OpenAI
GPT 5.6 Terra
Модель семейства GPT-5.6 для работы с текстом и изображениями с настраиваемыми рассуждениями.
- Вход
- 253,20 ₽
- Выход
- 1 519,20 ₽
- Кэш
- 25,32 ₽
- Интеллект
- 42,1
- Код
- 76,7
- Доступность
- 99,9%
openai/gpt-5.6-terraДанные каталога получены .
Цена
- Текстовый диалог · вход
- 253,20 ₽ / 1 млн токенов
- Текстовый диалог · выход
- 1 519,20 ₽ / 1 млн токенов
- Текстовый диалог · вход из кэша
- 25,32 ₽ / 1 млн токенов
Цена указана в рублях для выбранной операции и её параметров.
Перед оплачиваемым запросом создаётся резерв. Итоговый расход привязан к сохранённым параметрам и тарифу запроса. При неизвестном результате резерв удерживается до проверки; такой запрос не следует повторять с новым идентификатором.
О модели
По документации OpenAI, Terra принимает текст и изображения, формирует текстовый ответ. Уровень рассуждений настраивается; по умолчанию используется medium. Прямой ввод аудио и видео не поддерживается.
- Релиз
Характеристики
- 7 октября: 99,9%99,9%7 октября
- 8 октября: 100%100%8 октября
- 9 октября: 99,9%99,9%9 октября
- Тип модели
- Текст
- Вход модели
- Текст, Изображения
Данные, которые модель принимает вместе с запросом.
- Выход модели
- Текст
Форматы результата, которые создаёт модель.
- Контекстное окно
- 1 050 000 токенов
Контекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.
- Максимальный ответ
- 128 000 токенов
Максимальный размер ответа по данным каталога. Фактический предел запроса зависит от подключённой операции.
- Операции
- Текстовый диалог, Понимание изображений
- Возможности модели
- Потоковый ответ, Понимание изображений, Рассуждения, Вызов инструментов, Вызов функций, Параллельные вызовы инструментов, Структурированный ответ, Ответ в JSON, Пакетные запросы, Входные файлы, Входные изображения
Контрольные показатели
Artificial Analysis
23 показателей
- Индекс интеллекта
- 42,1 индексСводная оценка Artificial Analysis по всем её тестамПроверено
- Индекс программирования
- 76,7 индексСводная оценка Artificial Analysis по программированиюПроверено
- Индекс агентных задач
- 43,2 индексСводная оценка Artificial Analysis по агентным задачамПроверено
Агентная работа
- AA-Briefcase1 333 Elo
Агентная работа со знаниями (Elo)
Проверено
- AutomationBench-AA59,6 %
Автоматизация рабочего процесса со штрафами за нарушение ограничений
Проверено
- AutomationBench-AA · полностью выполненные задачи24,5 %
Процессы, выполненные полностью и без нарушений
Проверено
- GDPval-AA v21 453 Elo
Экономически значимые задачи (Elo)
Проверено
- Harvey LAB-AA85,2 %
Доля пройденных критериев юридической агентной работы
Проверено
Рассуждение по документу
- AA-LCR v1.183 %
Рассуждение на длинном контексте с обновлённой оценкой
Проверено
- GDP.pdf24 %
Профессиональное рассуждение по PDF: доля прохождения всех проверок
Проверено
Устаревшие тесты
- AA-LCR (версия не указана, архивный)83 %
Оценка рассуждений на длинном контексте
Проверено
- GDPval-AA (версия не указана, архивный)47,7 %
Задачи с экономической ценностью
Проверено
- GPQA Diamond (архивный)92,5 %
Научные рассуждения уровня выпускника
Проверено
- T²-Bench Telecom (архивный)86,3 %
Разговорные ИИ-агенты в сценариях с двойным управлением
Проверено
- Terminal-Bench Hard (архивный)57,6 %
Агентное программирование и работа в терминале
Проверено
Знания
- AA-Omniscience · точность46,8 %
Доля вопросов с правильным ответом
Проверено
Знание
- AA-Omniscience · доля выдуманных ответов (меньше лучше)87,9 %
Доля неверных ответов среди некорректных ответов
Проверено
Рассуждение
- CritPt30 %
Рассуждения по физике исследовательского уровня
Проверено
- IFBench71,2 %
Тест на следование инструкциям
Проверено
Рассуждения
- HLE42,9 %
Humanity’s Last Exam — вопросы экспертного уровня
Проверено
Документ: рассуждение
- MLCR-AA31,7 %
Медицинское рассуждение на длинном контексте
Проверено
Программирование
- SciCode55 %
Программирование на Python для научных вычислений
Проверено
- Terminal-Bench v4.035,4 %
Практические задачи по программированию и работе в терминале
Проверено
Design Arena
24 показателей · проверено
Рейтинг Elo и доля побед в попарных сравнениях, оценённых людьми
Агентные системы
- Разработка игр агентами · Elo1 080 Elo
- Разработка игр агентами · доля побед35,4 %
- Полный цикл разработки · Elo1 060 Elo
- Полный цикл разработки · доля побед30,9 %
- Мобильные приложения · Elo1 120 Elo
- Мобильные приложения · доля побед36,1 %
- Нативные приложения · Elo1 074 Elo
- Нативные приложения · доля побед30,5 %
- Веб-приложения · Elo1 123 Elo
- Веб-приложения · доля побед37,3 %
Модели
- 3D · Elo1 153 Elo
- 3D · доля побед37,1 %
- ASCII-графика · Elo1 188 Elo
- ASCII-графика · доля побед46,2 %
- Визуализация данных · Elo1 253 Elo
- Визуализация данных · доля побед49,5 %
- Разработка игр · Elo1 245 Elo
- Разработка игр · доля побед48,6 %
- SVG · Elo1 231 Elo
- SVG · доля побед51,5 %
- UI-компоненты · Elo1 267 Elo
- UI-компоненты · доля побед50,9 %
- Сайты · Elo1 277 Elo
- Сайты · доля побед52,1 %
Оценки относятся к этой версии модели и методике источника. Качество и скорость конкретного запроса они не гарантируют.
API-запрос
Операция доступна через API. Ключ храните в переменной окружения на своём сервере. REQUEST_ID: уникальный идентификатор запроса. При повторе сохраняйте его и тело запроса.
import json
import os
from urllib.request import Request, HTTPRedirectHandler, build_opener
class NoRedirect(HTTPRedirectHandler):
def redirect_request(self, req, fp, code, msg, headers, newurl):
return None
opener = build_opener(NoRedirect)
def post(url, payload):
request = Request(url, data=json.dumps(payload).encode("utf-8"), headers={
"Authorization": "Bearer " + os.environ["KVANTORA_API_KEY"],
"Content-Type": "application/json",
"Idempotency-Key": os.environ["REQUEST_ID"],
}, method="POST")
with opener.open(request, timeout=120) as response:
return json.load(response)
payload = {
"model": "openai/gpt-5.6-terra",
"messages": [
{
"role": "user",
"content": "Объясни задачу кратко."
}
]
}
print(post("https://api.kvantora.ai/v1/chat/completions", payload))





