GPT 5.6 Terra
Réseau Neuronal
GPT 5.6 Terra pour le code et le raisonnement : modèle équilibré d'OpenAI de la série GPT-5.6 pour les tâches quotidiennes et d'agent.
Longueur maximale de la réponse
(en tokens)
Taille du contexte
(en tokens)
Coût du prompt
(par 1M tokens)
Coût de la réponse
(par 1M tokens)
Comment ça marche GPT 5.6 Terra?
GPT 5.6 Terra occupe une position intermédiaire dans la gamme GPT-5.6 d'OpenAI, entre le niveau phare Sol et l'économique Luna, offrant un équilibre entre qualité et consommation de jetons. Le modèle est conçu pour le travail quotidien sur le code, le raisonnement et les scénarios d'agent, tandis que la variante batch est destinée au traitement par lots. Via BotHub, l'accès est possible sans VPN ni carte étrangère, avec un paiement en roubles à l'usage pour les jetons consommés, qui n'expirent pas. D'autres modèles fonctionnent dans la même fenêtre : les réponses sont faciles à comparer et le basculement se fait sans réécrire l'intégration, grâce à une API unique compatible OpenAI. Les dialogues sont chiffrés et, pour les entreprises, nous proposons des contrats, des factures, l'EDI et un panneau d'administration avec limites. Elle est généralement utilisée pour l'analyse et la refactorisation de code, l'écriture de tests, l'explication de modules tiers, la création d'agents utilisant des outils externes, l'analyse étape par étape de tâches techniques et analytiques, le traitement de données par lots (étiquetage, classification, résumé), et comme modèle par défaut lorsque les requêtes complexes sont confiées au niveau supérieur de la série.Questions fréquentes sur GPT 5.6 Terra
Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.
C'est un modèle textuel avec un contexte de 1 050 000 jetons. Vous pouvez télécharger des documents et des images, analyser de grands ensembles de fichiers, écrire et refactoriser du code, chercher des bugs, résoudre des problèmes de mathématiques et STEM, préparer des analyses et connecter des outils externes via l'appel de fonctions.
La limite de sortie est de 128 000 jetons par réponse. Cela suffit pour un module de code volumineux, une documentation technique détaillée, l'analyse d'un long contrat ou une série de sections de rapport liées sans assemblage manuel à partir de nombreuses petites parties.
Oui, le mode de raisonnement est confirmé dans nos données. Le modèle construit une chaîne d'étapes avant la réponse finale, ce qui aide pour les tâches complexes : dérivation de formules, débogage logique, planification d'architecture, vérification des conditions dans de longs documents et vérification de ses propres conclusions intermédiaires.
Oui, l'appel de fonctions (function calling) et la sortie JSON structurée sont pris en charge. Le modèle est facile à intégrer dans des agents et des pipelines : il appelle vos outils, accède aux bases de données et aux API, et fournit la réponse dans un schéma prédéfini adapté à l'analyse.
Le texte, les images et les documents sont acceptés en entrée, y compris le traitement natif des fichiers : schémas, captures d'écran d'interfaces, tableaux, scans, PDF. L'audio et la vidéo ne sont pas indiqués comme formats d'entrée pris en charge dans nos données. En sortie, le modèle génère du texte.
Le modèle appartient à la gamme GPT, ces modèles sont entraînés sur des corpus multilingues et travaillent avec assurance avec les textes français et le code. La qualité est mieux vérifiée sur vos propres documents : dans BotHub, vous pouvez comparer la réponse avec d'autres modèles dans la même fenêtre.