GPT-5.6 Terra (India)

该模型属于 gpt-terra 家族，2026-07-09 发布，权重不开源，需通过 Amazon Bedrock 调用。它针对的核心问题是长上下文下的复杂任务处理：105 万 tokens 的上下文窗口与 12.8 万 tokens 的单次最大输出，让整本手册、成套代码或多轮会话记录可以一次性进入提示，不必切片拼接。输入侧接受 text、image、pdf 三类模态，输出仅限 text，因此更适合把图文资料与 PDF 报告转成文本结论，而不是生成图像。能力项标注了推理、工具调用、结构化输出与附件输入，意味着它可以进入需要多步判断、调用外部函数并返回可解析结果的工程链路。知识截止为 2026-02-16，此后信息需依靠检索或提示补充。与同系列 Global、US 版本共享 1.05M 上下文规格，区别主要落在区域供应与计费口径上。

选型建议需要百万级上下文、图像与 PDF 输入，且能接受闭源托管与较高输出单价的团队可选它；预算敏感或需要图像生成、开源权重的场景应另择模型。

• 解析长篇 PDF 报告与扫描件文本，输出结构化摘要与要点清单
• 在智能体流程中调用外部工具，完成多步检索与结果汇总
• 将合同、规范或工单记录一次性送入上下文，做条款比对与风险标注
• 以结构化格式输出对接下游系统，减少后处理清洗工作量
• 结合图像输入读取图表截图，转写为可检索的文本结论

权重未开源，公开资料未披露参数规模与层数等结构细节；可确认的是多模态输入与工具化输出能力。

• 结构闭源权重，经 Amazon Bedrock 托管提供，本站未收录参数规模、层数与训练数据构成等结构信息。
• 能力输入侧覆盖 text、image、pdf，输出仅 text；支持推理、工具调用与结构化输出，便于嵌入自动化流程。
• 披露官方未公开架构细节，公开资料较少；选型应以接口文档与实际压测为准，而非推测参数。

开源权重

否

模型家族

gpt-terra

本站未收录该模型的第三方跑分，能力判断只能基于上下文规格与已标注能力做定性推断。

• 强项105 万 tokens 上下文配 12.8 万 tokens 单次输出，适合整本手册、长篇合同或大仓库代码的一次性通读。
• 短板仅输出文本，无图像或音频生成；知识截止 2026-02-16，时效性内容需外接检索补齐。
• 适合多步推理、函数调用与结构化返回并存的工程任务，而非单轮闲聊或纯创意写作。

官方价格按 tokens 计费，输入 2.2 美元/百万、输出 13.2 美元/百万，缓存读 0.22 美元/百万。

• 定位输出单价约为输入单价的 6 倍，成本压力集中在生成侧，提示侧堆叠长文档相对可控。
• 横向对比与 GPT-5.6 Terra (US) 同价，比 Global 版贵 9.1%；相对 GPT-6.1 Terra 与 Luna 版本价差明显，后者输入价低约九成。
• 平台差价本站收录平台仅 1 家，models.dev 两条报价完全一致，暂无跨平台比价空间，议价余地有限。
• 省钱缓存读单价为输入价的十分之一，将系统提示与固定资料走缓存、并压缩输出长度是最直接的成本手段。

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 $2.2/M / $13.2/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

• 口径本站未收录公开跑分，任何榜单名次与分数都无法核实；同类对比中的 AA 字段同样为空，不宜引用。
• 边界闭源权重、仅文本输出、单一平台供应，且为 India 区域版本，跨区调用与合规归属需按 Bedrock 的区域规则确认。

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。