GPT-5.6 ya está disponible: cambios en la facturación de la caché de prompts explicados

OpenAI lanzó oficialmente la familia GPT-5.6 el 9 de julio de 2026. AIHubMix ha completado la integración de los tres niveles: gpt-5.6-sol, gpt-5.6-terra y gpt-5.6-luna ya están disponibles a través de Chat Completions y Responses. El lanzamiento también cambia el mecanismo de caché de prompts y su facturación: ahora las escrituras en caché se facturan por separado. Este artículo explica el posicionamiento de los tres niveles y repasa punto por punto los cambios en la caché.

Qué cambia con los tres niveles de GPT-5.6

GPT-5.6 revisa el esquema de nombres: el número indica la generación del modelo, mientras que Sol, Terra y Luna son niveles de capacidad que pueden evolucionar de forma independiente. Según las definiciones oficiales, Sol es el modelo insignia, Terra es un nivel de precio más bajo con un rendimiento comparable al de GPT-5.5, y Luna es el nivel más rápido y de menor precio.

En cuanto a capacidades, la posición oficial es que Sol logra resultados de vanguardia en tareas de programación, trabajo del conocimiento, ciberseguridad y ciencia; OpenAI lo describe como su mejor modelo de programación hasta la fecha, y establece nuevos récords en Terminal-Bench 2.1 y DeepSWE; Terra iguala el rendimiento de GPT-5.5 a la mitad de precio. La familia añade un nivel de razonamiento máximo, y la API de Responses incorpora las capacidades de llamada programática a herramientas y multiagente (Beta).

La mejora del mecanismo de caché, explicada

Antes de GPT-5.6, la caché de prompts en los modelos GPT era totalmente automática: los prefijos de 1,024 tokens o más se almacenaban en caché automáticamente, los desarrolladores no tenían control sobre qué se guardaba ni durante cuánto tiempo, y las cachés se borraban tras 5–10 minutos de inactividad. OpenAI resume los cambios de GPT-5.6 como "caché de prompts más predecible", con tres puntos concretos:

1. La retención pasa de "tan solo 5 minutos" a "al menos 30 minutos". prompt_cache_options.ttl actualmente solo admite "30m"; es un mínimo garantizado, y la retención real puede ser más larga.
2. Los puntos de interrupción explícitos de la caché son una novedad. Al establecer prompt_cache_breakpoint en un bloque de contenido, el límite de la caché se fija al final del contenido estable, de modo que los cambios posteriores al punto de interrupción no invalidan el prefijo almacenado antes de él; con prompt_cache_options.mode configurado como "explicit", solo se usan los puntos de interrupción manuales.
3. prompt_cache_key pasa de ser una optimización a un requisito oficial. A partir de GPT-5.6, se recomienda establecer el parámetro para lograr una coincidencia de caché más fiable; OpenAI recomienda mantener el tráfico por clave en unas 15 solicitudes por minuto.

Cómo evaluar la facturación de escritura en caché de 1.25x

A partir de GPT-5.6, las escrituras en caché se facturan a 1.25x la tarifa base de entrada y las lecturas de caché a 0.1x; en los modelos anteriores, las escrituras en caché no tienen cargo adicional. La redacción oficial (del anuncio de GPT-5.6) dice: "Para GPT-5.6 y modelos posteriores, las escrituras en caché se facturan a 1.25x la tarifa de entrada sin caché del modelo, mientras que las lecturas de caché siguen recibiendo el descuento del 90% sobre la entrada en caché".

El cálculo del punto de equilibrio se deduce directamente de las tarifas oficiales: escribir un prefijo cuesta 0.25x la tarifa de entrada más que no usar caché, y cada acierto posterior ahorra 0.9x la tarifa de entrada: un prefijo reutilizado aunque sea una sola vez genera un ahorro neto, y cuanta más reutilización, mayor el ahorro.

• Cargas de trabajo que se benefician claramente: flujos de trabajo de agentes con prompts de sistema largos, RAG que incluye repetidamente material de referencia extenso, aplicaciones con grandes definiciones de herramientas y conversaciones de varios turnos que solo añaden mensajes. Estas cargas tienen una alta reutilización de prefijos, por lo que la tarifa de lectura de 0.1x domina.
• Cargas de trabajo a vigilar: solicitudes largas puntuales cuyo prefijo nunca se reutiliza. La caché automática está activada por defecto, así que estas solicitudes incurren en un cargo de escritura de 1.25x irrecuperable; configurar prompt_cache_options.mode como "explicit" sin definir ningún punto de interrupción hace que la solicitud omita la caché por completo y no genere cargo de escritura.

Comparación: caché de prompts en GPT-5.6 y Claude

El diseño de caché de GPT-5.6 converge con cache_control de Claude en varios aspectos, con la diferencia principal en el comportamiento por defecto: GPT almacena en caché automáticamente sin necesidad de parámetros, mientras que Claude requiere habilitar la caché en la solicitud, ya sea mediante el campo de nivel superior cache_control (punto de interrupción automático) o mediante puntos de interrupción explícitos a nivel de bloque de contenido.

La columna de Claude refleja las reglas compartidas por todos los modelos Claude activos: escrituras de 1.25x para el nivel de 5 minutos, 2x para el nivel de 1 hora, y lecturas de 0.1x se aplican de forma uniforme en toda la gama (documentación de caché de prompts de Anthropic), con diferencias por modelo limitadas a la longitud mínima almacenable en caché; la columna de GPT-5.6 procede de la guía de caché de prompts de OpenAI.

Los límites de puntos de interrupción, las tarifas de escritura (para los niveles correspondientes) y las tarifas de lectura coinciden exactamente entre ambos proveedores; en la práctica, la misma estrategia de estructurar los prompts con "primero el contenido estático, al final el contenido cambiante" es válida para ambos. El coste de migración se concentra en la sintaxis de los parámetros: GPT usa prompt_cache_breakpoint + prompt_cache_key, Claude usa cache_control.

El mismo patrón de caché en ambos protocolos

Para el mismo escenario de "almacenar en caché una instrucción larga y estática", las implementaciones mínimas en los dos protocolos son las siguientes. Los ejemplos usan gpt-5.6-sol y claude-opus-4-8. Ambos comparten el mismo precio base de entrada ($5/M), por lo que los precios efectivos por token derivados de las escrituras en caché (1.25x) y lecturas (0.1x) también son idénticos; solo cambia la sintaxis.

El protocolo de GPT establece prompt_cache_key en el nivel superior (los prefijos largos se almacenan en caché automáticamente, sin necesidad de marcador de punto de interrupción); el protocolo de Claude establece cache_control en el nivel superior para activar la caché automática, y pasa a puntos de interrupción a nivel de bloque de contenido cuando se necesita un control preciso del límite de la caché:

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."
      }
    ]
  }'

Al comparar las dos solicitudes, las diferencias se reducen a: el endpoint (/v1/chat/completions frente a /v1/messages), las cabeceras de autenticación (Authorization: Bearer frente a x-api-key + anthropic-version), el parámetro de caché (prompt_cache_key de nivel superior frente a cache_control de nivel superior) y el hecho de que Claude requiere un max_tokens explícito. Ambas solicitudes se verificaron en aihubmix.com (2026-07-10): gpt-5.6-sol devolvió cached_tokens: 2816 en la segunda llamada; claude-opus-4-8 devolvió cache_creation_input_tokens: 3632 en la primera llamada y cache_read_input_tokens: 3632 en la segunda.

Más allá del formato de la solicitud, persisten tres diferencias a nivel de mecanismo:

1. Activación: GPT almacena en caché automáticamente incluso sin parámetros de caché, y prompt_cache_key mejora la fiabilidad de los aciertos; Claude requiere una declaración: un punto de interrupción cache_control a nivel de bloque de contenido, o el modo automático cache_control de nivel superior.
2. Campos de uso: GPT informa de las lecturas de caché en prompt_tokens_details.cached_tokens; Claude informa de las escrituras y lecturas por separado como cache_creation_input_tokens y cache_read_input_tokens, lo que facilita verificar las escrituras y los aciertos de forma independiente.
3. Control de la vigencia: el ttl de GPT-5.6 actualmente solo admite "30m"; Claude usa 5 minutos por defecto (se renueva sin coste en cada acierto), con la opción "ttl": "1h" (las escrituras se facturan a 2x).

Qué cambiar al intercambiar modelos entre protocolos

La pasarela de AIHubMix admite llamadas entre protocolos: el endpoint compatible con OpenAI puede llamar a modelos Claude (cache_control va directamente en los bloques de contenido de los mensajes en formato OpenAI; consulta Prompt Caching practices), y el endpoint compatible con Claude /v1/messages puede llamar a GPT-5.6 (verificado y funcionando). Al intercambiar modelos, revisa tres cosas:

• Cambia model por el ID del modelo de destino;
• Cambia la sintaxis del parámetro de caché: prompt_cache_key / los puntos de interrupción explícitos corresponden a cache_control de Claude;
• Cambia los nombres de los campos de uso: cached_tokens corresponde a cache_read_input_tokens de Claude.

Rutas recomendadas para la caché de prompts: los modelos GPT a través de Chat Completions (la ruta de acierto de caché verificada en este artículo); los modelos Claude funcionan con cualquiera de los dos protocolos.

Comparación: GPT-5.6 frente a la caché de GPT anterior

Los cambios apuntan en una sola dirección: el caché de la generación anterior no cobraba por escritura, pero no era controlable y su retención era incierta; GPT-5.6 cobra por las escrituras, pero ofrece un mínimo de retención garantizado y controles de caché precisos. Según las tarifas, un prefijo que se reutiliza más de una vez en promedio ahorra más que el coste adicional de escritura; el mínimo de retención de 30 minutos y los puntos de corte controlables hacen que alcanzar esa tasa de reutilización sea más predecible.

Primeros pasos en AIHubMix

Los tres niveles ya están disponibles, con los ID de modelo gpt-5.6-sol, gpt-5.6-terra y gpt-5.6-luna. El caché no requiere configuración adicional; las solicitudes consecutivas con el mismo prefijo largo activan el caché:

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)

Un valor de usage.prompt_tokens_details.cached_tokens mayor que 0 en la segunda llamada indica un acierto de caché (ejemplo medido: cached_tokens: 2816). Para detalles de parámetros, especificaciones de facturación y solución de problemas de aciertos, consulta la documentación de GPT Prompt Caching.

Preguntas frecuentes

¿Qué APIs pueden llamar a GPT-5.6 en AIHubMix?

Chat Completions (/v1/chat/completions), Responses (/v1/responses) y la API de Mensajes compatible con Claude (/v1/messages) pueden llamar a los modelos, y los tres niveles ya están disponibles. Para el caché de prompts, Chat Completions es actualmente la vía recomendada.

Si mi cliente no cambia nada, ¿qué cambia en la facturación tras actualizar a GPT-5.6?

El caché de prompts se aplica automáticamente por defecto: las solicitudes cuyo prefijo alcanza 1,024 tokens generan un concepto de escritura en caché facturado a 1.25 veces la tarifa de entrada, y los prefijos reutilizados se facturan a la tarifa de lectura de 0.1 veces. Las aplicaciones con alta reutilización de prefijos suelen ver costes totales más bajos; las solicitudes largas puntuales que nunca reutilizan un prefijo pueden desactivar el caché con el modo explícito.

He usado el caché de prompts de Claude. ¿Qué debo cambiar para migrar a GPT-5.6?

La estrategia de estructuración de los prompts no cambia: primero el contenido estático, y al final el contenido variable. Los parámetros cambian de cache_control a prompt_cache_breakpoint, además de prompt_cache_key; la retención pasa de los niveles de 5 minutos/1 hora a un mínimo garantizado de 30 minutos.

¿Cómo elijo entre los tres niveles de GPT-5.6?

Según el posicionamiento oficial: elige Sol para trabajos profesionales complejos y tareas de programación; elige Terra para cargas de trabajo cotidianas (rendimiento de nivel GPT-5.5 a la mitad de precio); elige Luna para escenarios de alto volumen y sensibles al coste. Los tres niveles comparten la misma ventana de contexto y la misma salida máxima, por lo que puedes enrutar según la complejidad de la tarea.

Referencias oficiales

Las especificaciones de los modelos, los mecanismos de caché y las tarifas de facturación de este artículo provienen de estas fuentes oficiales:

• Anuncio de GPT-5.6 (OpenAI, 2026-07-09)
• Guía de caché de prompts de OpenAI
• Precios de OpenAI
• Documentación de caché de prompts de Anthropic

Documentación relacionada en este sitio: GPT Prompt Caching · Claude Prompt Caching · Prácticas de Prompt Caching

Visita la galería de modelos para ver los precios de GPT-5.6, o explora más opciones de integración en el centro de documentación.

Última actualización: 2026-07-10