GPT-5.6 ist live: Änderungen bei der Abrechnung des Prompt Caching erklärt

OpenAI hat die GPT-5.6-Familie am 9. Juli 2026 offiziell veröffentlicht. AIHubMix hat die Integration aller drei Stufen abgeschlossen: gpt-5.6-sol, gpt-5.6-terra und gpt-5.6-luna sind jetzt über Chat Completions und Responses verfügbar. Das Release ändert außerdem den Mechanismus des Prompt Caching und dessen Abrechnung: Cache-Schreibvorgänge werden nun separat berechnet. Dieser Beitrag stellt die Positionierung der drei Stufen vor und erläutert die Caching-Änderungen Punkt für Punkt.

Was sich bei den drei GPT-5.6-Stufen ändert

GPT-5.6 überarbeitet das Namensschema: Die Zahl bezeichnet die Modellgeneration, während Sol, Terra und Luna Fähigkeitsstufen sind, die sich unabhängig voneinander weiterentwickeln können. Laut den offiziellen Definitionen ist Sol das Flaggschiffmodell, Terra eine preisgünstigere Stufe mit einer Leistung vergleichbar mit GPT-5.5, und Luna die schnellste und günstigste Stufe.

Bei den Fähigkeiten lautet die offizielle Position: Sol erzielt Spitzenergebnisse bei Programmierung, Wissensarbeit, Cybersicherheit und naturwissenschaftlichen Aufgaben, wird von OpenAI als bisher bestes Coding-Modell bezeichnet und stellt neue Rekorde bei Terminal-Bench 2.1 und DeepSWE auf; Terra erreicht die Leistung von GPT-5.5 zum halben Preis. Die Familie führt eine Reasoning-Stufe „max“ ein, und die Responses API erhält Programmatic Tool Calling und Multi-Agent-Funktionen (Beta).

Die Weiterentwicklung des Caching-Mechanismus erklärt

Vor GPT-5.6 war das Prompt Caching bei GPT-Modellen vollständig automatisch: Präfixe ab 1,024 Token wurden automatisch zwischengespeichert, Entwickler hatten keine Kontrolle darüber, was wie lange gecacht wird, und Caches wurden nach 5–10 Minuten Inaktivität geleert. OpenAI fasst die Änderungen in GPT-5.6 als „vorhersehbareres Prompt Caching“ zusammen, mit drei konkreten Punkten:

1. Die Aufbewahrungsdauer steigt von „nur 5 Minuten“ auf „mindestens 30 Minuten“. prompt_cache_options.ttl unterstützt derzeit nur "30m"; das ist ein garantiertes Minimum, die tatsächliche Aufbewahrung kann länger sein.
2. Explizite Cache-Breakpoints sind neu. Das Setzen von prompt_cache_breakpoint auf einem Content-Block fixiert die Cache-Grenze am Ende stabiler Inhalte, sodass Änderungen nach dem Breakpoint das davor liegende gecachte Präfix nicht ungültig machen. Wenn prompt_cache_options.mode auf "explicit" gesetzt ist, werden ausschließlich manuelle Breakpoints verwendet.
3. prompt_cache_key wird von einer Optimierung zur offiziellen Anforderung. Ab GPT-5.6 sollte der Parameter gesetzt werden, um ein zuverlässigeres Cache-Matching zu ermöglichen. OpenAI empfiehlt, den Traffic pro Schlüssel auf etwa 15 Anfragen pro Minute zu begrenzen.

So bewertet man die Abrechnung der Cache-Schreibvorgänge mit 1.25x

Ab GPT-5.6 werden Cache-Schreibvorgänge mit 1.25x des Basis-Input-Preises berechnet, Cache-Lesevorgänge mit 0.1x; bei früheren Modellen fallen für Cache-Schreibvorgänge keine zusätzlichen Gebühren an. Der offizielle Wortlaut (aus der GPT-5.6-Ankündigung): „Bei GPT-5.6 und späteren Modellen werden Cache-Schreibvorgänge mit 1.25x des ungecachten Input-Preises des Modells berechnet, während Cache-Lesevorgänge weiterhin einen Rabatt von 90% auf den gecachten Input erhalten.“

Die Break-even-Rechnung ergibt sich direkt aus den offiziellen Preisen: Das Schreiben eines Präfixes kostet 0.25x des Input-Preises mehr als ohne Caching, und jeder weitere Treffer spart 0.9x des Input-Preises. Schon ein einziges Wiederverwenden eines Präfixes führt zu einer Nettoersparnis, und je häufiger wiederverwendet wird, desto größer ist die Ersparnis.

• Workloads, die deutlich profitieren: Agenten-Workflows mit langen System-Prompts, RAG, das wiederholt lange Referenzmaterialien einbezieht, Anwendungen mit umfangreichen Tool-Definitionen, und Multi-Turn-Konversationen, die nur Nachrichten anhängen. Diese Workloads haben eine hohe Präfix-Wiederverwendung, sodass der Lesepreis von 0.1x dominiert.
• Workloads, auf die man achten sollte: einmalige lange Anfragen, deren Präfix nie wiederverwendet wird. Automatisches Caching ist standardmäßig aktiviert, daher verursachen diese Anfragen eine nicht rückholbare Schreibgebühr von 1.25x. Wenn man prompt_cache_options.mode auf "explicit" setzt, ohne Breakpoints zu definieren, wird die Anfrage vollständig am Cache vorbeigeleitet und fällt keine Schreibgebühr an.

Vergleich: Prompt Caching bei GPT-5.6 und Claude

Das Caching-Design von GPT-5.6 nähert sich in mehreren Punkten Claudes cache_control an, der Kernunterschied liegt im Standardverhalten: GPT cacht automatisch ohne erforderliche Parameter, während Claude verlangt, dass Caching in der Anfrage aktiviert wird, entweder über das Top-Level-Feld cache_control (automatischer Breakpoint) oder über explizite Breakpoints auf Content-Block-Ebene.

Die Claude-Spalte spiegelt die Regeln wider, die allen aktiven Claude-Modellen gemeinsam sind: 1.25x für Schreibvorgänge bei der 5-Minuten-Stufe, 2x bei der 1-Stunden-Stufe, und 0.1x für Lesevorgänge gelten einheitlich im gesamten Angebot (Anthropic-Dokumentation zum Prompt Caching). Modellspezifische Unterschiede betreffen nur die minimale cachefähige Länge. Die GPT-5.6-Spalte stammt aus dem OpenAI-Leitfaden zum Prompt Caching.

Die Breakpoint-Limits, Schreibpreise (für die entsprechenden Stufen) und Lesepreise stimmen bei beiden Anbietern exakt überein. Praktisch gilt also dieselbe Strategie zur Prompt-Strukturierung für beide: statische Inhalte zuerst, sich ändernde Inhalte zuletzt. Der Migrationsaufwand konzentriert sich auf die Parametersyntax: GPT verwendet prompt_cache_breakpoint + prompt_cache_key, Claude verwendet cache_control.

Dasselbe Caching-Muster in beiden Protokollen

Für das gleiche Szenario „eine statische lange Anweisung cachen“ folgen die minimalen Implementierungen in beiden Protokollen. Die Beispiele verwenden gpt-5.6-sol und claude-opus-4-8. Beide haben denselben Basis-Input-Preis ($5/M), daher sind auch die aus Cache-Schreibvorgängen (1.25x) und Lesevorgängen (0.1x) abgeleiteten effektiven Preise pro Token identisch; nur die Syntax unterscheidet sich.

Das GPT-Protokoll setzt prompt_cache_key auf oberster Ebene (lange Präfixe werden automatisch gecacht, es ist kein Breakpoint-Marker nötig). Das Claude-Protokoll setzt cache_control auf oberster Ebene, um automatisches Caching zu aktivieren, und wechselt zu Breakpoints auf Content-Block-Ebene, wenn die Cache-Grenze präzise gesteuert werden muss:

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."
      }
    ]
  }'

Beim Vergleich der beiden Anfragen reduzieren sich die Unterschiede auf: den Endpunkt (/v1/chat/completions vs. /v1/messages), die Auth-Header (Authorization: Bearer vs. x-api-key + anthropic-version), den Caching-Parameter (Top-Level prompt_cache_key vs. Top-Level cache_control) und die Tatsache, dass Claude ein explizites max_tokens verlangt. Beide Anfragen wurden am 2026-07-10 gegen aihubmix.com verifiziert: gpt-5.6-sol lieferte beim zweiten Aufruf cached_tokens: 2816, claude-opus-4-8 lieferte beim ersten Aufruf cache_creation_input_tokens: 3632 und beim zweiten cache_read_input_tokens: 3632.

Abgesehen vom Anfrageformat bleiben drei Unterschiede auf Mechanismus-Ebene:

1. Aktivierung: GPT cacht automatisch auch ohne jegliche Caching-Parameter, wobei prompt_cache_key die Trefferzuverlässigkeit verbessert. Claude erfordert eine Deklaration: entweder einen cache_control-Breakpoint auf Content-Block-Ebene oder den automatischen Modus über das Top-Level-cache_control.
2. Nutzungsfelder: GPT meldet Cache-Lesevorgänge in prompt_tokens_details.cached_tokens. Claude meldet Schreib- und Lesevorgänge getrennt als cache_creation_input_tokens und cache_read_input_tokens, sodass sich Schreibvorgänge und Treffer unabhängig voneinander leicht überprüfen lassen.
3. Lebensdauersteuerung: GPT-5.6s ttl unterstützt derzeit nur "30m". Claude verwendet standardmäßig 5 Minuten (bei jedem Treffer kostenlos verlängert), mit optionalem "ttl": "1h" (Schreibvorgänge werden mit 2x berechnet).

Was beim Modellwechsel über Protokolle hinweg zu ändern ist

Das AIHubMix-Gateway unterstützt protokollübergreifende Aufrufe: Der OpenAI-kompatible Endpunkt kann Claude-Modelle aufrufen (cache_control wird direkt in OpenAI-Format-Message-Content-Blöcke übernommen; siehe Prompt-Caching-Praktiken), und der Claude-kompatible Endpunkt /v1/messages kann GPT-5.6 aufrufen (verifiziert funktionsfähig). Beim Modellwechsel sind drei Dinge zu prüfen:

• Ändere model auf die ID des Zielmodells;
• Passe die Syntax des Caching-Parameters an: prompt_cache_key / explizite Breakpoints entsprechen Claudes cache_control;
• Passe die Namen der Nutzungsfelder an: cached_tokens entspricht Claudes cache_read_input_tokens.

Empfohlene Wege für Prompt Caching: GPT-Modelle über Chat Completions (der in diesem Beitrag verifizierte Cache-Treffer-Pfad); Claude-Modelle funktionieren über beide Protokolle.

Vergleich: GPT-5.6 vs. frühere GPT-Caching-Mechanismen

Die Änderungen gehen in eine klare Richtung: Das Caching der früheren Generation war frei von Schreibgebühren, aber nicht steuerbar, und die Aufbewahrungsdauer war ungewiss. GPT-5.6 berechnet Schreibvorgänge, bietet dafür aber eine garantierte Mindestaufbewahrungszeit und präzise Cache-Steuerung. Gemessen an den Preisen spart ein Präfix, das im Durchschnitt mehr als einmal wiederverwendet wird, mehr, als die zusätzlichen Schreibkosten ausmachen; die Mindestaufbewahrung von 30 Minuten und die steuerbaren Breakpoints machen es planbarer, diese Wiederverwendungsrate tatsächlich zu erreichen.

Erste Schritte auf AIHubMix

Alle drei Stufen sind verfügbar, mit den Modell-IDs gpt-5.6-sol, gpt-5.6-terra und gpt-5.6-luna. Caching erfordert keine zusätzliche Konfiguration; aufeinanderfolgende Anfragen mit demselben langen Präfix treffen den Cache:

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)

Ein Wert von usage.prompt_tokens_details.cached_tokens größer als 0 beim zweiten Aufruf zeigt einen Cache-Treffer an (gemessenes Beispiel: cached_tokens: 2816). Details zu Parametern, Abrechnung und Fehlersuche bei Cache-Treffern finden Sie in der Dokumentation zu GPT Prompt Caching.

FAQ

Welche APIs können GPT-5.6 auf AIHubMix aufrufen?

Chat Completions (/v1/chat/completions), Responses (/v1/responses) und die Claude-kompatible Messages API (/v1/messages) können alle Modelle aufrufen, und alle drei Stufen sind verfügbar. Für Prompt Caching wird derzeit Chat Completions empfohlen.

Wenn mein Client nichts ändert, was ändert sich bei der Abrechnung nach dem Umstieg auf GPT-5.6?

Prompt Caching wird standardmäßig automatisch angewendet: Anfragen, deren Präfix 1.024 Token erreicht, verursachen eine Cache-Schreibposition, die zum 1,25-fachen des Eingabepreises abgerechnet wird, und wiederverwendete Präfixe werden zum 0,1-fachen Lesepreis berechnet. Anwendungen mit hoher Präfix-Wiederverwendung sehen in der Regel geringere Gesamtkosten; einmalige lange Anfragen, die nie ein Präfix wiederverwenden, können das Caching mit dem expliziten Modus deaktivieren.

Ich habe das Prompt Caching von Claude genutzt. Was muss ich ändern, um auf GPT-5.6 zu migrieren?

Die Strategie zur Strukturierung der Prompts bleibt gleich: statischer Inhalt zuerst, sich ändernder Inhalt zuletzt. Die Parameter wechseln von cache_control zu prompt_cache_breakpoint, zusätzlich prompt_cache_key; die Aufbewahrung wechselt von den Stufen 5 Minuten/1 Stunde zu einer garantierten Mindestdauer von 30 Minuten.

Wie wähle ich zwischen den drei Stufen von GPT-5.6?

Laut offizieller Positionierung: Wählen Sie Sol für komplexe professionelle Arbeit und Programmieraufgaben; Terra für alltägliche Workloads (Leistung auf GPT-5.5-Niveau zum halben Preis); Luna für kostensensible Szenarien mit hohem Volumen. Alle drei Stufen teilen sich dasselbe Kontextfenster und dieselbe maximale Ausgabelänge, sodass Sie anhand der Aufgabenkomplexität routen können.

Offizielle Quellen

Modellspezifikationen, Caching-Mechanismen und Abrechnungssätze in diesem Beitrag stammen aus folgenden offiziellen Quellen:

• GPT-5.6-Ankündigung (OpenAI, 2026-07-09)
• OpenAI-Leitfaden zu Prompt Caching
• OpenAI-Preise
• Anthropic-Dokumentation zu Prompt Caching

Verwandte Dokumentation auf dieser Website: GPT Prompt Caching · Claude Prompt Caching · Praktiken für Prompt Caching

Besuchen Sie die Modellgalerie für GPT-5.6-Preise oder entdecken Sie weitere Integrationsmöglichkeiten im Dokumentationszentrum.

Zuletzt aktualisiert: 2026-07-10