GPT-5.6 е вече наличен: промените в таксуването на кеширането на промптове обяснени

OpenAI официално пусна семейството GPT-5.6 на 9 юли 2026 г. AIHubMix завърши интеграцията на всичките три нива: gpt-5.6-sol, gpt-5.6-terra и gpt-5.6-luna вече са достъпни чрез Chat Completions и Responses. Версията променя и механизма за кеширане на промптове, както и неговото таксуване: записите в кеша вече се таксуват отделно. Тази публикация описва позиционирането на трите нива и разглежда промените в кеширането точка по точка.

Какво се променя при трите нива на GPT-5.6

GPT-5.6 преработва схемата за именуване: числото означава поколението на модела, а Sol, Terra и Luna са нива на възможности, които могат да се развиват независимо. Според официалните определения Sol е флагманският модел, Terra е по-евтино ниво с производителност, сравнима с GPT-5.5, а Luna е най-бързото и най-евтино ниво.

Според официалната позиция по отношение на възможностите Sol постига водещи резултати в програмирането, работата със знания, киберсигурността и научните задачи, като OpenAI го описва като най-добрия си модел за програмиране до момента, и поставя нови рекорди в Terminal-Bench 2.1 и DeepSWE; Terra постига производителност на GPT-5.5 на половин цена. Семейството добавя ниво на разсъждение max, а Responses API получава Programmatic Tool Calling и мултиагентни възможности (бета).

Обяснение на подобренията в механизма за кеширане

Преди GPT-5.6 кеширането на промптове при GPT моделите беше напълно автоматично: префиксите от 1024 токена или повече се кешираха автоматично, разработчиците нямаха контрол върху това какво се кешира и за колко време, а кешовете се изчистваха след 5–10 минути неактивност. OpenAI обобщава промените в GPT-5.6 като „по-предвидимо кеширане на промптове“, с три конкретни точки:

1. Периодът на съхранение се увеличава от „най-малко 5 минути“ до „поне 30 минути“. prompt_cache_options.ttl в момента поддържа само "30m"; това е гарантиран минимум, а действителното съхранение може да бъде по-дълго.
2. Явните точки на прекъсване на кеша са нова функция. Задаването на prompt_cache_breakpoint върху блок със съдържание фиксира границата на кеша в края на стабилното съдържание, така че промените след точката на прекъсване не анулират кеширания префикс преди нея; когато prompt_cache_options.mode е зададено на "explicit", се използват само ръчно зададените точки на прекъсване.
3. prompt_cache_key преминава от оптимизация към официално изискване. Започвайки с GPT-5.6, параметърът трябва да бъде зададен, за да се осигури по-надеждно съвпадение с кеша; OpenAI препоръчва трафикът за всеки ключ да се поддържа приблизително на 15 заявки в минута.

Как да оцените таксуването на записите в кеша от 1.25x

Започвайки с GPT-5.6, записите в кеша се таксуват при 1.25x базовата ставка за вход, а четенията от кеша – при 0.1x; при по-ранните модели записите в кеша нямат допълнителна такса. Официалната формулировка (от обявата за GPT-5.6): „За GPT-5.6 и по-новите модели записите в кеша се таксуват при 1.25x некешираната входна ставка на модела, докато четенията от кеша продължават да получават 90% отстъпка за кеширан вход.“

Изчислението за точката на окупаемост следва директно от официалните ставки: записът на префикс струва с 0.25x от входната ставка повече, отколкото без кеширане, а всяко следващо попадение спестява 0.9x от входната ставка: префикс, използван дори веднъж повторно, води до нетна икономия, като колкото по-често се използва, толкова по-голяма е икономията.

• Работни натоварвания, които ясно печелят: работни процеси с агенти и дълги системни промптове, RAG, който многократно включва дълги референтни материали, приложения с големи дефиниции на инструменти и многоходови разговори, които само добавят съобщения. Тези натоварвания имат висока повторяемост на префиксите, така че ставката за четене от 0.1x има решаващо значение.
• Работни натоварвания, които трябва да се наблюдават: еднократни дълги заявки, чийто префикс никога не се използва повторно. Автоматичното кеширане е включено по подразбиране, така че тези заявки носят невъзстановима такса за запис от 1.25x; задаването на prompt_cache_options.mode на "explicit" без зададени точки на прекъсване кара заявката да пропусне кеша изцяло и да не носи такса за запис.

Сравнение: кеширане на промптове при GPT-5.6 и Claude

Дизайнът на кеширането при GPT-5.6 съвпада с cache_control на Claude по няколко аспекта, а основната разлика е в поведението по подразбиране: GPT кешира автоматично без нужда от параметри, докато Claude изисква кеширането да бъде активирано в заявката – или чрез полето cache_control на най-високо ниво (автоматична точка на прекъсване), или чрез явни точки на прекъсване на ниво блок със съдържание.

Колоната за Claude отразява правилата, общи за всички активни модели на Claude: записи от 1.25x за нивото от 5 минути, 2x за нивото от 1 час и четения от 0.1x, които важат еднакво за цялата линия (документацията на Anthropic за кеширане на промптове), като разликите между моделите се ограничават до минималната дължина за кеширане; колоната за GPT-5.6 идва от ръководството на OpenAI за кеширане на промптове.

Ограниченията за точките на прекъсване, ставките за запис (за съответните нива) и ставките за четене съвпадат точно при двамата доставчици; на практика същата стратегия за структуриране на промптове – „първо статичното съдържание, последно променящото се“ – важи и за двамата. Разходите за миграция се concentrate в синтаксиса на параметрите: GPT използва prompt_cache_breakpoint + prompt_cache_key, а Claude използва cache_control.

Един и същ модел на кеширане в двата протокола

За един и същ сценарий „кеширане на статична дълга инструкция“ следват минималните реализации в двата протокола. Примерите използват gpt-5.6-sol и claude-opus-4-8. И двата имат една и съща базова входна цена (5 USD/M), така че ефективните цени на токен, получени от записите в кеша (1.25x) и четенията (0.1x), също са идентични; разликата е само в синтаксиса.

GPT протоколът задава prompt_cache_key на най-високо ниво (дългите префикси се кешират автоматично, без нужда от маркер за точка на прекъсване); Claude протоколът задава cache_control на най-високо ниво, за да активира автоматичното кеширане, и преминава към точки на прекъсване на ниво блок със съдържание, когато е нужен точен контрол над границата на кеша:

GPT-5.6 (Chat Completions)

curl https://aihubmix.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -d '{
    "model": "gpt-5.6-sol",
    "prompt_cache_key": "my-app-report-v1",
    "messages": [
      {
        "role": "system",
        "content": "[Static long instructions, >=1024 tokens]"
      },
      {
        "role": "user",
        "content": "Summarize the key figures."
      }
    ]
  }'

Claude (Messages)

curl https://aihubmix.com/v1/messages \
  -H "Content-Type: application/json" \
  -H "x-api-key: $AIHUBMIX_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -d '{
    "model": "claude-opus-4-8",
    "max_tokens": 1024,
    "cache_control": {"type": "ephemeral"},
    "system": "[Static long instructions, >=1024 tokens]",
    "messages": [
      {
        "role": "user",
        "content": "Summarize the key figures."
      }
    ]
  }'

При сравняване на двете заявки разликите се свеждат до: крайната точка (/v1/chat/completions срещу /v1/messages), заглавките за удостоверяване (Authorization: Bearer срещу x-api-key + anthropic-version), параметърът за кеширане (prompt_cache_key на най-високо ниво срещу cache_control на най-високо ниво) и изискването на Claude за изрично зададен max_tokens. И двете заявки бяха проверени на aihubmix.com (2026-07-10): gpt-5.6-sol върна cached_tokens: 2816 при второто извикване; claude-opus-4-8 върна cache_creation_input_tokens: 3632 при първото извикване и cache_read_input_tokens: 3632 при второто.

Освен форматa на заявката, остават три разлики на ниво механизъм:

1. Активиране: GPT кешира автоматично дори без никакви параметри за кеширане, като prompt_cache_key подобрява надеждността на попаденията; Claude изисква декларация: или точка на прекъсване cache_control на ниво блок със съдържание, или автоматичния режим чрез cache_control на най-високо ниво.
2. Полета за използване: GPT отчита четенията от кеша в prompt_tokens_details.cached_tokens; Claude отчита записите и четенията поотделно като cache_creation_input_tokens и cache_read_input_tokens, което улеснява независимата проверка както на записите, така и на попаденията.
3. Контрол на живота на кеша: ttl при GPT-5.6 в момента поддържа само "30m"; Claude по подразбиране е 5 минути (подновяват се безплатно при всяко попадение), с по желание "ttl": "1h" (записите се таксуват при 2x).

Какво да се промени при смяна на модели между протоколи

Шлюзът на AIHubMix поддържа извиквания между протоколи: крайната точка, съвместима с OpenAI, може да извиква модели на Claude (cache_control се поставя директно в блоковете със съдържание на съобщенията във формата на OpenAI; вижте практиките за Prompt Caching), а крайната точка /v1/messages, съвместима с Claude, може да извиква GPT-5.6 (проверено, работи). При смяна на модели проверете три неща:

• Променете model на идентификатора на целевия модел;
• Сменете синтаксиса на параметрите за кеширане: prompt_cache_key / явните точки на прекъсване съответстват на cache_control на Claude;
• Сменете имената на полетата за използване: cached_tokens съответства на cache_read_input_tokens на Claude.

Препоръчителни пътища за кеширане на промптове: моделите на GPT през Chat Completions (пътят с попадение в кеша, проверен в тази публикация); моделите на Claude работят през който и да е от двата протокола.

Сравнение: GPT-5.6 срещу по-ранното кеширане при GPT

Промените сочат в една посока: кешът от по-ранните поколения не таксуваше запис, но не можеше да се контролира и имаше несигурно задържане; GPT-5.6 таксува записа, но предлага гарантиран минимален срок на задържане и прецизни контроли на кеша. Според тарифите префикс, който се използва повторно средно повече от веднъж, спестява повече, отколкото добавената цена на записа; 30-минутният минимален срок на задържане и контролируемите точки на прекъсване правят достигането на този процент на повторна употреба по-предвидимо.

Начало работа в AIHubMix

И трите нива вече са достъпни, с идентификатори на модели gpt-5.6-sol, gpt-5.6-terra и gpt-5.6-luna. Кеширането не изисква допълнителна конфигурация; последователни заявки с един и същ дълъг префикс използват кеша:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AIHUBMIX_API_KEY"],
    base_url="https://aihubmix.com/v1",
)

long_context = "You are a meticulous assistant for analyzing quarterly financial reports... [Static long instructions, >=1024 tokens]"

for i in range(2):
    completion = client.chat.completions.create(
        model="gpt-5.6-sol",
        prompt_cache_key="my-app-report-assistant-v1",
        messages=[
            {"role": "system", "content": long_context},
            {"role": "user", "content": "Summarize the key figures in one sentence."},
        ],
    )
    print(completion.usage.prompt_tokens_details)

Стойност на usage.prompt_tokens_details.cached_tokens, по-голяма от 0, при второто извикване показва попадение в кеша (пример от измерване: cached_tokens: 2816). За подробности за параметрите, таксуване и отстраняване на проблеми с попаденията вижте документацията за GPT Prompt Caching.

Често задавани въпроси

Кои API могат да извикват GPT-5.6 в AIHubMix?

Chat Completions (/v1/chat/completions), Responses (/v1/responses) и съвместимият с Claude Messages API (/v1/messages) могат да извикват моделите, като и трите нива са достъпни. За кеширане на промпт в момента препоръчителният път е Chat Completions.

Ако клиентът ми не променя нищо, какво се променя в таксуването след надграждане до GPT-5.6?

Кеширането на промпт се прилага автоматично по подразбиране: заявки, чийто префикс достига 1024 токена, получават позиция за запис в кеша, таксувана по 1,25 пъти ставката за входни токени, а повторно използваните префикси се таксуват по ставката за четене от 0,1 пъти. Приложения с висока повторна употреба на префикси обикновено виждат по-ниски общи разходи; еднократни дълги заявки, които никога не използват повторно префикс, могат да изключат кеширането с explicit режим.

Използвал съм кеширане на промпт на Claude. Какво да променя, за да мигрирам към GPT-5.6?

Стратегията за структуриране на промпта остава същата: статичното съдържание първо, променящото се съдържание последно. Параметрите се променят от cache_control към prompt_cache_breakpoint, плюс prompt_cache_key; задържането се променя от нивата от 5 минути/1 час към гарантиран минимум от 30 минути.

Как да избера между трите нива на GPT-5.6?

Според официалното позициониране: изберете Sol за сложна професионална работа и задачи по програмиране; изберете Terra за ежедневни натоварвания (производителност на ниво GPT-5.5 на половin цена); изберете Luna за чувствителни към разходите сценарии с голям обем. И трите нива споделят един и същи контекстен прозорец и максимален изход, така че можете да насочвате заявките според сложността на задачата.

Официални източници

Спецификациите на моделите, механизмите за кеширане и тарифите за таксуване в тази публикация са взети от следните официални източници:

• Обявяване на GPT-5.6 (OpenAI, 2026-07-09)
• Ръководство за кеширане на промпт на OpenAI
• Цени на OpenAI
• Документация за кеширане на промпт на Anthropic

Свързана документация на този сайт: GPT Prompt Caching · Claude Prompt Caching · Prompt Caching practices

Посетете галерията с модели, за да видите цените на GPT-5.6, или разгледайте още опции за интеграция в центъра за документация.

Последна актуализация: 2026-07-10