GPT 5.6 Terra
Red Neuronal
GPT 5.6 Terra para código y razonamiento: modelo equilibrado de OpenAI de la serie GPT-5.6 para tareas diarias y de agentes.
Longitud máxima de respuesta
(en tokens)
Tamaño del contexto
(en tokens)
Costo del prompt
(por 1M tokens)
Costo de la respuesta
(por 1M tokens)
Cómo funciona GPT 5.6 Terra?
GPT 5.6 Terra ocupa un lugar intermedio en la línea GPT-5.6 de OpenAI: entre el nivel insignia Sol y el económico Luna, por lo que se recurre a ella cuando se necesita un equilibrio entre calidad y consumo de tokens. El modelo está diseñado para el trabajo diario con código, razonamiento y escenarios de agentes, y la variante batch está destinada al procesamiento por lotes. A través de BotHub, el acceso está disponible sin VPN ni tarjetas extranjeras, el pago es en rublos y según el uso: por los tokens consumidos, que no caducan. Otros modelos funcionan en la misma ventana: las respuestas son fáciles de comparar y se puede cambiar sin reescribir la integración, ya que una API única compatible con OpenAI los entrega bajo el mismo protocolo. Los diálogos están cifrados y, para empresas, hay contratos, facturas, EDI y un panel de administración con límites. Se suele utilizar para analizar y refactorizar código, escribir pruebas y explicar módulos ajenos, para crear agentes que trabajan con herramientas externas, para el análisis paso a paso de tareas técnicas y analíticas, para el procesamiento masivo de datos por lotes (etiquetado, clasificación, resumen) y como modelo de trabajo predeterminado cuando deja las solicitudes pesadas al nivel superior de la serie.Preguntas frecuentes sobre GPT 5.6 Terra
Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.
Es un modelo de texto con un contexto de 1 050 000 tokens. Puede cargar documentos e imágenes, analizar grandes conjuntos de archivos, escribir y refactorizar código, buscar errores, resolver problemas de matemáticas y STEM, preparar análisis y conectar herramientas externas mediante llamadas a funciones.
El límite de salida es de hasta 128 000 tokens por respuesta. Esto es suficiente para un módulo de código extenso, documentación técnica detallada, el análisis de un contrato largo o una serie de secciones de informes relacionadas sin tener que ensamblar manualmente la respuesta a partir de muchas partes pequeñas.
Sí, el modo de razonamiento está confirmado en nuestros datos. El modelo construye una cadena de pasos hasta la respuesta final, lo que ayuda en tareas de varios pasos: derivación de fórmulas, depuración de lógica, planificación de arquitectura, verificación de condiciones en documentos largos y comprobación de sus propias conclusiones intermedias.
Sí, se admiten tanto la llamada a funciones (function calling) como la salida estructurada en JSON. El modelo es fácil de integrar en agentes y pipelines: llama a sus herramientas, accede a bases de datos y API, y entrega la respuesta en un esquema predefinido, adecuado para el análisis.
Se aceptan texto, imágenes y documentos como entrada, incluido el procesamiento nativo de archivos: esquemas, capturas de pantalla de interfaces, tablas, escaneos, PDF. El audio y el video no están marcados como formatos de entrada compatibles en nuestros datos. El modelo genera texto como salida.
El modelo pertenece a la línea GPT; estos modelos están entrenados en corpus multilingües y trabajan con confianza con textos en ruso y código. La calidad se comprueba mejor con sus propios materiales: en BotHub puede comparar la respuesta con otros modelos en la misma ventana.