Tarif de lancement (jusqu’au 25 déc.), garanti tant que vous restez abonné : Go à $10/mois (au lieu de $20), Plus avec Opus 5.5 à seulement $30/mois (au lieu de $50)S’abonner →
Chat textecontexte de 1M

GPT-5.6 Terra

Essayez GPT-5.6 Terra en ligne pour un codage de production équilibré, l’analyse et l’automatisation. Testez des prompts, surveillez l’utilisation des tokens et connectez-vous via l’API.

Prix / 1M de tokensÉconomisez 70 %
OfficielAIReiter
Entrée$2.00$0.60
Sortie$12.00$3.60
Lecture du cache$0.20$0.06
Création cache$2.50$0.75
Documentation
Entrée
Limite la longueur de la réponse. Les modèles de raisonnement comptent aussi leur réflexion.
gpt-5.6-terra
Sortie

A codebase you don't know is a risk, not a hurdle. The plan should burn down that risk in order: understand, run, trace, spike, then make the change small enough that "production-ready" is a property you can demonstrate, not a hope.

Here are the first five steps, with the evidence you collect at each.

Step 1 — Get it building and the baseline green (half day)
Read the README, the manifest(s), the CI config, and any architecture docs. Boot the app locally, run the full test suite, run the linter/typechecker.
Evidence: The exact commands that reproduce a clean build and a passing test suite from a fresh checkout (recorded output, not memory of it). A one-page map you wrote yourself: where the entry points are, the layers, the build/test toolchain, and the main risks to your feature (e.g. "this touches cron jobs and payments").

Step 2 — Trace the smallest end-to-end slice that resembles your feature (half day)
Don't start with your feature. Pick a neighboring one that already works and follow it from entry to persistence. Note the conventions along the way: how errors surface, how config is injected, how logging is done, how tests are written.
Evidence: An annotated trace — file → function → what it does — for that slice. A written list of "conventions I must follow" (not intuitions; things you observed in real code). A named shortlist of the 3–5 files you will actually touch. If you can't produce this trace, you're not ready to write code.

Step 3 — Spike the core path (day 2)
Build the ugly version: hardcoded values, no error handling, no tests. The purpose is to confirm the path you traced in step 2 is real and to surface what you didn't know you didn't know.
Evidence: A working spike demonstrating the feature's central data path, alongside a list of every assumption the spike broke and what you corrected. That correction list is the most valuable document in this whole plan.

Step 4 — Write the contract before the code (half of day 2 / day 3)
Once the spike proves the path, pin down what production needs: the inputs/outputs, the error cases, where it sits in the conventions from step 2. Then write the tests — they'll be red, but they're the specification.
Evidence: A one-to-two-page design doc, an agreed interface/API shape (with the team if there is one), and a red test suite that encodes intended behavior. If you can't write the contract without consulting the code, you haven't finished step 2.

Step 5 — Implement in small, verified increments (days 3–4)
Replace the spike with the real thing in small commits, each one keeping the suite green, leaning on the existing patterns. Run lint/tests/typecheck per commit — CI, not just locally — and exercise the actual path against a real instance (staging or a local environment that isn't stubbed).
Evidence: A branch with progressive commits, each green in CI; coverage on the new code; something that proves it works against reality (a test result, a log trace, a screenshot); and a review by at least one person who knows the codebase. The review counts as evidence — an unfamiliar codebase has tribal knowledge you cannot extract from the files alone.

Steps 6+ would be the things that actually make it "shipped": a migration plan and its rollback, feature flagging, observability, the release and post-release verification. But the first five get you to a reviewed, green, working slice in staging — which is the point at which you can say "this will work in production" with evidence behind it, instead of a guess.

Généré en42.7s
Token d’entrée134
Token de sortie2,354
Tokens / s55.13
TTFT-

Exécuter ouvre AI Chat avec ce prompt. Connexion et crédits requis.

Détails du modèle

Utilisez la même clé de modèle dans le Playground, les requêtes API et les workflows internes.

ID du modèle
gpt-5.6-terra
Fournisseur
OpenAI
Protocole
OpenAI Chat Completions
Fenêtre de contexte
1,050,000 tokens
Sortie maximale
128,000 tokens
Token d’entrée
60 crédits / 1 M de tokens
Token de sortie
360 crédits / 1 M de tokens
Lecture du cache
6 crédits / 1 M de tokens
Écriture du cache
75 crédits / 1 M de tokens

Ce que vous pouvez faire avec GPT-5.6 Terra

Choisissez GPT-5.6 Terra lorsque vous avez besoin d’un équilibre pratique entre capacités, réactivité et coût pour des charges de travail de production.

Codage équilibré

Gérez les fonctionnalités, le débogage, les tests et l’explication du code avec une qualité orientée production.

Analyse opérationnelle

Transformez les logs, les rapports et les exigences en constats structurés et en prochaines actions.

Automatisation des workflows

Prenez en charge les agents et les processus backend qui nécessitent davantage de raisonnement qu’un niveau léger.

Rédaction métier

Créez des spécifications claires, des briefs et du contenu destiné aux clients à un coût équilibré.

Cas d’utilisation de GPT-5.6 Terra

Le mieux adapté aux paramètres de production par défaut qui nécessitent un meilleur rapport capacités/coût qu’un recours systématique au niveau phare.

Codage de production

Utilisez-le comme option par défaut pratique pour les travaux de développement et de maintenance.

Pipelines d’analyse

Extrayez des constats et des recommandations à partir de documents opérationnels.

Assistants métier

Prenez en charge les tâches récurrentes de rédaction, de planification et de gestion des connaissances.

Routage milieu de gamme

Gérez les tâches qui dépassent Luna sans payer Sol à chaque requête.

Essayez GPT-5.6 Terra en 3 étapes

  1. 01

    Choisissez vos paramètres

    Définissez les contrôles de réponse et les options d’envoi prises en charge par le modèle.

  2. 02

    Envoyez une instruction

    Décrivez la tâche, ajoutez le contexte pertinent, et consultez la réponse diffusée en continu ainsi que l’utilisation des tokens.

  3. 03

    Connectez l’API

    Utilisez le endpoint documenté et votre API key pour intégrer ce même modèle à votre produit.

Développez avec l’API GPT-5.6 Terra

Gérer les clés API →

Passez d’un test interactif à une intégration en production avec des contrôles prévisibles et un suivi de l’utilisation.

01Protocoles familiers

Utilisez le protocole API configuré pour ce modèle, y compris le streaming lorsqu’il est disponible.

02Visibilité de l’utilisation

Suivez les tokens d’entrée, les tokens de sortie et les crédits consommés après chaque réponse.

03Contrôles spécifiques au modèle

Passez les paramètres de génération pris en charge au lieu de vous fier à des valeurs par défaut génériques.

04Un seul compte et un seul solde

Testez et exploitez les modèles de texte pris en charge via le même compte AIReiter et le même système de facturation.

FAQ

01Quand dois-je choisir GPT-5.6 Terra ?

Choisissez Terra comme option par défaut équilibrée pour le codage de production, l’analyse, la rédaction et l’automatisation.

02En quoi Terra diffère-t-il de Sol et Luna ?

Terra se situe entre le modèle phare Sol et l’économique Luna, ce qui le rend utile pour le routage selon le rapport capacités/coût.

03Terra peut-il être utilisé comme option par défaut d’une application ?

Oui, mais validez-le sur votre charge de travail réelle et n’orientez vers Sol que les requêtes qui en ont besoin.

04Comment GPT-5.6 Terra est-il tarifé ?

Les tarifs actuels des tokens d’entrée et de sortie sont affichés au-dessus du playground.

05Puis-je appeler GPT-5.6 Terra via une API ?

Oui. Suivez la documentation API liée et utilisez l'ID du modèle gpt-5.6-terra.