GPT-5.6 Terra (Global)

GPT-5.6 Terra (Global) 属于 gpt-terra 系列，由 Amazon Bedrock 托管分发，2026 年 7 月发布，不开放权重。它要解决的核心问题是：在受管云平台上一次性容纳大体量材料并完成推理、工具调用与结构化输出。105 万 tokens 的上下文窗口配合 12.8 万 tokens 的单次最大输出，意味着可以整包放入长篇文档、多份附件与较长的对话历史，而不必先做切片摘要；输入侧接受文本与图像，输出为纯文本，适合以文字结论交付的任务。能力面上，推理、工具调用、结构化输出与附件输入齐备，便于接入既有业务流程，例如把图像附件与文字材料一并交给模型，再以 JSON 等结构返回。知识截止为 2026 年 2 月，之后的事实需要靠外部检索或工具补齐。需要留意的是，当前仅在 1 家平台收录，第三方公开跑分缺失，选型时应以自己的任务样本做验证，而非依赖榜单。

选型建议需要超长上下文、图像附件读取与结构化输出，且接受 Bedrock 托管与闭源约束时选它；追求最低单价、自托管权重或图像生成时改选同族低价型号或其他方案。

• 整包读入长篇合同或技术文档，输出结构化要点与风险条款清单
• 把扫描件、图表截图等图像附件与文字说明合并送入，生成文字分析结论
• 在 Agent 流程中调用外部工具取数，再以固定 JSON 结构回填业务系统
• 对超长会议记录或客服会话做跨段落归纳与待办抽取
• 以缓存前缀方式复用固定提示与知识库，支撑高频批量文本处理

官方未公开参数规模与具体网络结构，只能从可用接口与上下文规格做功能性判断。

• 结构闭源权重、不开放下载，通过 Amazon Bedrock 以托管接口调用，模型内部细节公开资料较少，选型时以接口能力为准。
• 能力原生支持文本与图像输入、纯文本输出，并提供工具调用与结构化输出，便于嵌入需要固定字段返回的自动化流程。
• 披露参数规模、训练数据构成与对齐方法均未在本站事实中给出，第三方跑分亦未收录，架构层面的定量比较暂不可行。

开源权重

否

模型家族

gpt-terra

缺少公开跑分，性能判断只能依据上下文规格、模态支持与定价档位做定性推断。

• 强项105 万 tokens 上下文加 12.8 万 tokens 单次输出，适合整本材料通读、长对话延续与多附件合并分析，减少切片带来的信息割裂。
• 短板仅输出文本，不生成图像或音频；知识截止 2026 年 2 月，时效性问题需外挂检索，纯多模态生成类任务不适合。
• 适合需要长文档理解、图像附件读取、结构化字段抽取与工具串联的业务场景，比短上下文模型更省去前置切分工程。

官方定价为输入 2 美元、输出 12 美元、缓存读 0.2 美元每百万 tokens，输出成本是输入的数倍，成本结构偏重生成侧。

• 定位处于 gpt-terra 系列的中高价档，输出单价明显高于同族低价型号，适合把预算放在长上下文与推理质量上的任务。
• 横向对比与同代 GPT-5.6 Terra 的 India、US 版本相比，Global 输入价低约 10%，是同代区域版本中报价最低的一档。
• 平台差价models.dev 与其 amazon-bedrock 条目报价一致，均为输入 2 美元、输出 12 美元，暂未观察到渠道价差。
• 省钱缓存读仅为输入价的十分之一，把稳定的系统提示与长文档固定为可缓存前缀，可显著压低重复调用成本。

同一个模型在不同网关的报价可能不同。本页基准取官方口径 $2/M / $12/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径本站未收录该模型的第三方公开跑分，任何能力排序都缺少统一基准，跨模型比较只能参考上下文、模态与价格等硬指标。
• 边界知识截止 2026 年 2 月，且仅 1 家平台收录、不开放权重，部署灵活性与自托管需求无法满足，时效性任务需外接检索。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。