GPT-5.6 è disponibile: spiegazione delle modifiche alla fatturazione del prompt caching

OpenAI ha rilasciato ufficialmente la famiglia GPT-5.6 il 9 luglio 2026. AIHubMix ha completato l'integrazione di tutti e tre i livelli: gpt-5.6-sol, gpt-5.6-terra e gpt-5.6-luna sono ora disponibili tramite Chat Completions e Responses. La release modifica anche il meccanismo di prompt caching e la sua fatturazione: le scritture in cache ora vengono fatturate separatamente. Questo articolo illustra il posizionamento dei tre livelli e analizza nel dettaglio le modifiche al caching.

Cosa cambia con i tre livelli di GPT-5.6

GPT-5.6 rivede lo schema di denominazione: il numero indica la generazione del modello, mentre Sol, Terra e Luna sono livelli di capacità che possono evolversi in modo indipendente. Secondo le definizioni ufficiali, Sol è il modello di punta, Terra è un livello a prezzo più basso con prestazioni paragonabili a GPT-5.5, e Luna è il livello più veloce e più economico.

Sul piano delle capacità, la posizione ufficiale è questa: Sol ottiene risultati allo stato dell'arte in coding, lavoro di conoscenza, cybersecurity e attività scientifiche, viene descritto da OpenAI come il suo miglior modello di coding finora e stabilisce nuovi record su Terminal-Bench 2.1 e DeepSWE; Terra eguaglia le prestazioni di GPT-5.5 a metà prezzo. La famiglia aggiunge un livello di ragionamento massimo, e la Responses API acquisisce Programmatic Tool Calling e le capacità multi-agente (Beta).

Il miglioramento del meccanismo di caching, spiegato

Prima di GPT-5.6, il prompt caching sui modelli GPT era completamente automatico: i prefissi di 1.024 token o più venivano memorizzati in cache automaticamente, gli sviluppatori non avevano alcun controllo su cosa venisse memorizzato né per quanto tempo, e le cache venivano cancellate dopo 5–10 minuti di inattività. OpenAI riassume le modifiche di GPT-5.6 come "prompt caching più prevedibile", con tre punti concreti:

1. La conservazione passa da "anche solo 5 minuti" a "almeno 30 minuti". prompt_cache_options.ttl attualmente supporta solo "30m"; si tratta di un minimo garantito, e la conservazione effettiva può essere più lunga.
2. I breakpoint espliciti della cache sono una novità. Impostare prompt_cache_breakpoint su un blocco di contenuto fissa il confine della cache alla fine del contenuto stabile, così le modifiche successive al breakpoint non invalidano il prefisso memorizzato prima di esso; con prompt_cache_options.mode impostato su "explicit", vengono usati solo i breakpoint manuali.
3. prompt_cache_key passa da ottimizzazione a requisito ufficiale. A partire da GPT-5.6, il parametro dovrebbe essere impostato per ottenere una corrispondenza della cache più affidabile; OpenAI consiglia di mantenere il traffico per chiave a circa 15 richieste al minuto.

Come valutare la fatturazione delle scritture in cache a 1.25x

A partire da GPT-5.6, le scritture in cache sono fatturate a 1.25x la tariffa base di input e le letture dalla cache a 0.1x; sui modelli precedenti, le scritture in cache non hanno costi aggiuntivi. Il testo ufficiale (dall'annuncio di GPT-5.6): "Per GPT-5.6 e i modelli successivi, le scritture in cache sono fatturate a 1.25x la tariffa di input non memorizzata nella cache del modello, mentre le letture dalla cache continuano a beneficiare dello sconto del 90% sull'input memorizzato."

Il calcolo del punto di pareggio deriva direttamente dalle tariffe ufficiali: scrivere un prefisso costa 0.25x la tariffa di input in più rispetto a non usare la cache, e ogni successivo hit fa risparmiare 0.9x la tariffa di input: un prefisso riutilizzato anche una sola volta genera un risparmio netto, e più è il riutilizzo, maggiore è il risparmio.

• Carichi di lavoro che traggono chiaro beneficio: flussi di lavoro di agenti con prompt di sistema lunghi, RAG che include ripetutamente materiale di riferimento esteso, applicazioni che portano con sé grandi definizioni di strumenti e conversazioni multi-turno che si limitano ad aggiungere messaggi. Questi carichi hanno un alto riutilizzo dei prefissi, quindi la tariffa di lettura a 0.1x domina.
• Carichi di lavoro da tenere d'occhio: richieste lunghe una tantum il cui prefisso non viene mai riutilizzato. Il caching automatico è attivo per impostazione predefinita, quindi queste richieste comportano una commissione di scrittura a 1.25x non recuperabile; impostare prompt_cache_options.mode su "explicit" senza definire alcun breakpoint fa sì che la richiesta salti completamente la cache e non generi alcuna commissione di scrittura.

Confronto: prompt caching su GPT-5.6 e Claude

Il design del caching di GPT-5.6 converge con il cache_control di Claude su diversi aspetti, con la differenza principale nel comportamento predefinito: GPT esegue il caching automaticamente senza bisogno di parametri, mentre Claude richiede che il caching sia abilitato nella richiesta, tramite il campo di primo livello cache_control (breakpoint automatico) oppure tramite breakpoint espliciti a livello di blocco di contenuto.

La colonna Claude riflette le regole condivise da tutti i modelli Claude attivi: scritture a 1.25x per il livello da 5 minuti, 2x per il livello da 1 ora e letture a 0.1x si applicano uniformemente a tutta la gamma (documentazione di Anthropic sul prompt caching), con differenze tra i modelli limitate alla lunghezza minima memorizzabile; la colonna GPT-5.6 proviene dalla guida OpenAI sul prompt caching.

I limiti dei breakpoint, le tariffe di scrittura (per i livelli corrispondenti) e le tariffe di lettura coincidono esattamente tra i due provider; in pratica, la stessa strategia di strutturazione dei prompt "contenuto statico prima, contenuto variabile per ultimo" vale per entrambi. Il costo della migrazione si concentra nella sintassi dei parametri: GPT usa prompt_cache_breakpoint + prompt_cache_key, Claude usa cache_control.

Lo stesso schema di caching in entrambi i protocolli

Per lo stesso scenario "memorizza in cache una lunga istruzione statica", seguono le implementazioni minime nei due protocolli. Gli esempi usano gpt-5.6-sol e claude-opus-4-8. Entrambi condividono lo stesso prezzo base di input ($5/M), quindi anche i prezzi effettivi per token derivati dalle scritture in cache (1.25x) e dalle letture (0.1x) sono identici; cambia solo la sintassi.

Il protocollo GPT imposta prompt_cache_key a livello di primo livello (i prefissi lunghi vengono memorizzati in cache automaticamente, senza bisogno di un marcatore di breakpoint); il protocollo Claude imposta cache_control a livello di primo livello per attivare il caching automatico, passando a breakpoint a livello di blocco di contenuto quando serve un controllo preciso del confine della cache:

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."
      }
    ]
  }'

Confrontando le due richieste, le differenze si riducono a: l'endpoint (/v1/chat/completions contro /v1/messages), le intestazioni di autenticazione (Authorization: Bearer contro x-api-key + anthropic-version), il parametro di caching (prompt_cache_key di primo livello contro cache_control di primo livello) e il fatto che Claude richiede un max_tokens esplicito. Entrambe le richieste sono state verificate su aihubmix.com (2026-07-10): gpt-5.6-sol ha restituito cached_tokens: 2816 alla seconda chiamata; claude-opus-4-8 ha restituito cache_creation_input_tokens: 3632 alla prima chiamata e cache_read_input_tokens: 3632 alla seconda.

Oltre al formato della richiesta, restano tre differenze a livello di meccanismo:

1. Attivazione: GPT esegue il caching automaticamente anche senza alcun parametro di caching, con prompt_cache_key che migliora l'affidabilità dei hit; Claude richiede una dichiarazione esplicita: un breakpoint cache_control a livello di blocco di contenuto, oppure la modalità automatica cache_control di primo livello.
2. Campi di utilizzo: GPT riporta le letture dalla cache in prompt_tokens_details.cached_tokens; Claude riporta separatamente scritture e letture come cache_creation_input_tokens e cache_read_input_tokens, rendendo facile verificare in modo indipendente scritture e hit.
3. Controllo della durata: il ttl di GPT-5.6 supporta attualmente solo "30m"; Claude usa di default 5 minuti (rinnovati senza costi a ogni hit), con "ttl": "1h" opzionale (scritture fatturate a 2x).

Cosa modificare quando si cambia modello tra protocolli diversi

Il gateway di AIHubMix supporta le chiamate tra protocolli: l'endpoint compatibile con OpenAI può chiamare i modelli Claude (cache_control va direttamente nei blocchi di contenuto dei messaggi in formato OpenAI; vedi Prompt Caching practices), e l'endpoint compatibile con Claude /v1/messages può chiamare GPT-5.6 (verificato funzionante). Quando si cambia modello, controllare tre cose:

• Cambiare model con l'ID del modello di destinazione;
• Cambiare la sintassi del parametro di caching: prompt_cache_key / i breakpoint espliciti corrispondono a cache_control di Claude;
• Cambiare i nomi dei campi di utilizzo: cached_tokens corrisponde a cache_read_input_tokens di Claude.

Percorsi consigliati per il prompt caching: i modelli GPT tramite Chat Completions (il percorso con hit di cache verificato in questo articolo); i modelli Claude funzionano con entrambi i protocolli.

Confronto: GPT-5.6 contro il caching GPT precedente

I cambiamenti vanno tutti nella stessa direzione: la cache delle generazioni precedenti non comportava costi di scrittura ma non era controllabile, con una retention incerta; GPT-5.6 addebita le scritture, ma garantisce una retention minima e offre controlli precisi della cache. Secondo le tariffe, un prefisso riutilizzato in media più di una volta fa risparmiare più del costo aggiuntivo di scrittura; la retention minima di 30 minuti e i breakpoint controllabili rendono più prevedibile il raggiungimento di quel tasso di riutilizzo.

Come iniziare su AIHubMix

Tutti e tre i livelli sono disponibili, con gli ID modello gpt-5.6-sol, gpt-5.6-terra e gpt-5.6-luna. La cache non richiede alcuna configurazione aggiuntiva: richieste consecutive con lo stesso prefisso lungo colpiscono la 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)

Un valore di usage.prompt_tokens_details.cached_tokens maggiore di 0 alla seconda chiamata indica un cache hit (esempio misurato: cached_tokens: 2816). Per i dettagli sui parametri, la fatturazione e la risoluzione dei problemi di cache hit, consulta la documentazione GPT Prompt Caching.

FAQ

Quali API possono chiamare GPT-5.6 su AIHubMix?

Chat Completions (/v1/chat/completions), Responses (/v1/responses) e l'API Messages compatibile con Claude (/v1/messages) possono tutte chiamare i modelli, e tutti e tre i livelli sono disponibili. Per il prompt caching, al momento il percorso consigliato è Chat Completions.

Se il mio client non cambia nulla, cosa cambia nella fatturazione dopo l'aggiornamento a GPT-5.6?

Il prompt caching si applica automaticamente per impostazione predefinita: le richieste il cui prefisso raggiunge 1.024 token generano una voce di scrittura in cache fatturata a 1,25x la tariffa di input, mentre i prefissi riutilizzati sono fatturati alla tariffa di lettura 0,1x. Le applicazioni con un alto riutilizzo dei prefissi di solito vedono costi totali più bassi; le richieste lunghe una tantum che non riutilizzano mai un prefisso possono disattivare la cache con la modalità esplicita.

Ho già usato il prompt caching di Claude. Cosa devo cambiare per migrare a GPT-5.6?

La strategia di strutturazione del prompt resta la stessa: contenuto statico per primo, contenuto variabile per ultimo. I parametri passano da cache_control a prompt_cache_breakpoint, più prompt_cache_key; la retention passa dai livelli di 5 minuti/1 ora a una retention minima garantita di 30 minuti.

Come scelgo tra i tre livelli di GPT-5.6?

Secondo il posizionamento ufficiale: scegli Sol per il lavoro professionale complesso e le attività di coding; scegli Terra per i carichi di lavoro quotidiani (prestazioni di livello GPT-5.5 a metà prezzo); scegli Luna per scenari ad alto volume e sensibili al costo. Tutti e tre i livelli condividono la stessa finestra di contesto e lo stesso output massimo, quindi puoi instradare le richieste in base alla complessità del task.

Riferimenti ufficiali

Le specifiche dei modelli, i meccanismi di caching e le tariffe di fatturazione di questo articolo provengono dalle seguenti fonti ufficiali:

• Annuncio di GPT-5.6 (OpenAI, 2026-07-09)
• Guida OpenAI al prompt caching
• Prezzi OpenAI
• Documentazione Anthropic sul prompt caching

Documentazione correlata su questo sito: GPT Prompt Caching · Claude Prompt Caching · Prompt Caching practices

Visita la galleria dei modelli per i prezzi di GPT-5.6, oppure esplora altre opzioni di integrazione nel centro documentazione.

Ultimo aggiornamento: 2026-07-10