GPT-5.6 Terra

Name: GPT-5.6 Terra
Price: 2.0 USD
Author: OpenAI

OpenAI

റിലീസ് ചെയ്തു 2026-07-09പുതുക്കിയത് 14 Nov 2026, 14:39 UTC

കോൺടെക്സ്റ്റ് വിൻഡോ: 1M
പരമാവധി ഔട്ട്‌പുട്ട്: 128K
ഇൻപുട്ട് / ഔട്ട്‌പുട്ട്: ടെക്സ്റ്റ്, ചിത്രം → ടെക്സ്റ്റ്

API നിരക്കുകൾ

USD / 10 ലക്ഷം ടോക്കണുകൾ

ഇൻപുട്ട്	ഔട്ട്‌പുട്ട്	കാഷിൽ സൂക്ഷിച്ച ഇൻപുട്ട്
$2.00 openrouter	$12.00 openrouter	$0.20 openrouter

നിങ്ങളുടെ ഉപയോഗച്ചെലവ് കണക്കാക്കുക

കാലക്രമം

2026-07-09 · API-യിൽ ലഭ്യമാണ് · തെളിവിന്റെ ലിങ്ക്

ഇൻപുട്ട് / ഔട്ട്‌പുട്ട് വില · USD / 10 ലക്ഷം ടോക്കണുകൾ

മോഡൽ	തെളിവുകളുടെ ലിങ്കുകൾ	ഇൻപുട്ട് / ഔട്ട്‌പുട്ട് വില
`gpt-5.6-terra` batch · long context	openai API റൂട്ട് ലഭ്യമല്ല	$2.00 (ഇൻപുട്ട് > 2,72,000 ടോക്കണുകൾ) / $9.00 (ഇൻപുട്ട് > 2,72,000 ടോക്കണുകൾ)
`gpt-5.6-terra` batch · short context	openai API റൂട്ട് ലഭ്യമല്ല	$1.00 (ഇൻപുട്ട് ≤ 2,72,000 ടോക്കണുകൾ) / $6.00 (ഇൻപുട്ട് ≤ 2,72,000 ടോക്കണുകൾ)
`gpt-5.6-terra` fast · long context	openai API റൂട്ട് ലഭ്യമല്ല	$8.00 (ഇൻപുട്ട് > 2,72,000 ടോക്കണുകൾ) / $36.00 (ഇൻപുട്ട് > 2,72,000 ടോക്കണുകൾ)
`gpt-5.6-terra` fast · short context	openai API റൂട്ട് ലഭ്യമല്ല	$4.00 (ഇൻപുട്ട് ≤ 2,72,000 ടോക്കണുകൾ) / $24.00 (ഇൻപുട്ട് ≤ 2,72,000 ടോക്കണുകൾ)
`gpt-5.6-terra` flex · long context	openai API റൂട്ട് ലഭ്യമല്ല	$2.00 (ഇൻപുട്ട് > 2,72,000 ടോക്കണുകൾ) / $9.00 (ഇൻപുട്ട് > 2,72,000 ടോക്കണുകൾ)
`gpt-5.6-terra` flex · short context	openai API റൂട്ട് ലഭ്യമല്ല	$1.00 (ഇൻപുട്ട് ≤ 2,72,000 ടോക്കണുകൾ) / $6.00 (ഇൻപുട്ട് ≤ 2,72,000 ടോക്കണുകൾ)
`gpt-5.6-terra` standard · long context	openai API റൂട്ട് ലഭ്യമല്ല	$4.00 (ഇൻപുട്ട് > 2,72,000 ടോക്കണുകൾ) / $18.00 (ഇൻപുട്ട് > 2,72,000 ടോക്കണുകൾ)
`gpt-5.6-terra` standard · short context	openai API റൂട്ട് ലഭ്യമല്ല	$2.00 (ഇൻപുട്ട് ≤ 2,72,000 ടോക്കണുകൾ) / $12.00 (ഇൻപുട്ട് ≤ 2,72,000 ടോക്കണുകൾ)
`openai/gpt-5.6-terra-pro` standard	openrouter	$2.00 / $12.00
`openai/gpt-5.6-terra-pro:batch` batch	openrouter	$1.00 / $6.00

2026-11-14T08:45:27.686Z · സ്ഥിരീകരിച്ച ഉപയോഗം · OpenAI · official articles · Retell uses OpenAI models to help power 100M monthly calls
ഉദ്ധരണി
After a call, Retell uses GPT‑5.6 Terra to analyze the transcript and extract outcomes and other data
2026-11-14T08:23:25.536Z · സ്ഥിരീകരിച്ച ഉപയോഗം · OpenAI · official articles · How we detect frontier model misalignment
2026-11-12T18:45:20.401Z · കാറ്റലോഗിലെ എൻട്രി · GitHub · openai/openai-node · code
ഉദ്ധരണി
ttps://developers.openai.com/api/docs/deprecations for details and * recommended replacements. */ model: | 'gpt-6-astra' | 'gpt-6.1-sol' | 'gpt-6.1-terra' | 'gpt-6-sol' | 'gpt-6-luna' | 'gpt-5.6-sol' | 'gpt-5.6-terra' | 'gpt-5.6-luna' | 'gpt-5.5' | 'gpt-5.5-2026-04-23' | 'gpt-5.4' | 'gpt-5.4-mini' | 'gpt-5.4-nano' | 'gpt-5.4-mini-2026-03-17' | 'gpt-5.4-nano-2026-03-17' | 'gpt-5.3-chat-latest' | 'gpt-5.2' | 'gpt-5.2-2025-12-11' | 'gpt-5.2-chat-latest' | 'gpt-5.2-pro' | 'gpt-5.2-pro-2025-12-11' | 'gpt-5.1' | 'gpt-5.1-2025-11-13' | 'gpt-5.1-codex' | 'gpt-5.1-mini' | 'gpt-5.1-chat-latest' | 'gpt-5' | 'gpt-5-mini' | 'gpt-5-nano' | 'gpt-5-2025-08-07' | 'gpt-5-mini-2025-08-07' | 'gpt-5-nano-2025-08-07' | 'gpt-5-chat-latest' | 'gpt-4.1' | 'gp
2026-11-10T18:00:44.369Z · കാറ്റലോഗിലെ എൻട്രി · GitHub · openai/codex · code
ഉദ്ധരണി
cfg = ConfigToml { agents: Some(AgentsToml { enabled: Some(false), max_depth: Some(2), default_subagent_model: Some("gpt-5.6-terra".to_string()), default_subagent_reasoning_effort: Some(ReasoningEffort::High), interrupt_message: Some(false), ..Default::default() }), ..Default::default() }; let config = Config::load_from_base_config_with_overrides( cfg, ConfigOverrides::d
കോഡിലെ ഈ പരാമർശം ഉപയോഗത്തിലുള്ള മോഡൽ ഐഡന്റിഫയറിനെ സ്ഥിരീകരിക്കുന്നില്ല.
2026-11-10T18:00:44.369Z · കാറ്റലോഗിലെ എൻട്രി · GitHub · openai/codex · code
ഉദ്ധരണി
se; use codex_protocol::openai_models::WebSearchToolType; use super::BedrockEndpoint; const GPT_5_BEDROCK_CONTEXT_WINDOW: i64 = 272_000; const GPT_5_6_SOL_OPENAI_MODEL_ID: &str = "gpt-5.6-sol"; const GPT_5_6_TERRA_OPENAI_MODEL_ID: &str = "gpt-5.6-terra"; const GPT_5_6_LUNA_OPENAI_MODEL_ID: &str = "gpt-5.6-luna"; const GPT_6_1_SOL_OPENAI_MODEL_ID: &str = "gpt-6.1-sol"; const GPT_6_1_TERRA_OPENAI_MODEL_ID: &str = "gpt-6.1-terra"; const GPT_6_SOL_OPENAI_MODEL_ID: &str = "gpt-6-sol"; const GPT_6_LUNA_OPENAI_MODEL_ID: &str = "gpt-6-luna"; const GPT_6_ASTRA_OPENAI_MODEL_ID: &str = "gpt-6-astra"; const GPT_5_5_OPENAI_MODEL_ID: &str = "gpt-5.5"; pub(crate) fn static_model_catalog() -> ModelsResponse { let catalog = ModelsResponse { models: vec![ bedrock_model( bundled_openai_model(GPT_6_1_SOL_OPENAI_MODEL_ID), AMAZON_BEDROCK_GPT_6_
2026-11-10T17:59:50.472Z · കാറ്റലോഗിലെ എൻട്രി · GitHub · openai/openai-agents-python · code
ഉദ്ധരണി
"gpt-5.4-pro", "gpt-5.4-pro-2026-03-05", "gpt-5.5", "gpt-5.5-2026-04-23", "gpt-5.5-pro", "gpt-5.5-pro-2026-04-23", "gpt-5.6", "gpt-5.6-sol", "gpt-5.6-terra", "gpt-5.6-luna", "gpt-4.1", "gpt-4.1-2025-04-14", "gpt-4.1-mini", "gpt-4.1-mini-2025-04-14", "gpt-4.1-nano", "gpt-4.1-nano-2025-04-14", ), 1_047_576, ), **_model_context_windows( ( "gpt-5", "gpt-5-2025-08-07", "gpt-5-codex", "gpt-5-mini", "gpt-5-mini-2025-08-07", "gpt-5-nano", "gpt-5-nano-2025-08-07", "gpt-5-pro", "gpt-5-pro-2025-10-06", "gpt-5.1", "gpt-5.1-2025-11-13", "gpt-
2026-11-10T17:58:16.002Z · കാറ്റലോഗിലെ എൻട്രി · GitHub · openai/openai-python · code
ഉദ്ധരണി
gth of 512 characters. """ model: Union[ Literal[ "gpt-6-astra", "gpt-6.1-sol", "gpt-6.1-terra", "gpt-6-sol", "gpt-6-luna", "gpt-5.6-sol", "gpt-5.6-terra", "gpt-5.6-luna", "gpt-5.5", "gpt-5.5-2026-04-23", "gpt-5.4", "gpt-5.4-mini", "gpt-5.4-nano", "gpt-5.4-mini-2026-03-17", "gpt-5.4-nano-2026-03-17", "gpt-5.3-chat-latest", "gpt-5.2", "gpt-5.2-2025-12-11", "gpt-5.2-chat-latest", "gpt-5.2-pro", "gpt-5.2-pro-2025-12-11", "gpt-5.1", "gpt-5.1-2025-11-13", "gpt-5.1-codex", "gpt-5.1-mini", "gpt-5.1-chat-latest", "gpt-5", "gpt-5-mini",
2026-11-10T17:58:10.980Z · കാറ്റലോഗിലെ എൻട്രി · GitHub · openai/openai-agents-js · code
ഉദ്ധരണി
.replace(/-\d{4}-\d{2}-\d{2}$/u, ''); return [...new Set([normalized, withoutPinnedDate])]; } const SANDBOX_CONTEXT_WINDOWS_1M = new Set([ 'gpt-6-astra', 'gpt-6-sol', 'gpt-6-luna', 'gpt-6.1-sol', 'gpt-5.6', 'gpt-5.6-sol', 'gpt-5.6-terra', 'gpt-5.6-luna', 'gpt-5.4', 'gpt-5.4-2026-03-05', 'gpt-5.4-pro', 'gpt-5.4-pro-2026-03-05', 'gpt-4.1', 'gpt-4.1-2025-04-14', 'gpt-4.1-mini', 'gpt-4.1-mini-2025-04-14', 'gpt-4.1-nano', 'gpt-4.1-nano-2025-04-14', ]); const SANDBOX_CONTEXT_WINDOWS_400K = new Set([ 'gpt-5', 'gpt-5-codex', 'gpt-5-mini', 'gpt-5-nano', 'gpt-5-pro', 'gpt-5.1', 'gpt-5.1-codex', 'gpt-5.1-codex-max', 'gpt-5.1-codex-mini', 'gpt-5.2', 'gpt-5.2-codex', 'gpt-5.2-codex-cyber', 'gpt-5.2-pro', 'gpt-5.3-codex', 'gpt-5.3-codex-spark', 'gpt-5.4-mini', 'gpt-5.4-nano', ]); const SANDBOX_CONTEXT_WINDOWS_200K = new
2026-09-16T15:54:37.278Z · അലക്സിന്റെ പോസ്റ്റുകൾ · Alex Getman
ഉദ്ധരണി
Jev is out, a new AI model from startup TypeSafe AI It is built for fast decision making inside apps. You give it context and possible actions, and it picks the best option with probability and confidence. TypeSafe says Jev reaches GPT 5.6 Terra level on these tasks, responds in 70 to 500ms, and costs $0.042 per 1M input tokens. Output is free. It can route support tickets, score risk, and check AI agent actions.
2026-09-02T15:31:23.681Z · അലക്സിന്റെ പോസ്റ്റുകൾ · Alex Getman
ഉദ്ധരണി
🚨 Google released Gemini 3.8 Flash • still $0.75 per 1M input tokens • at the same price, it is noticeably stronger than Gemini 3.7 Flash across almost the entire table • especially big gains in autonomous computer use and complex scientific tasks • beats GPT 5.6 Terra, a model in the same class, on almost every benchmark
2026-08-18T05:00:00.000Z · അലക്സിന്റെ പോസ്റ്റുകൾ · Alex Getman
ഉദ്ധരണി
⚡️ Qwen 3.8 27B beat GPT 5.6 Terra This happened in the AA Agentic Index, a benchmark that tests how well models handle agentic tasks. And you can run Qwen 3.8 27B locally on a single RTX 3090.
2026-08-14T05:00:00.000Z · അലക്സിന്റെ പോസ്റ്റുകൾ · Alex Getman
ഉദ്ധരണി
Very few people know this, but Muse Spark 1.2 might be the best value model on the market right now. Its intelligence is around GPT-5.6 Terra. But if you use Muse Code and agree to code analysis through the Contributor tier, the price drops 10–20x. So you basically get Terra-level intelligence at Luna-level cost.
2026-08-03T08:01:30.947Z · അലക്സിന്റെ പോസ്റ്റുകൾ · Alex Getman
ഉദ്ധരണി
⚡️ Alibaba released Qwen 3.8 Max The new 2.4T parameter flagship benchmarks in the same league as GPT-5.6 Sol, Claude Opus 4.8 and Fable 5. API pricing is $2/M input and $6/M output, roughly half the cost of GPT-5.6 Terra and Claude Sonnet. Now it’s up to users to see whether Qwen can beat DeepSeek-V4-Flash and GPT-5.6 Luna on price to performance.
2026-07-16T17:56:24.898Z · അലക്സിന്റെ പോസ്റ്റുകൾ · Alex Getman
ഉദ്ധരണി
⚡️ RELEASE: KIMI K3 Moonshot just dropped its new flagship: 2.8T parameters, a 1M-token context window, native vision, and a focus on large projects, coding, games, and 3D. Full weights are expected in the next few days. API: $3 / $15 per million input/output tokens. Pricing-wise, that puts it around Sonnet 5 or GPT-5.6 Terra, while Moonshot’s own benchmarks have it taking shots at Opus 4.8 and Sol. So basically: Opus-class performance at Sonnet pricing. You can already try it for free on the Kimi website or through Kimi Code CLI.
2026-07-10T16:34:15.332Z · അലക്സിന്റെ പോസ്റ്റുകൾ · Alex Getman
ഉദ്ധരണി
Grok 4.5: a new competitor to GPT and Claude Posting this a little late, but I prepared something interesting. Grok 4.5 is temporarily available to test for free in Grok Build and Cursor. The model runs at around 80 tokens per second, supports a context window of up to 500,000 tokens, and costs $2 per million input tokens and $6 per million output tokens. According to Musk, Grok 4.5 was trained from scratch on SpaceXAI’s own foundation and is not built on top of Kimi like Composer. In terms of quality, Grok 4.5 comes close to GPT-5.6 Terra, while its pricing is closer to Luna. Among Anthropic models, it sits between Haiku and Sonnet, making it especially attractive in terms of price-to-pe

സിഗ്നലുകൾ 2

20:2509-19

OpenAIകണ്ടെത്തൽ

Artificial Analysis-ൽ GPT-5.6 Terra കണ്ടെത്തി

സ്ഥിരീകരിച്ചു4 അവലംബ ലിങ്കുകൾ

22:0909-11

OpenAIകണ്ടെത്തൽ

Arena-ൽ GPT-5.6 Terra കണ്ടെത്തി

സ്ഥിരീകരിച്ചു14 അവലംബ ലിങ്കുകൾ

സാങ്കേതിക വിവരങ്ങൾ

OpenAI വികസിപ്പിച്ച മോഡലാണ് GPT-5.6 Terra; റിലീസ് ചെയ്ത തീയതി 2026-07-09. കോൺടെക്സ്റ്റ് വിൻഡോയുടെ വലുപ്പം 10,50,000 ടോക്കണുകൾ ആണ്. പരമാവധി ഔട്ട്‌പുട്ട് 1,28,000 ടോക്കണുകൾ ആണ്. പത്ത് ലക്ഷം ഇൻപുട്ട് ടോക്കണുകൾക്ക് $2.00, പത്ത് ലക്ഷം ഔട്ട്‌പുട്ട് ടോക്കണുകൾക്ക് $12.00 എന്നതാണ് വില.

കോൺടെക്സ്റ്റ് വിൻഡോ: 10,50,000
പരമാവധി ഔട്ട്‌പുട്ട്: 1,28,000
ഇൻപുട്ട്: ടെക്സ്റ്റ് · ചിത്രം
ഔട്ട്‌പുട്ട്: ടെക്സ്റ്റ്
ഇൻപുട്ട് · USD / 10 ലക്ഷം ടോക്കണുകൾ: $2.00
ഔട്ട്‌പുട്ട് · USD / 10 ലക്ഷം ടോക്കണുകൾ: $12.00
കാഷിൽ സൂക്ഷിച്ച ഇൻപുട്ട് · USD / 10 ലക്ഷം ടോക്കണുകൾ: $0.20

ചോദ്യങ്ങൾ

GPT-5.6 Terra-ന്റെ കോൺടെക്സ്റ്റ് വിൻഡോയുടെ വലുപ്പം എത്രയാണ്?

കോൺടെക്സ്റ്റ് വിൻഡോയുടെ വലുപ്പം 10,50,000 ടോക്കണുകൾ ആണ്. പരമാവധി ഔട്ട്‌പുട്ട് 1,28,000 ടോക്കണുകൾ ആണ്.

GPT-5.6 Terra-ന്റെ വില എത്രയാണ്?

പത്ത് ലക്ഷം ഇൻപുട്ട് ടോക്കണുകൾക്ക് $2.00, പത്ത് ലക്ഷം ഔട്ട്‌പുട്ട് ടോക്കണുകൾക്ക് $12.00 എന്നതാണ് വില. കാഷിൽ സൂക്ഷിച്ച ഇൻപുട്ടിന് പത്ത് ലക്ഷം ടോക്കണുകൾക്ക് $0.20 ആണ് വില.

GPT-5.6 Terra എപ്പോഴാണ് റിലീസ് ചെയ്തത്?

2026-07-09 ന്.