GPT-5.6 est disponible : explication des changements de facturation du cache de prompts

OpenAI a officiellement publié la famille GPT-5.6 le 9 juillet 2026. AIHubMix a terminé l'intégration des trois niveaux : gpt-5.6-sol, gpt-5.6-terra et gpt-5.6-luna sont désormais disponibles via Chat Completions et Responses. Cette version modifie aussi le mécanisme de cache de prompts et sa facturation : les écritures de cache sont désormais facturées séparément. Cet article présente le positionnement des trois niveaux et détaille point par point les changements du cache.

Ce qui change avec les trois niveaux de GPT-5.6

GPT-5.6 révise le système de nommage : le nombre indique la génération du modèle, tandis que Sol, Terra et Luna sont des niveaux de capacité pouvant évoluer indépendamment. Selon les définitions officielles, Sol est le modèle phare, Terra est un niveau à prix inférieur dont les performances sont comparables à GPT-5.5, et Luna est le niveau le plus rapide et le moins cher.

En matière de capacités, la position officielle est la suivante : Sol atteint des résultats à l'état de l'art en programmation, travail intellectuel, cybersécurité et tâches scientifiques ; OpenAI le décrit comme son meilleur modèle de programmation à ce jour et établit de nouveaux records sur Terminal-Bench 2.1 et DeepSWE. Terra égale les performances de GPT-5.5 pour moitié moins cher. La famille ajoute un niveau de raisonnement max, et l'API Responses gagne les capacités Programmatic Tool Calling et multi-agents (bêta).

Les améliorations du mécanisme de cache, expliquées

Avant GPT-5.6, le cache de prompts sur les modèles GPT était entièrement automatique : les préfixes de 1 024 tokens ou plus étaient mis en cache automatiquement, les développeurs n'avaient aucun contrôle sur ce qui était mis en cache ni sur la durée de conservation, et les caches étaient vidés après 5 à 10 minutes d'inactivité. OpenAI résume les changements de GPT-5.6 par « une mise en cache des prompts plus prévisible », avec trois points concrets :

1. La durée de conservation passe de « aussi courte que 5 minutes » à « au moins 30 minutes ». prompt_cache_options.ttl ne prend actuellement en charge que "30m" ; il s'agit d'un minimum garanti, la durée de conservation réelle pouvant être plus longue.
2. Les points d'arrêt explicites du cache sont une nouveauté. Définir prompt_cache_breakpoint sur un bloc de contenu fixe la limite du cache à la fin du contenu stable : les modifications situées après le point d'arrêt n'invalident pas le préfixe mis en cache qui le précède. Lorsque prompt_cache_options.mode est défini sur "explicit", seuls les points d'arrêt manuels sont utilisés.
3. prompt_cache_key passe d'une optimisation à une exigence officielle. À partir de GPT-5.6, ce paramètre doit être défini pour obtenir une correspondance de cache plus fiable ; OpenAI recommande de limiter le trafic par clé à environ 15 requêtes par minute.

Comment évaluer la facturation des écritures de cache à 1.25x

À partir de GPT-5.6, les écritures de cache sont facturées à 1.25x le tarif d'entrée de base, et les lectures de cache à 0.1x ; sur les modèles antérieurs, les écritures de cache n'ont aucun frais supplémentaire. Formulation officielle (extraite de l'annonce de GPT-5.6) : « Pour GPT-5.6 et les modèles ultérieurs, les écritures de cache sont facturées à 1.25x le tarif d'entrée non mis en cache du modèle, tandis que les lectures de cache continuent de bénéficier de la remise de 90% sur l'entrée mise en cache. »

Le calcul du seuil de rentabilité découle directement des tarifs officiels : écrire un préfixe coûte 0.25x le tarif d'entrée de plus que de ne pas mettre en cache, et chaque réutilisation ultérieure fait économiser 0.9x le tarif d'entrée. Un préfixe réutilisé ne serait-ce qu'une seule fois génère une économie nette, et plus il est réutilisé, plus l'économie est importante.

• Charges de travail qui en tirent clairement profit : workflows d'agents avec de longs prompts système, RAG qui inclut à plusieurs reprises de longs documents de référence, applications transportant de volumineuses définitions d'outils, et conversations multi-tours qui ne font qu'ajouter des messages. Ces charges de travail ont une forte réutilisation de préfixes, si bien que le tarif de lecture de 0.1x domine.
• Charges de travail à surveiller : requêtes longues et ponctuelles dont le préfixe n'est jamais réutilisé. Le cache automatique étant activé par défaut, ces requêtes entraînent des frais d'écriture irrécupérables de 1.25x ; définir prompt_cache_options.mode sur "explicit" sans définir aucun point d'arrêt fait que la requête ignore entièrement le cache et n'entraîne aucun frais d'écriture.

Comparaison : le cache de prompts sur GPT-5.6 et Claude

La conception du cache de GPT-5.6 converge avec cache_control de Claude sur plusieurs plans, la différence principale résidant dans le comportement par défaut : GPT met en cache automatiquement sans paramètre requis, alors que Claude exige que la mise en cache soit activée dans la requête, soit via le champ cache_control au niveau supérieur (point d'arrêt automatique), soit via des points d'arrêt explicites au niveau des blocs de contenu.

La colonne Claude reflète les règles communes à tous les modèles Claude actifs : écritures à 1.25x pour le niveau de 5 minutes, 2x pour le niveau d'1 heure, et lectures à 0.1x, appliquées uniformément sur toute la gamme (documentation Anthropic sur la mise en cache des prompts), les différences entre modèles se limitant à la longueur minimale mise en cache ; la colonne GPT-5.6 provient du guide OpenAI sur la mise en cache des prompts.

Les limites de points d'arrêt, les tarifs d'écriture (pour les niveaux correspondants) et les tarifs de lecture correspondent exactement entre les deux fournisseurs ; concrètement, la même stratégie de structuration des prompts, « contenu statique en premier, contenu changeant en dernier », s'applique aux deux. Le coût de migration se concentre sur la syntaxe des paramètres : GPT utilise prompt_cache_breakpoint + prompt_cache_key, Claude utilise cache_control.

Le même schéma de cache dans les deux protocoles

Pour le même scénario « mettre en cache une longue instruction statique », voici les implémentations minimales dans les deux protocoles. Les exemples utilisent gpt-5.6-sol et claude-opus-4-8. Ils partagent le même tarif d'entrée de base (5 $/M), de sorte que les prix effectifs par token dérivés des écritures de cache (1.25x) et des lectures (0.1x) sont également identiques ; seule la syntaxe diffère.

Le protocole GPT définit prompt_cache_key au niveau supérieur (les longs préfixes sont mis en cache automatiquement, sans marqueur de point d'arrêt) ; le protocole Claude définit cache_control au niveau supérieur pour activer la mise en cache automatique, et passe à des points d'arrêt au niveau des blocs de contenu lorsqu'un contrôle précis de la limite du cache est nécessaire :

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."
      }
    ]
  }'

En comparant les deux requêtes, les différences se résument à : le point de terminaison (/v1/chat/completions contre /v1/messages), les en-têtes d'authentification (Authorization: Bearer contre x-api-key + anthropic-version), le paramètre de cache (prompt_cache_key au niveau supérieur contre cache_control au niveau supérieur), et le fait que Claude exige un max_tokens explicite. Les deux requêtes ont été vérifiées sur aihubmix.com (2026-07-10) : gpt-5.6-sol a renvoyé cached_tokens: 2816 au second appel ; claude-opus-4-8 a renvoyé cache_creation_input_tokens: 3632 au premier appel et cache_read_input_tokens: 3632 au second.

Au-delà du format des requêtes, trois différences au niveau du mécanisme subsistent :

1. Activation : GPT met en cache automatiquement même sans aucun paramètre de cache, prompt_cache_key améliorant la fiabilité des succès ; Claude exige une déclaration : un point d'arrêt cache_control au niveau du bloc de contenu, ou le mode automatique cache_control au niveau supérieur.
2. Champs d'utilisation : GPT signale les lectures de cache dans prompt_tokens_details.cached_tokens ; Claude signale séparément les écritures et les lectures sous forme de cache_creation_input_tokens et cache_read_input_tokens, ce qui permet de vérifier indépendamment écritures et succès.
3. Contrôle de la durée de vie : le paramètre ttl de GPT-5.6 ne prend actuellement en charge que "30m" ; Claude utilise 5 minutes par défaut (prolongées sans frais à chaque succès), avec l'option "ttl": "1h" (écritures facturées à 2x).

Ce qu'il faut modifier lors du changement de modèle entre protocoles

La passerelle AIHubMix prend en charge les appels inter-protocoles : le point de terminaison compatible OpenAI peut appeler les modèles Claude (cache_control s'insère directement dans les blocs de contenu des messages au format OpenAI ; voir bonnes pratiques de Prompt Caching), et le point de terminaison compatible Claude /v1/messages peut appeler GPT-5.6 (fonctionnement vérifié). Lors d'un changement de modèle, vérifiez trois points :

• Remplacez model par l'identifiant du modèle cible ;
• Adaptez la syntaxe des paramètres de cache : prompt_cache_key / les points d'arrêt explicites correspondent au cache_control de Claude ;
• Adaptez les noms des champs d'utilisation : cached_tokens correspond à cache_read_input_tokens de Claude.

Voies recommandées pour le cache de prompts : les modèles GPT via Chat Completions (le chemin de succès du cache vérifié dans cet article) ; les modèles Claude fonctionnent via l'un ou l'autre protocole.

Comparaison : GPT-5.6 et la mise en cache GPT antérieure

Les changements vont dans une seule direction : le cache de la génération précédente ne facturait pas l'écriture, mais n'était pas contrôlable et sa durée de conservation était incertaine ; GPT-5.6 facture l'écriture, mais garantit une durée de conservation minimale et offre des points de contrôle précis du cache. Selon les tarifs, un préfixe réutilisé en moyenne plus d'une fois permet d'économiser davantage que le coût supplémentaire d'écriture ; la durée minimale de conservation de 30 minutes et les points de rupture contrôlables rendent ce taux de réutilisation plus prévisible.

Premiers pas sur AIHubMix

Les trois niveaux sont tous disponibles, avec les identifiants de modèle gpt-5.6-sol, gpt-5.6-terra et gpt-5.6-luna. Le cache ne nécessite aucune configuration supplémentaire : des requêtes consécutives partageant le même long préfixe utilisent le 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)

Une valeur usage.prompt_tokens_details.cached_tokens supérieure à 0 lors du second appel indique un succès du cache (exemple mesuré : cached_tokens: 2816). Pour le détail des paramètres, la facturation et le dépannage des succès de cache, consultez la documentation GPT Prompt Caching.

FAQ

Quelles API peuvent appeler GPT-5.6 sur AIHubMix ?

Chat Completions (/v1/chat/completions), Responses (/v1/responses) et l'API Messages compatible Claude (/v1/messages) peuvent tous appeler les modèles, et les trois niveaux sont disponibles. Pour le cache de prompt, Chat Completions est actuellement le chemin recommandé.

Si mon client ne change rien, qu'est-ce qui change dans la facturation après la mise à niveau vers GPT-5.6 ?

Le cache de prompt s'applique automatiquement par défaut : les requêtes dont le préfixe atteint 1 024 tokens génèrent un élément d'écriture dans le cache facturé à 1,25x le tarif d'entrée, et les préfixes réutilisés sont facturés au tarif de lecture de 0,1x. Les applications à forte réutilisation de préfixes constatent généralement des coûts totaux plus bas ; les longues requêtes ponctuelles qui ne réutilisent jamais de préfixe peuvent désactiver le cache avec le mode explicit.

J'ai utilisé le cache de prompt de Claude. Que dois-je modifier pour migrer vers GPT-5.6 ?

La stratégie de structuration des prompts reste la même : contenu statique en premier, contenu changeant en dernier. Les paramètres passent de cache_control à prompt_cache_breakpoint, auxquels s'ajoute prompt_cache_key ; la conservation passe des niveaux de 5 minutes/1 heure à un minimum garanti de 30 minutes.

Comment choisir entre les trois niveaux GPT-5.6 ?

Selon le positionnement officiel : choisissez Sol pour les tâches professionnelles complexes et le développement ; choisissez Terra pour les charges de travail courantes (performances de niveau GPT-5.5 à moitié prix) ; choisissez Luna pour les scénarios à fort volume et sensibles au coût. Les trois niveaux partagent la même fenêtre de contexte et la même sortie maximale, vous pouvez donc router selon la complexité de la tâche.

Références officielles

Les spécifications des modèles, les mécanismes de cache et les tarifs de facturation présentés dans cet article proviennent des sources officielles suivantes :

• Annonce de GPT-5.6 (OpenAI, 2026-07-09)
• Guide OpenAI sur le cache de prompt
• Tarifs OpenAI
• Documentation Anthropic sur le cache de prompt

Documentation associée sur ce site : GPT Prompt Caching · Claude Prompt Caching · Bonnes pratiques de Prompt Caching

Consultez la galerie de modèles pour les tarifs de GPT-5.6, ou explorez d'autres options d'intégration dans le centre de documentation.

Dernière mise à jour : 2026-07-10