GPT-5.6 е наличен: Обяснение на промените в таксуването на кеширането на запитвания

OpenAI официално пусна семейството на GPT-5.6 на 9 юли 2026 г. AIHubMix завърши интеграцията на трите нива: gpt-5.6-sol, gpt-5.6-terra и gpt-5.6-luna вече са налични чрез Chat Completions и Responses. Пускането също така променя механизма за кеширане на запитвания и неговото таксуване: записите в кеша сега се таксуват отделно. Тази публикация обхваща позиционирането на трите нива и разглежда промените в кеширането точка по точка.

Какви промени настъпват с трите нива на GPT-5.6

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

По отношение на способностите, официалната позиция: Sol постига най-добри резултати в кодиране, интелектуална работа, киберсигурност и научни задачи, описан от OpenAI като най-добрият им модел за кодиране до момента, и поставя нови рекорди на Terminal-Bench 2.1 и DeepSWE; Terra съответства на производителността на GPT-5.5 на половин цена. Семейството добавя максимално ниво на разсъждение, а API за отговори получава програмируемо извикване на инструменти и многоагентни (бета) възможности.

Обяснение на обновлението на механизма за кеширане

Преди GPT-5.6, кеширането на запитвания в моделите GPT беше напълно автоматично: префиксите от 1,024 токена или повече се кешираха автоматично, разработчиците нямаха контрол върху това какво се кешира или за колко дълго, а кешовете се изчистват след 5–10 минути неактивност. OpenAI обобщава промените в GPT-5.6 като "по-предсказуемо кеширане на запитвания", с три конкретни точки:

1. Запазването преминава от "възможно най-кратко 5 минути" до "поне 30 минути". prompt_cache_options.ttl в момента поддържа само "30m"; това е гарантирано минимално време, а действителното запазване може да бъде по-дълго.
2. Явните точки на прекъсване са нови. Настройването на prompt_cache_breakpoint на блок съдържание фиксира границата на кеша в края на стабилното съдържание, така че промените след точката на прекъсване не анулират кеширания префикс преди нея; с prompt_cache_options.mode зададено на "explicit", се използват само ръчни 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 на кеша; OpenAI препоръчва да се поддържа трафик на ключа около 15 заявки на минута.

Как да оценим таксуването на записите в кеша 1.25x

Започвайки с GPT-5.6, записите в кеша се таксуват на 1.25x от основната входна ставка, а четенето от кеша на 0.1x; при по-ранни модели записите в кеша нямат допълнителна такса. Официалният текст (от анонса на GPT-5.6): "За GPT-5.6 и по-късни модели, записите в кеша се таксуват на 1.25x от некешираната входна ставка на модела, докато четенето от кеша продължава да получава 90% отстъпка за кеширания вход."

Математиката на точката на равновесие следва директно от официалните ставки: записването на префикс струва 0.25x повече от входната ставка, отколкото ако не се кешира, а всяко последващо попадение спестява 0.9x от входната ставка: префикс, използван дори веднъж, произвежда нетна икономия, а колкото повече повторения, толкова по-голяма е икономията.

• Работни натоварвания, които очевидно печелят: работни потоци на агенти с дълги системни запитвания, RAG, което многократно включва дълги референтни материали, приложения, носещи големи определения на инструменти, и многопосочни разговори, които само добавят съобщения. Тези работни натоварвания имат високо повторение на префиксите, така че ставката за четене от 0.1x доминира.
• Работни натоварвания, на които да се внимава: единични 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; настройването на prompt_cache_options.mode на "explicit" без задаване на точки на прекъсване прави заявката да пропусне кеша напълно и да не носи такса за запис.

Сравнение: кеширане на запитвания на GPT-5.6 и Claude

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

Колоната на Claude отразява правилата, споделени от всички активни модели на Claude: 1.25x записи за 5-минутното ниво, 2x за 1-часовото ниво и 0.1x четения се прилагат равномерно в целия асортимент (Документация за кеширане на запитвания на Anthropic), с разлики на ниво модел, ограничени до минималната дължина за кеширане; колоната на GPT-5.6 идва от Ръководство за кеширане на запитвания на OpenAI.

Ограниченията на точките на прекъсване, ставките за запис (за съответстващите нива) и ставките за четене съвпадат точно между двата доставчика; в практически термини, същата стратегия за структуриране на запитвания "статично съдържание първо, променящо се съдържание последно" се пренася между тях. Разходите за миграция са концентрирани в синтаксиса на параметрите: GPT използва prompt_cache_breakpoint + prompt_cache_key, Claude използва cache_control.

Същият модел на кеширане в двата протокола

За същия сценарий "кеширане на статични дълги инструкции" минималните реализации в двата протокола следват. Примерите използват gpt-5.6-sol и claude-opus-4-8. И двата споделят същата основна входна цена ($5/M), така че ефективните цени на токените, произтичащи от записите в кеша (1.25x) и четенето от кеша (0.1x), също са идентични; само синтаксисът се различава.

Протоколът на GPT задава prompt_cache_key на най-високо ниво (дългите префикси се кешират автоматично, без необходимост от маркер за точка на прекъсване); протоколът на Claude задава cache_control на най-високо ниво, за да активира автоматичното кеширане, преминавайки към точки на прекъсване на ниво блок съдържание, когато е необходима прецизна 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": "[Статични дълги инструкции, >=1024 токена]"
      },
      {
        "role": "user",
        "content": "Обобщете ключовите цифри."
      }
    ]
  }'

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": "[Статични дълги инструкции, >=1024 токена]",
    "messages": [
      {
        "role": "user",
        "content": "Обобщете ключовите цифри."
      }
    ]
  }'

Сравнявайки двете заявки, разликите се свеждат до: крайна точка (/v1/chat/completions срещу /v1/messages), заглавия за удостоверяване (Authorization: Bearer срещу x-api-key + anthropic-version), параметър за кеширане (на най-високо ниво prompt_cache_key срещу на най-високо ниво cache_control), и Claude изисква явен max_tokens. И двете заявки бяха проверени срещу 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 формата на заявката, остават три разлики на ниво механизъм:

1. Активиране: GPT кешира автоматично дори без никакви параметри за кеширане, с prompt_cache_key, подобряваща надеждността на попаденията; Claude изисква декларация: точка на прекъсване на ниво блок съдържание cache_control или автоматичен режим на cache_control на най-високо ниво.
2. Полета за употреба: GPT отчита четенето от кеша в prompt_tokens_details.cached_tokens; Claude отчита записите и четенето отделно като cache_creation_input_tokens и cache_read_input_tokens, което улеснява независимата проверка на записите и попаденията.
3. Контрол на продължителността: ttl на GPT-5.6 в момента поддържа само "30m"; Claude по подразбиране е 5 минути (освежава се безплатно при всяко попадение), с опционално "ttl": "1h" (записите се таксуват на 2x).

Какво да промените при смяна на модели между протоколите

Gateway на AIHubMix поддържа междупротоколните извиквания: съвместимата с OpenAI крайна точка може да извиква модели на Claude (cache_control влиза директно в блоковете на съдържанието в OpenAI формат; вижте Практики за кеширане на запитвания), а съвместимата с Claude крайна точка /v1/messages може да извиква GPT-5.6 (проверено работещо). При смяна на модели, проверете три неща:

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

Препоръчителни пътища за кеширане на запитвания: Модели GPT чрез Chat Completions (пътят за попадение в кеша, проверен в тази публикация); Модели на Claude работят чрез всеки протокол.

Сравнение: GPT-5.6 срещу по-ранно кеширане на GPT

Промените сочат в една посока: кеширането от предишното поколение беше без такси за запис, но неконтролируемо, с несигурно запазване; GPT-5.6 таксува за записи, като предоставя гарантирано минимално време за запазване и прецизни контроли на кеша. Според ставките, префикс, използван повече от веднъж средно, спестява повече от добавената цена за запис; минималното време за запазване от 30 минути и контролируемите точки на прекъсване правят достигането на този процент на повторение по-предсказуемо.

Започване с AIHubMix

Всички три нива са налични, 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 удрят кеша:

import os
from openai import OpenAI

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

long_context = "Вие сте внимателен асистент за анализ на тримесечни финансови отчети... [Статични дълги инструкции, >=1024 токена]"

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": "Обобщете ключовите цифри в едно изречение."},
        ],
    )
    print(completion.usage.prompt_tokens_details)

Стойност greater than 0 на usage.prompt_tokens_details.cached_tokens при второто извикване показва попадение (измерен пример: cached_tokens: 2816). За подробности относно параметрите, спецификите на таксуването и отстраняването на проблеми с попаденията, вижте документацията за кеширане на запитвания на GPT.

Често задавани въпроси

Кои API могат да извикват GPT-5.6 на AIHubMix?

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

Ако моят клиент не променя нищо, какво се променя в таксуването след обновяване до GPT-5.6?

Кеширането на запитвания се прилага автоматично по подразбиране: заявки, чийто префикс достига 1,024 токена, носят елемент за запис в кеша, таксуван на 1.25x от входната ставка, а повторно използваните префикси се таксуват на ставката за четене от 0.1x. Приложения с високо повторение на префиксите обикновено виждат по-ниски общи разходи; единични дълги заявки, които никога не използват повторно префикс, могат да деактивират кеширането с явен режим.

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

Стратегията за структуриране на запитвания остава същата: статично съдържание първо, променящо се съдържание последно. Параметрите се променят от cache_control на prompt_cache_breakpoint, плюс prompt_cache_key; запазването се променя от 5-минутните/1-часовите нива на гарантирано минимално време от 30 минути.

Как да избера между трите нива на GPT-5.6?

Според официалното позициониране: изберете Sol за сложна професионална работа и кодиране; изберете Terra за ежедневни работни натоварвания (производителност на ниво GPT-5.5 на половин цена); изберете Luna за чувствителни на цена, високообемни сценарии. Всички три нива споделят същия контекстен прозорец и максимален изход, така че можете да насочвате по сложност на задачата.

Официални източници

Спецификации на модели, механизми за кеширане и ставки за таксуване в тази публикация идват от тези официални източници:

• Анонс на GPT-5.6 (OpenAI, 2026-07-09)
• Ръководство за кеширане на запитвания на OpenAI
• Ценообразуване на OpenAI
• Документация за кеширане на запитвания на Anthropic

Свързана документация на този сайт: Кеширане на запитвания на GPT · Кеширане на запитвания на Claude · Практики за кеширане на запитвания

Посетете галерията на модели за цени на GPT-5.6 или разгледайте повече опции за интеграция в центъра за документация.

Последно обновление: 2026-07-10