对话模型
GPT-5.6 Terra
对话模型
可在 Ofrai 使用 — 对话、图片与视频同一处,共用积分。
对话与视频按积分计费。
Input/Output 0.365696/2.19418
大约每段短提问 0.365696 积分、每段短回复 2.19418 积分(按约千字计)。
商用权限取决于所选模型及其使用条款。

在 Ofrai 使用 GPT-5.6 Terra
GPT-5.6 Terra 是 OpenAI 当前 GPT-5.6 系列中的长上下文档位,适合那些难点在于「一次要处理多少材料」而不是「每一步要多深」的任务。在 Ofrai 上它列于 Text Studio,从共享额度计费,由于要为超大输入设计,单次请求比 Luna 和 Sol 都贵。它适合文档审查、跨整个代码库的问题和跨文件综合,因为这些场景最容易丢失较早的内容。只把真正相关的材料交给它。
大约每段短提问 0.365696 积分、每段短回复 2.19418 积分(按约千字计)。
GPT-5.6 Terra 模型信息
- 模型标识
- gpt-5.6-terra
- 类型
- 对话模型
- 发布日期
- Ofrai 价格
- 大约每段短提问 0.365696 积分、每段短回复 2.19418 积分(按约千字计)。
- 联网搜索
- 不支持
适合
- 审查长文档或文档集合,例如一套合同、一本手册或一批政策文件。
- 跨整个代码库的问题,答案取决于项目中相距很远的文件。
- 跨多个来源的综合,要求每条结论都能追溯到具体位置。
- 很长的对话记录或案件经过,其中早期的一个细节会改变之后的全部解读。
不太适合
- 短任务,Luna 更快更便宜,答案同样够用。
- 针对一个狭窄问题的深度推理,那是 Sol 擅长的。
- 塞入大量无关文本,输入更多只会更贵,也让答案更含糊。
和其他模型的区别
与 GPT-5.6 Sol 相比,GPT-5.6 Terra 是用深度换广度:难点是要准确容纳大量材料时用 Terra,难点是推敲少数困难步骤时用 Sol。
示例提示词
这是完整的手册。请只用这份文档回答我的问题,每条结论都引用章节编号,并明确告诉我文档里没有写到的地方。
我附上了这个项目的二十个文件。回答之前,先列出你真正用到的五个文件,并说明其余文件为何不相关。然后回答问题,并为每条发现标注文件和行号。
请逐条比较这四份合作合同。用表格呈现,每行一个条款类别,标明每项义务落在哪一方,并标出最可能引发争议的三条。
这是一个客户很长的支持记录。请总结到目前为止的关系,按日期列出双方各自的承诺,并指出我们的记录与当初承诺相矛盾的地方。
常见问题
- GPT-5.6 Terra 主要用来做什么?
- GPT-5.6 Terra 是 OpenAI 当前 GPT-5.6 系列的长上下文档位。当难点在于材料数量时使用:审查长文档或文档集合、回答跨整个代码库的问题、综合多个来源并给出可追溯的引用,以及阅读早期细节会改变后续解读的长记录。
- GPT-5.6 Terra 和 GPT-5.6 Sol 有什么区别?
- Terra 是用广度换深度:它为在长输入中准确容纳大量材料而设计,Sol 则为在较小的问题上推敲少数困难步骤而设计。难点不在于找到正确的文件或段落时用 Sol;难点在于同时把一切尽收眼底时用 Terra。
- GPT-5.6 Terra 的上下文窗口更大吗?
- 当你需要一次处理大量输入时它是该选的档位,但实际边界应视为「你能提供多少并且能被正确引用回来」。塞入无关文本不会让模型更准确,只会更贵、答案更含糊。请先筛选材料,并要求给出引用,以便核对模型究竟用了什么。
- 处理长文档时 Terra 比 Luna 更好吗?
- 对于真正很长、问题分散在各处的文档,是的,因为 Luna 容易丢失较早的内容。如果文档你还没摸清,可以先从小处开始:用 Luna 列出文档大纲,再把相关章节交给 Terra 做细致工作。这种组合通常比一次性全部发送更省。
- 在 Ofrai 上如何计费?
- 它列在 Text Studio,与其他 Ofrai 用量一起从共享额度扣费。由于成本随输入长度增长,实际省钱的办法在准备阶段:先提取真正相关的章节,把完整文档留给确实需要它的那些问题。
- 什么时候该用 GPT-6 档位而不是 Terra?
- 当长输入不再是问题、可靠性成为问题时升级:模型摘要准确却漏掉了你明知存在的细节,或者需要同时处理超长输入和困难推理。当前 5.6 系列在这种组合上余量有限,GPT-6 旗舰档位更合适。
相关模型
同模态下更多 Ofrai 模型。
