GPT-5.6 Terra · workflow
DataCamp 的 Terra 路由案例用输入长度、工具调用频率和终端需求划分长上下文任务，并提醒按完整请求成本预算。
先测量请求 token 数、工具调用频率和终端需求；当输入接近 272K 时按完整请求价格核算，必要时拆分资料，并把每次路由理由写入成本记录。
请将 {{WORKLOAD_NAME}}、{{INPUT_TOKENS}}、{{TOOL_CALL_RATE}}、{{TERMINAL_NEED}}、{{LONG_CONTEXT_THRESHOLD}}、{{SPLIT_STRATEGY}}、{{FULL_REQUEST_COST}}、{{ROUTING_REASON}}、{{COST_ACCEPTANCE}} 填入任务正文，并在最终验收中逐项回写这些字段。运行前仍需替换: {{WORKLOAD_NAME}}, {{INPUT_TOKENS}}, {{TOOL_CALL_RATE}}, {{TERMINAL_NEED}}, {{LONG_CONTEXT_THRESHOLD}}, {{SPLIT_STRATEGY}}, {{FULL_REQUEST_COST}}, {{ROUTING_REASON}}, {{COST_ACCEPTANCE}}
先测量请求 token 数、工具调用频率和终端需求；当输入接近 272K 时按完整请求价格核算，必要时拆分资料，并把每次路由理由写入成本记录。
把单次输入是否超过 272K tokens、是否高频调用工具和是否需要终端执行作为路由条件，才能避免 Terra 的低标价在超长请求上失真。
适合的任务：为终端 Agent、工具密集型流水线和大文档检索建立初始路由规则与成本预算。
不适合的任务：把 DataCamp 汇总的跨厂商分数当成同一 harness 下的严格胜负，或把示例价格当成长期报价。
适用的模型版本：GPT-5.6 Terra；文中的 Sonnet 5 仅作为对照路由。
适用的客户端、Agent 或 API：OpenAI Responses API、终端/代码 Agent 或自建网关。
推荐的推理档位和参数：先用 Terra 默认/medium；工具调用和输出很长时按真实 trace 计费，复杂任务再比较更高档位。
将文章的成本比较改写成可执行的预算规则：
输入成本 = 输入 tokens / 1,000,000 × 输入单价
输出成本 = 输出 tokens / 1,000,000 × 输出单价
总成本 = 输入成本 + 输出成本
如果单次 input > 272,000：
Terra 输入成本按 2×，输出成本按 1.5×（整次请求）
路由初始规则：
shell/terminal/tool-heavy -> Terra
repository bug fixing -> Terra 与同档模型做小样本 A/B
单次上下文 > 272K -> 先比较分块 Terra 与平价长上下文模型
需要 custom temperature/top_p/top_k -> 选支持这些参数的模型从日志中统计每个请求的 input/output tokens、单次输入长度、工具调用数、模型轮数和失败重试数。
将任务分成“单次输入不超过 272K”和“超过 272K”两组，不要只按总月度 token 量比较。
对终端和工具密集任务先跑 Terra，记录每个工具调用前后的 token 和模型轮数；必要时比较 Programmatic Tool Calling 的真实收益。
对超长文档分别测试“一次性 Terra”和“按章节分块 Terra”，再与没有长上下文 surcharge 的备选模型比较总成本与质量。
对仓库修复任务固定相同输入、测试集和停止条件；DataCamp 明确提示 SWE-Bench Pro 的厂商分数来自不同 harness，只能作为方向性证据。
用实际计费账单回填预算。文章中的价格、缓存规则和 introductory pricing 都可能随日期变化。
DataCamp 给出的 Terra 参数：1,050,000 context、128K max output；2026-07-30 后价格为 $2/$12（输入/输出每 1M）。
Terminal-Bench 2.1：Terra 87.4%，Sonnet 5 80.4%；SWE-Bench Pro：Terra 63.4%，Sonnet 5 63.2%，文章将后者视为近似持平。
文章给出的 3 个计算样例：
1M input / 4M output：Terra $50，Sonnet 5 $63。
10M input / 1M output，拆成每次低于 272K：Terra $32，Sonnet 5 $45。
同样总量但每次超过 272K：Terra $58，Sonnet 5 $45。
文章称 Terra 的 Programmatic Tool Calling 在 Clio 的多步文档分析中减少 38% prompt tokens；该数字是合作方报告，不是 DataCamp 独立重跑。
文章给出的长上下文 MRCR v2 8-needle：Terra 在 256K–512K 为 89.6%，512K–1M 为 72.5%；文章没有给出 Sonnet 5 的同口径数字。
DataCamp 是比较型二手整理，不能替代 OpenAI 官方价格页或原始 benchmark 运行。
SWE-Bench、Terminal-Bench 的 Terra/Sonnet 数字来自不同厂商报告和 harness；“7 分领先”不能理解为完全受控的同场实验。
价格样例未纳入每个团队的缓存命中、重试、工具调用费、并发和折扣；预算必须用真实 trace 校准。
合作方的 token 减少结论（Notion、Clio、PlayCo 等）不是独立复现，适合作为待验证假设。
文章的核心判断是 “Terra is the stronger pick for terminal-driven coding agents”，但作者同时强调超 272K 请求会改变成本结论。
DataCamp · 原文日期: 2026-08-04 · 编辑日期: 2026-09-20
阅读原始来源GPT-5.6 Terra
请在上方所列环境中运行本指南。下载不会自动传入模板，也不代表账户已开放该模型。