ИИтак

Рейтинг Epoch AIСводная оценка общих возможностей модели: статистическая модель выводит её из результатов на многих бенчмарках с учётом их сложностиШкала условная (Claude 3.5 Sonnet = 130, GPT-5 = 150); интервал — 90-процентный диапазон оценки, и модели с перекрывающимися интервалами надёжно не различаются.Подробнее на английском ↗

7 место из 266
индекс 159, вероятный разброс 157–162 · весь рейтинг →

Бенчмарк	РезультатОбычно — доля заданий теста, которые модель решила. У некоторых тестов свой счёт; как он устроен, сказано в пояснении к названию теста	УсилиеНасколько долго модель рассуждала перед ответом, когда её проверяли: низкое, среднее, высокое, очень высокое, максимальное. Чем выше усилие, тем обычно выше результат — и тем дольше и дороже ответ. Показан лучший результат и усилие, на котором он получен
DTBenchВопросы с выбором ответа по теории принятия решений в задачах вроде парадокса Ньюкома, где твой выбор говорит о выборе похожих на тебяСлучайный выбор даёт около 40%, так что это нижняя планка, а не ноль.Подробнее на английском ↗	87,6%	максимальное
LMCAНасколько оценки моделью доводов в философии, теории решений и безопасности ИИ совпадают с оценками экспертовБалл — корреляция с оценками экспертов, умноженная на 100; практический потолок около 85, а не 100.Подробнее на английском ↗	61,4%	максимальное
Mystery Game Puzzles100 позиций из головоломочного варианта известной игры, название которой скрыто: нужно найти единственный лучший ходПодробнее на английском ↗	28,4%	среднее
Surface Evolver Bench16 задач: описать для физической программы Surface Evolver форму жидкости под действием поверхностного натяжения, гравитации и ограниченийЗасчитывается частичное выполнение: отдельные баллы за корректный файл, успешный прогон симуляции и совпадение объёма, площади и энергии с эталоном.Подробнее на английском ↗	83,8%	очень высокое
FrontierMath-Tier-4-v2-PrivateЗакрытый набор самых трудных задач FrontierMath: исследовательская математика, на которую у специалистов уходят часы и дниПодробнее на английском ↗	70,7%	максимальное
FrontierMath-Tiers-1-3-v2-PrivateСотни новых задач исследовательской математики от профессиональных математиков; эксперту на задачу нужны часы или дниПодробнее на английском ↗	86,0%	максимальное
FrontierCodeМодель исправляет проблему в открытом проекте, а правку оценивают по тому, приняли бы её сопровождающие проектаБалл выставляют по критериям сопровождающих и усредняют по пяти запускам; если нарушен хотя бы один обязательный критерий, за задачу ставят ноль.Подробнее на английском ↗	41,3%
DeepSWE113 долгих задач по программированию в 91 открытом проекте на пяти языках; задачи написаны с нуля и не публиковалисьEpoch нашла, что примерно в 20% задач проверка отклоняет верные решения, поэтому реальный потолок заметно ниже 100%.Подробнее на английском ↗	69,6%	максимальное
ProofBench100 закрытых задач по математике уровня старших курсов и аспирантуры: модель пишет доказательство на Lean 4, его проверяет программаПодробнее на английском ↗	74,0%	очень высокое
Chess Puzzles100 новых шахматных задач, позиция дана текстом: нужно найти единственный лучший ход по оценке движка StockfishПодробнее на английском ↗	51,6%
SimpleQA Verified1000 коротких вопросов на факты, на которые модель отвечает по памяти, без поиска в интернетеБалл — F1: учитываются и доля верных ответов, и точность там, где модель решилась ответить, так что честное «не знаю» лучше ошибки.Подробнее на английском ↗	43,2%	максимальное
ARC-AGI-2Вторая, более трудная версия головоломок на клетках: по примерам найти скрытое правило и применить его к новой картинкеНа каждое задание даётся две попытки; люди в среднем решают около 60% заданий.Подробнее на английском ↗	83,9%	максимальное
WeirdMLНеобычные задачи по машинному обучению: модель пишет код, который на выданных данных обучает классификатор, например для распознавания фигурБалл — средняя точность обученных моделью классификаторов, а не доля решённых задач.Подробнее на английском ↗	78,3%	высокое
OTIS Mock AIME 2024-202545 олимпиадных задач по математике из пробных экзаменов AIME школы OTIS; ответ — целое число от 0 до 999Подробнее на английском ↗	99,7%
SimpleBenchВопросы с подвохом на здравый смысл: пространство, время, поведение людей. 213 вопросов, у каждого шесть вариантов ответаЛюди в проверке авторов набрали около 84%, а балл модели — средняя точность по пяти прогонам.Подробнее на английском ↗	38,7%
GPQA diamond198 вопросов с выбором ответа по физике, химии и биологии уровня аспирантуры — такие, что ответ не найти поискомСлучайный выбор даёт 25%, а специалисты с учёной степенью в своей области набирают около 70%.Подробнее на английском ↗	91,1%
ARC-AGIГоловоломки на цветных клетках: по паре примеров нужно понять правило преобразования картинки и применить его к новойПодробнее на английском ↗	96,5%	максимальное

Характеристики

Вышла: 9 июля
КонтекстСколько текста модель учитывает за один запрос: вопрос, приложенные документы и её собственный ответ вместе. Токен — кусок слова; слово обычно занимает один–три токена: 1,1 млн токенов
Длина ответаСколько токенов модель может выдать за один ответ, вместе со скрытыми рассуждениями, если они есть: до 128 тыс. токенов
Цена входаСколько стоит миллион токенов, отправленных модели: вопрос, документы, вся история переписки: $2 за миллион токенов
Вход из кэшаЦена входа для повторяющегося начала запроса, которое лаборатория уже сохранила у себя. В длинной переписке и у агентов это большая часть входа — и в разы дешевле: $0,20 за миллион токенов
Цена ответаСколько стоит миллион токенов, написанных моделью, — включая скрытые рассуждения: $12 за миллион токенов
Понимает: текст, изображения, PDF
Отвечает: текст
РассужденияПеред ответом модель рассуждает про себя: медленнее и дороже, зато точнее на трудных задачах: да
Вызов инструментовМодель сама просит программу выполнить действие — поиск, запуск кода, запрос к сервису — и продолжает с результатом. На этом держатся агенты: да
ВесаОткрытые — файлы модели можно скачать и запустить на своих серверах. Закрытые — доступ только через сервис лаборатории: закрытые
Знания до: февраль 2026
Идентификатор в API: gpt-5.6-terra

Что это за модель

GPT-5.6 Terra — средняя из трёх моделей линейки GPT-5.6, которую OpenAI выпустила в июле 2026 года. По возможностям линейка идёт так: бюджетная Luna, затем Terra, сверху флагманская Sol. Сама OpenAI называет Terra сбалансированной моделью для повседневной работы в рабочей среде. Перед ответом она рассуждает, и глубину этих рассуждений можно выбрать из шести уровней: от «none» (сразу отвечать) до «max». По умолчанию стоит средний уровень.

По словам компании, Terra работает лучше предыдущей GPT-5.5 и при этом стоит дешевле. Кроме того, на ту же задачу она тратит меньше токенов ответа, так что за каждый доллар выходит больше результата. Для самых сложных задач в линейке есть Sol, а Terra рассчитана на случаи, когда нужен баланс качества и расходов. В рейтинге Epoch она занимает седьмое место из 266, то есть держится близко к верху.

OpenAI советует брать Terra, чтобы писать код, обрабатывать тексты, извлекать данные в заданном формате и решать агентные задачи общего назначения. Агентная задача — это когда модель сама выполняет несколько шагов подряд с помощью инструментов. Через Responses API модель подключает встроенные инструменты: поиск в интернете, поиск по файлам, генерацию картинок и запуск кода. Ещё она умеет отвечать строго по заданной схеме и вызывать функции разработчика. Кроме платформы OpenAI, модель доступна в Amazon Bedrock и Microsoft Foundry.

Нужно учитывать одну оговорку. Если в запросе больше 272 тысяч входных токенов, весь запрос оплачивается по двойной цене за вход, так что работать с очень длинными документами заметно дороже. Звук и видео модель на вход не принимает. В Amazon Bedrock набор функций зависит от того, через какой адрес API идут запросы: на одном из двух нет встроенных инструментов и ответов по схеме.

Источники: GPT-5.6 Terra в документации OpenAI API, Карточка модели в Amazon Bedrock

Того же уровня по индексу Epoch

23 апреля
GPT-5.5
OpenAI8-е место в Epochконтекст 1,1 млн$5 / $30рассуждениядороже в 2,5 раза
5 марта
GPT-5.4 Pro
OpenAI9-е место в Epochконтекст 1,1 млн$30 / $180рассуждениядороже в 15 раз
28 мая
Claude Opus 4.8
Anthropic10-е место в Epochконтекст 1 млн$5 / $25рассуждениядороже в 2,1 раза
16 июля
Kimi K3
Moonshot AI11-е место в Epochконтекст 1 млн$3 / $15открытые весарассуждениядороже