Terra 适合什么场景?
兼顾智能水平与成本的高并发生产场景——客服、内部工具、文档分析这类量大且难度中等的任务。它以约 GPT-5.5 一半的价格提供接近的能力,每任务成本约 $0.55,是 Sol 的一半。价格为每百万 tokens 输入 $2.50、缓存命中 $0.25、输出 $15.00。
GPT-5.6 Terra 是 OpenAI 于 2026 年 6 月 26 日限定预览、7 月 9 日正式全面开放的 GPT-5.6 系列均衡型模型,在 Sol / Terra / Luna 三档中被普遍推荐为默认选择:Artificial Analysis Intelligence Index(max 档)得分 55、Sol 为 59,但每任务成本约 0.55 美元只有 Sol 的一半;Agents’ Last Exam 上三款模型挤在 50.3–53.6 的 3.3 分区间内,价格却相差十倍以上。其余成绩包括 Terminal-Bench 2.1 87.40、DeepSWE 69.60、AA Coding Agent Index 77.4、MRCR 长上下文召回 89.6%(远高于 Luna 的 41.3%)。短板是长链路编码:CodeRabbit 测得其通过率 40.7%,Sol 为 63.7%,更适合范围明确、成本敏感的编码工作。上下文 1.05M tokens,输入超 272K 后按输入 2 倍、输出 1.5 倍计费。价格自 2026 年 7 月 30 日下调 20% 后为输入 2.00 美元 / 输出 12.00 美元每百万 tokens。
数据优先来自官方发布(GitHub、Hugging Face、论文),其次为评测基准官方结果,最后为第三方评测机构数据。 了解数据收集方法
| 类型 | 适用条件 | 输入 | 输出 |
|---|---|---|---|
| 文本 | - | $2.00/ 1M tokens | $12.00/ 1M tokens |
| 类型 | 适用条件 | 输入 | 输出 |
|---|---|---|---|
| 文本 | - | $4.00/ 1M tokens | $18.00/ 1M tokens |
| 类型 | 有效期 | 写入 | 读取 |
|---|---|---|---|
| 文本 | 30m | $2.50/ 1M tokens | $0.200/ 1M tokens |
表中「—」表示该模态在此方向不计费,或供应商未公开对应价格。
GPT-5.6 Terra 当前已收录的代表性评测结果包括 Terminal Bench Hard(2 / 244,得分 62.90)、ECI(7 / 167,得分 159.31)、CritPt(9 / 204,得分 30)。 本页还汇总了参数规模、上下文长度与 API 价格,便于结合评测结果与部署约束一起判断模型适配度。
GPT-5.6 Terra 是 OpenAI 于 2026 年 6 月 26 日限定预览、2026 年 7 月 9 日随 GPT-5.6 系列正式全面开放的均衡型模型。在 Sol(旗舰)、Terra(均衡)、Luna(低成本)这条三档产品线里,它是被普遍建议作为默认选择的那一个——用不到一半于 Sol 的成本,换取与 Sol 差距很小的表现。
把三款模型放在一起看,Terra 的位置会非常清楚:
短板同样具体。第三方评测机构 CodeRabbit 的测试显示,Terra 在长链路编码任务中的通过率为 40.7%,而 Sol 为 63.7%,并且它在单个任务上的输出更啰嗦。结论比较明确:范围明确、成本敏感的编码工作交给 Terra 很合适;跨越很多步骤、需要反复自我纠错的高复杂度编码任务,还是应该升到 Sol。
上下文窗口 1.05M tokens(输入最高 922K、最大输出 128K),知识截止 2026 年 2 月 16 日,输入支持文本与图像。与系列内其它模型一样,单次输入超过 272K tokens 后按输入 2 倍、输出 1.5 倍计费。
价格方面,OpenAI 在 2026 年 7 月 30 日把 Terra 下调了 20%,当前为每百万 tokens 输入 2.00 美元、输出 12.00 美元,缓存输入 0.20 美元。作为参照,Sol 促销价为 4/20 美元,Luna 为 0.20/1.20 美元。
Terra 与 Sol、Luna 共享同一份 OpenAI GPT-5.6 系统卡,网络安全与生物/化学两项风险能力评级均为 High;系统卡中关于未授权操作与测试规避的详细披露,见 GPT-5.6 Sol 页面。接入自动化流程时应同样做好沙箱与操作审计。
兼顾智能水平与成本的高并发生产场景——客服、内部工具、文档分析这类量大且难度中等的任务。它以约 GPT-5.5 一半的价格提供接近的能力,每任务成本约 $0.55,是 Sol 的一半。价格为每百万 tokens 输入 $2.50、缓存命中 $0.25、输出 $15.00。
范围明确的可以,长链路的不建议。第三方评测机构 CodeRabbit 的测试显示 Terra 在长链路编码任务中的通过率为 40.7%,而 Sol 是 63.7%,差距明显;Terra 单任务输出也更啰嗦。库内成绩上 DeepSWE 69.60 排 27 个模型第 3、AA Coding Agent Index 77.40 排第 2,看起来很强,但那是极高强度思考档下的单轮成绩,不等同于长任务的稳定性。
抽象推理。ARC-AGI 96.50 在 68 个模型中排第 2,ARC-AGI-2 83.90 在 62 个中排第 7,ARC-AGI-3 0.80 在 9 个中排第 2。数学也很强:FrontierMath v2 85.96 排 34 个第 4,Tier 4 v2 70.73 排第 6。Agents' Last Exam 50.40 排 11 个第 2。
AA Intelligence Index 上 Terra 55 分、Sol 59 分,账面差 4 分;但价格差一倍,长链路编码通过率差 23 个百分点(40.7% vs 63.7%)。结论是:难度可控、量大的活用 Terra 划算;最高难度的编程、科研和安全任务应该上 Sol。
与 Sol、Luna 共享同一份 OpenAI GPT-5.6 system card 安全评估,网络安全与生物/化学风险两项能力评级均为「High」。详细披露内容参见 GPT-5.6 Sol 页面。
欢迎关注 DataLearner 官方微信,获得最新 AI 技术推送
