把代码问题推进到可验证的修改
Terra 适合从需求、代码片段和报错记录中梳理问题，生成修改建议、测试思路与审查结论。其工程能力覆盖实现、真实代码库分析和命令行任务。提交任务时明确运行环境与验收条件，更便于获得可检查的补丁草案，而不是只有笼统解释。
Overview
API
Pricing
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 能力档位
- GPT‑5.6 家族均衡档位 Terra
- 输入与输出
- 文本、图像输入；文本回答
- 结构化交付
- Chat Completions 提供 JSON Object、JSON Schema 格式设置
- 工具协作
- 函数定义、工具选择与工具结果回传
- 推理与回复控制
- 推理控制字段、输出预算、流式响应
- 调用入口
- /openai/responses、/openai/chat/completions、/aichat/conversations
Terra 的原生定位是均衡推理；图文提交、输出格式和会话管理按所选调用入口使用。
核心能力
了解 gpt-5.6-terra 能为你的工作带来什么。
结合文字与截图理解业务信息
除了纯文本分析，Terra 可以结合截图、图表或界面图片回答问题。把图片与任务说明一起提交，可用于解释页面信息、对照需求检查界面，或整理图中可见内容。输出以文字为主，适合形成问题清单、说明文档和后续操作建议。
让分析结果进入应用流程
对于需要机器读取的交付物，可用结构化输出设置组织字段；对于需要业务数据的任务，可定义函数并回传执行结果。Terra 负责理解任务、提出调用与综合信息，应用负责校验参数和执行操作，适合搭建可控的分析助手与业务问答流程。
适用场景
从具体任务出发，找到模型发挥作用的位置。
开发团队的审查与排错助手
输入代码差异、相关模块和失败日志，让 Terra 按严重程度列出问题，说明触发条件并给出修复与测试建议。交付物可以是审查意见或修改草案。针对跨文件任务，提供依赖关系和必要背景，避免仅凭局部片段推断整个项目行为。
业务资料的比较与归纳
将制度条款、产品说明或会议记录整理为文本，要求 Terra 比较差异、提取待办并汇总疑点。可交付带原文依据的摘要，或按指定字段组织的 JSON。明确哪些内容允许推断、哪些必须引用原文，有助于区分事实整理与分析建议。
带视觉信息的产品支持
把用户问题与界面截图一起提交，让 Terra 解释可见状态、整理异常线索并生成排查步骤。适用于产品帮助、配置说明和界面问题初筛。需要查询账户或订单时，再由应用提供授权的数据工具，不把截图分析直接当作真实业务状态。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
日常用 Terra，复杂任务考虑 Sol
如果主要任务是代码审查、资料问答和业务分析，可先选择 Terra；它的定位就是兼顾能力与成本的日常型号。需要更深入的推理、复杂工程规划或高价值长流程时，可比较 Sol。对大量分类、轻量摘要和简单抽取，则可评估 Luna，不必每项任务都使用同一档位。
从 GPT‑5.5 切换时按任务验证
Terra 在官方多项编码与专业工作评测中优于 GPT‑5.5，但并非所有项目都更强，部分视觉与高难数学评测仍有取舍。迁移时宜用已有代码问题、真实资料和固定验收标准比较正确性、格式稳定性与使用量，而不是仅凭代际数字决定替换。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- 图像理解不等于生成图片，也不等于能直接操作界面。截图中的细小文字、遮挡内容和精确数值应结合原始数据复核；检查页面布局时，最好同时提供需求说明，避免把视觉判断当成功能测试。
- 函数调用不等于自动执行代码或业务操作。应用需要负责运行工具、检查权限并回传结果；涉及写入数据或修改文件的任务应设置确认步骤。不要把普通对话请求视为已经连接浏览器或开发环境。
- Terra 的均衡定位不代表所有复杂问题都能一次完成。多文件分析和较长资料整理应提供关键背景，并分阶段检查结果；代码修改仍需测试，资料结论应保留原文依据，避免遗漏约束或混淆不同版本。
常见问题
解答使用 gpt-5.6-terra 时的常见疑问。
GPT‑5.6 Terra 与 Sol、Luna 有什么区别？
Terra 是均衡档位，适合日常工程、分析和问答；Sol 面向更高难度任务，Luna 更强调速度与成本效率。三者是同代不同能力档位，不是相同型号的不同名称。可按任务难度和交付要求选择，而非只比较名称。
Terra 可以读取截图吗？
可以用于图文理解。使用 Chat Completions 时，可在同一条消息中放入 text 与 image_url 内容块，并明确希望检查的区域或问题。它返回文字分析，不因此获得绘图或点击界面的能力；重要数值仍应对照原始资料。
接入 Terra 应选择哪个接口？
已有 messages 对话流程可使用 Chat Completions；采用 input 与响应事件流程可选择 Responses。简单问答和托管连续会话可使用 AI Chat，以 question 提问并读取 answer。三个入口都使用 gpt-5.6-terra，但请求与返回结构不同。
怎样让 Terra 返回便于程序处理的结果？
可在 Chat Completions 中设置 JSON Object 或 JSON Schema 输出格式，并在提示中明确字段含义、缺失值规则与允许的取值。接收后仍应进行格式和业务校验。需要外部数据时，通过函数调用获取数据后再生成最终结果。
使用 Terra 连续对话需要保存什么？
使用 Chat Completions 时，需要组织并传入相关 messages 历史。若使用 AI Chat，可设置 stateful 为 true，保存返回的 id，后续请求持续携带它与 stateful。会话管理便于追问，但重要需求和验收条件仍宜清楚写入当前任务。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。
Input
$0.40per 1M tokens
Official $2.00
Output
$2.40per 1M tokens
Official $12.00
−80%vs official
Top-up
You pay$13,584for 142,800 credits · $0.0951 / credits
You're billed in credits. Pick a top-up tier to see its per-credit rate — the larger the top-up, the cheaper each credit.
Quickstart
Try the API
API Key
Please obtain an API Key first
Your API key is pre-filled in the snippet — copy and run it in your terminal or IDE.
This is only a basic call example. See the full docs for more parameters and advanced usage.