terra

GPT-5.6 Terra — модель компании OpenAI, выпущенная 9 июля 2026 г. Держит в контексте 1 050 тысяч токенов — это примерно 2 100 страниц текста. Поддерживает вызов функций (function calling), структурированный вывод по схеме, приём изображений, режим рассуждений.

Сколько стоит работа

Входные токены — 2.4000 $ за миллион, выходные — 14.4000 $. Повторная отправка того же контекста тарифицируется по кэшу — 0.2400 $. Тысяча запросов, в каждом 500 токенов вопроса и 500 токенов ответа, обойдётся примерно в 8.40 $.

Что показывают бенчмарки

Бенчмарк — это набор задач с проверяемым ответом. Место в нём говорит не о «силе» модели вообще, а о том, насколько хорошо она решает именно такие задачи. Разница в один-два процента обычно лежит внутри статистической погрешности, разрыв в десять и больше — уже реальная разница.

  • IOI — олимпиадные задачи по информатике уровня международной олимпиады. Результат: 87.6%, место #7 из 40. Лидер — Gemini 4 Argon с 100.0%, разрыв 12.4 п.п.
  • SAGE — отраслевые задачи с проверяемым ответом. Результат: 87.0%, место #11 из 29. Лидер — Claude Opus 5.5 с 91.3%, разрыв 4.3 п.п.
  • SkillsBench — отраслевые задачи с проверяемым ответом. Результат: —%, место #11 из 35.
  • SRE Bench — отраслевые задачи с проверяемым ответом. Результат: 9.5%, место #15 из 37. Лидер — GPT-6 Astra с 56.9%, разрыв 47.3 п.п.
  • CyberBench — кибербезопасность: поиск уязвимостей, разбор атак, защитные действия. Результат: 72.1%, место #19 из 40. Лидер — Wonder с 80.4%, разрыв 8.3 п.п.
  • Vibe Code Bench 1-100 — отраслевые задачи с проверяемым ответом. Результат: 14.8%, место #19 из 26. Лидер — Wonder Full с 34.0%, разрыв 19.2 п.п.
  • Terminal-Bench-Science — отраслевые задачи с проверяемым ответом. Результат: —%, место #20 из 40.
  • ProofBench — отраслевые задачи с проверяемым ответом. Результат: 74.0%, место #21 из 40. Лидер — Claude Fable 5.2 с 100.0%, разрыв 26.0 п.п.
  • ProgramBench — отраслевые задачи с проверяемым ответом. Результат: 0.5%, место #22 из 40. Лидер — Claude Fable 5.2 с 19.0%, разрыв 18.5 п.п.
  • LegalBench — отраслевые задачи с проверяемым ответом. Результат: 85.1%, место #25 из 40. Лидер — Claude Fable 5 с 88.6%, разрыв 3.5 п.п.
  • Public Benefits Bench — отраслевые задачи с проверяемым ответом. Результат: 62.4%, место #28 из 40. Лидер — Claude Opus 5 с 76.9%, разрыв 14.6 п.п.
  • Legal Research Bench — отраслевые задачи с проверяемым ответом. Результат: 41.4%, место #32 из 40. Лидер — Gemini 4 Carbon с 55.8%, разрыв 14.4 п.п.
  • Terminal-Bench 4.0 — отраслевые задачи с проверяемым ответом. Результат: —%, место #34 из 40.
  • Tax Agent Bench — отраслевые задачи с проверяемым ответом. Результат: 30.0%, место #35 из 40. Лидер — Gemini 4 Carbon с 51.8%, разрыв 21.7 п.п.

Лучше всего модель показывает себя в «IOI» (#7), слабее — в «Tax Agent Bench» (#35). Это нормально: модели обучают на разных данных, и профиль получается неровным.

Дизайн и интерфейсы

Design Arena сравнивает результаты слепым голосованием: два ответа показывают человеку, он выбирает лучший, из исходов считается Elo — как в шахматах. Здесь модель участвует в 7 категориях:

  • SVG — векторные иконки по текстовому описанию. Elo 1254, место #32 из 142, побед 55.6%.
  • ASCII — текстовая графика из символов. Elo 1174, место #43 из 99, побед 46.2%.
  • DataViz — графики и дашборды по набору данных. Elo 1237, место #53 из 156, побед 49.3%.
  • Website — сгенерированные сайты: две версии показывают людям, они выбирают лучшую. Elo 1250, место #54 из 201, побед 50.9%.
  • UI Component — отдельные элементы интерфейса: кнопки, формы, таблицы. Elo 1250, место #59 из 186, побед 50.8%.
  • GameDev — игровые прототипы и механики. Elo 1222, место #64 из 194, побед 48%.
  • 3D — трёхмерные сцены и объекты. Elo 1119, место #100 из 179, побед 36.9%.

Общий рейтинг

В общем зачёте Arena (слепые сравнения ответов на любые вопросы) модель занимает #33 место. Рейтинг -0.018 построен на 44 452 голосах — чем больше голосов, тем уже доверительный интервал. Свежие релизы часто стоят ниже, чем окажутся через месяц: у них просто меньше оценок.

Как ведёт себя у нас

За последние 30 дней через сервис прошло 2 запросов к этой модели, успешных 100%. Медианный ответ — 1823 мс, средний 1823 мс. Это быстрый вариант: подходит для чата и автодополнения.

Как подключить

Модель вызывается через OpenAI-совместимый API: адрес https://aicombiner.net/v1, ключ в заголовке Authorization: Bearer, имя модели — gpt-5.6-terra. Один ключ открывает весь каталог, поэтому переключение между моделями — это смена одного поля в запросе. Деньги списываются по факту: за фактические токены, а не за попытку.