Alex GetmanAI பற்றிய முன்கூட்டிய சிக்னல்கள்

GPT-5.6 Terra

OpenAI

வெளியிடப்பட்டது புதுப்பிக்கப்பட்டது
சூழல் சாளரம்
1M
10,50,000 டோக்கன்கள்
அதிகபட்ச வெளியீடு
128K
1,28,000 டோக்கன்கள்
உள்ளீடு / வெளியீடு
உரை, படம் → உரை

API விலைகள்

USD / 10 லட்சம் டோக்கன்கள்

உள்ளீடுவெளியீடுதற்காலிக நினைவகத்தில் உள்ள உள்ளீடு
  • $2.00
openrouter
  • $12.00
openrouter
  • $0.20
openrouter

காலவரிசை

  1. · API வழி கிடைக்கும் · ஆதார இணைப்பு
உள்ளீடு / வெளியீட்டு விலை · USD / 10 லட்சம் டோக்கன்கள்
மாதிரிஆதார இணைப்புகள்உள்ளீடு / வெளியீட்டு விலை
gpt-5.6-terra
batch · long context
openai
API வழி கிடைக்கவில்லை
$2.00 (உள்ளீடு > 2,72,000 டோக்கன்கள்) / $9.00 (உள்ளீடு > 2,72,000 டோக்கன்கள்)
gpt-5.6-terra
batch · short context
openai
API வழி கிடைக்கவில்லை
$1.00 (உள்ளீடு ≤ 2,72,000 டோக்கன்கள்) / $6.00 (உள்ளீடு ≤ 2,72,000 டோக்கன்கள்)
gpt-5.6-terra
fast · long context
openai
API வழி கிடைக்கவில்லை
$8.00 (உள்ளீடு > 2,72,000 டோக்கன்கள்) / $36.00 (உள்ளீடு > 2,72,000 டோக்கன்கள்)
gpt-5.6-terra
fast · short context
openai
API வழி கிடைக்கவில்லை
$4.00 (உள்ளீடு ≤ 2,72,000 டோக்கன்கள்) / $24.00 (உள்ளீடு ≤ 2,72,000 டோக்கன்கள்)
gpt-5.6-terra
flex · long context
openai
API வழி கிடைக்கவில்லை
$2.00 (உள்ளீடு > 2,72,000 டோக்கன்கள்) / $9.00 (உள்ளீடு > 2,72,000 டோக்கன்கள்)
gpt-5.6-terra
flex · short context
openai
API வழி கிடைக்கவில்லை
$1.00 (உள்ளீடு ≤ 2,72,000 டோக்கன்கள்) / $6.00 (உள்ளீடு ≤ 2,72,000 டோக்கன்கள்)
gpt-5.6-terra
standard · long context
openai
API வழி கிடைக்கவில்லை
$4.00 (உள்ளீடு > 2,72,000 டோக்கன்கள்) / $18.00 (உள்ளீடு > 2,72,000 டோக்கன்கள்)
gpt-5.6-terra
standard · short context
openai
API வழி கிடைக்கவில்லை
$2.00 (உள்ளீடு ≤ 2,72,000 டோக்கன்கள்) / $12.00 (உள்ளீடு ≤ 2,72,000 டோக்கன்கள்)
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
  1. · உறுதிப்படுத்தப்பட்ட பயன்பாடு · OpenAI · official articles · Retell uses OpenAI models to help power 100M monthly calls
    பகுதி
    After a call, Retell uses GPT‑5.6 Terra to analyze the transcript and extract outcomes and other data
  2. · உறுதிப்படுத்தப்பட்ட பயன்பாடு · OpenAI · official articles · How we detect frontier model misalignment
  3. · பட்டியலில் இடம்பெற்றது · GitHub · openai/openai-node · code
    பகுதி
    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
  4. · பட்டியலில் இடம்பெற்றது · GitHub · openai/codex · code
    பகுதி
    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

    குறியீட்டில் உள்ள இந்தக் குறிப்பு பயன்பாட்டிலுள்ள மாதிரி அடையாளங்காட்டியை உறுதிப்படுத்தவில்லை.

  5. · பட்டியலில் இடம்பெற்றது · GitHub · openai/codex · code
    பகுதி
    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_
  6. · பட்டியலில் இடம்பெற்றது · GitHub · openai/openai-agents-python · code
    பகுதி
    "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-
  7. · பட்டியலில் இடம்பெற்றது · GitHub · openai/openai-python · code
    பகுதி
    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",
  8. · பட்டியலில் இடம்பெற்றது · GitHub · openai/openai-agents-js · code
    பகுதி
    .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
  9. · அலெக்ஸின் பதிவுகள் · Alex Getman
    பகுதி
    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.
  10. · அலெக்ஸின் பதிவுகள் · Alex Getman
    பகுதி
    🚨 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
  11. · அலெக்ஸின் பதிவுகள் · Alex Getman
    பகுதி
    ⚡️ 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.
  12. · அலெக்ஸின் பதிவுகள் · Alex Getman
    பகுதி
    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.
  13. · அலெக்ஸின் பதிவுகள் · Alex Getman
    பகுதி
    ⚡️ 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.
  14. · அலெக்ஸின் பதிவுகள் · Alex Getman
    பகுதி
    ⚡️ 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.
  15. · அலெக்ஸின் பதிவுகள் · Alex Getman
    பகுதி
    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

சிக்னல்கள் 2

தொழில்நுட்ப விவரங்கள்

GPT-5.6 Terra என்பது OpenAI உருவாக்கிய மாதிரி; வெளியிடப்பட்ட தேதி 2026-07-09. சூழல் சாளரத்தின் அளவு 10,50,000 டோக்கன்கள். அதிகபட்ச வெளியீடு 1,28,000 டோக்கன்கள். பத்து லட்சம் உள்ளீட்டு டோக்கன்களுக்கு $2.00, பத்து லட்சம் வெளியீட்டு டோக்கன்களுக்கு $12.00 என்பது விலை.

சூழல் சாளரம்
10,50,000
அதிகபட்ச வெளியீடு
1,28,000
உள்ளீடு
உரை · படம்
வெளியீடு
உரை
உள்ளீடு · USD / 10 லட்சம் டோக்கன்கள்
$2.00
வெளியீடு · USD / 10 லட்சம் டோக்கன்கள்
$12.00
தற்காலிக நினைவகத்தில் உள்ள உள்ளீடு · USD / 10 லட்சம் டோக்கன்கள்
$0.20

கேள்விகள்

GPT-5.6 Terra மாதிரியின் சூழல் சாளர அளவு என்ன?

சூழல் சாளரத்தின் அளவு 10,50,000 டோக்கன்கள். அதிகபட்ச வெளியீடு 1,28,000 டோக்கன்கள்.

GPT-5.6 Terra மாதிரியின் விலை என்ன?

பத்து லட்சம் உள்ளீட்டு டோக்கன்களுக்கு $2.00, பத்து லட்சம் வெளியீட்டு டோக்கன்களுக்கு $12.00 என்பது விலை. தற்காலிக நினைவகத்தில் உள்ள உள்ளீட்டின் விலை பத்து லட்சம் டோக்கன்களுக்கு $0.20.

GPT-5.6 Terra எப்போது வெளியிடப்பட்டது?

2026-07-09 அன்று.