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

OpenAI ha ufficialmente rilasciato 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. Il rilascio modifica anche il meccanismo di caching dei prompt e la sua fatturazione: le scritture nella cache sono ora fatturate separatamente. Questo post copre il posizionamento dei tre livelli e analizza le modifiche al caching punto per punto.

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 ridotto con prestazioni comparabili a GPT-5.5, e Luna è il livello più veloce e a prezzo più basso.

Per quanto riguarda le capacità, la posizione ufficiale è: Sol ottiene risultati all'avanguardia in codifica, lavoro di conoscenza, cybersecurity e compiti scientifici, ed è descritto da OpenAI come il suo miglior modello di codifica fino ad oggi, stabilendo nuovi record su Terminal-Bench 2.1 e DeepSWE; Terra corrisponde alle prestazioni di GPT-5.5 a metà prezzo. La famiglia aggiunge un livello massimo di ragionamento, e l'API Responses guadagna Programmatic Tool Calling e capacità multi-agente (Beta).

Spiegazione dell'aggiornamento del meccanismo di caching

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

1. La retention passa da "almeno 5 minuti" a "almeno 30 minuti". prompt_cache_options.ttl attualmente supporta solo "30m"; questo è un minimo garantito, e la retention effettiva può essere più lunga.
2. I punti di interruzione della cache espliciti sono nuovi. Impostare prompt_cache_breakpoint su un blocco di contenuto fissa il confine della cache alla fine del contenuto stabile, quindi le modifiche dopo il punto di interruzione non invalidano il prefisso memorizzato prima; con prompt_cache_options.mode impostato su "explicit", vengono utilizzati solo punti di interruzione manuali.
3. prompt_cache_key passa da un'ottimizzazione a un requisito ufficiale. A partire da GPT-5.6, il parametro deve essere impostato per abilitare un abbinamento della cache più affidabile; OpenAI raccomanda di mantenere il traffico per chiave a circa 15 richieste al minuto.

Come valutare la fatturazione delle scritture nella cache a 1,25x

A partire da GPT-5.6, le scritture nella cache sono fatturate a 1,25x il tasso di input di base e le letture nella cache a 0,1x; sui modelli precedenti, le scritture nella cache non hanno costi aggiuntivi. La formulazione ufficiale (dal comunicato di GPT-5.6): "Per GPT-5.6 e modelli successivi, le scritture nella cache sono fatturate a 1,25x il tasso di input non memorizzato del modello, mentre le letture nella cache continuano a ricevere lo sconto del 90% sul tasso di input memorizzato."

I calcoli per il pareggio seguono direttamente dalle tariffe ufficiali: scrivere un prefisso costa 0,25x in più rispetto a non memorizzare, e ogni successivo accesso risparmia 0,9x il tasso di input: un prefisso riutilizzato anche una sola volta produce un risparmio netto, e più riutilizzo, maggiore è il risparmio.

• Carichi di lavoro che beneficiano chiaramente: flussi di lavoro degli agenti con lunghi prompt di sistema, RAG che include ripetutamente lunghi materiali di riferimento, applicazioni che portano grandi definizioni di strumenti e conversazioni multi-turno che aggiungono solo messaggi. Questi carichi di lavoro hanno un alto riutilizzo del prefisso, quindi il tasso di lettura di 0,1x domina.
• Carichi di lavoro da monitorare: 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 non recuperabile di 1,25x; impostare prompt_cache_options.mode su "explicit" senza impostare alcun punto di interruzione fa sì che la richiesta salti completamente la cache e non comporti alcuna commissione di scrittura.

Confronto: caching dei prompt su GPT-5.6 e Claude

Il design del caching di GPT-5.6 converge con cache_control di Claude su diverse dimensioni, con la differenza principale nel comportamento predefinito: GPT memorizza automaticamente senza parametri richiesti, mentre Claude richiede che il caching sia abilitato nella richiesta, sia nel campo cache_control di alto livello (punto di interruzione automatico) che nei punti di interruzione espliciti a livello di blocco di contenuto.

La colonna di Claude riflette le regole condivise da tutti i modelli attivi di Claude: 1,25x scritture per il livello di 5 minuti, 2x per il livello di 1 ora, e 0,1x letture si applicano uniformemente a tutta la gamma (documentazione sul caching dei prompt di Anthropic), con differenze per modello limitate alla lunghezza minima memorizzabile; la colonna GPT-5.6 proviene dalla guida al caching dei prompt di OpenAI.

I limiti dei punti di interruzione, i tassi di scrittura (per i livelli corrispondenti) e i tassi di lettura corrispondono esattamente tra i due fornitori; in termini pratici, la stessa strategia di strutturazione dei prompt "contenuto statico prima, contenuto variabile dopo" si applica a entrambi. Il costo di migrazione è concentrato nella sintassi dei parametri: GPT utilizza prompt_cache_breakpoint + prompt_cache_key, Claude utilizza cache_control.

Lo stesso schema di caching in entrambi i protocolli

Per lo stesso scenario "memorizza un'istruzione statica lunga", le implementazioni minime nei due protocolli seguono. Gli esempi utilizzano gpt-5.6-sol e claude-opus-4-8. Entrambi condividono lo stesso prezzo di input di base ($5/M), quindi i prezzi effettivi per token derivati dalle scritture nella cache (1,25x) e dalle letture (0,1x) sono anche identici; solo la sintassi differisce.

Il protocollo GPT imposta prompt_cache_key a livello alto (i lunghi prefissi vengono memorizzati automaticamente, senza bisogno di un marcatore di punto di interruzione); il protocollo Claude imposta cache_control a livello alto per abilitare il caching automatico, passando a punti di interruzione a livello di blocco di contenuto quando è necessario un controllo preciso sul 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": "[Istruzioni statiche lunghe, >=1024 token]"
      },
      {
        "role": "user",
        "content": "Riassumi i dati chiave."
      }
    ]
  }'

Claude (Messaggi)

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": "[Istruzioni statiche lunghe, >=1024 token]",
    "messages": [
      {
        "role": "user",
        "content": "Riassumi i dati chiave."
      }
    ]
  }'

Confrontando le due richieste, le differenze si riducono a: l'endpoint (/v1/chat/completions vs /v1/messages), le intestazioni di autorizzazione (Authorization: Bearer vs x-api-key + anthropic-version), il parametro di caching (top-level prompt_cache_key vs top-level cache_control), e Claude richiede un esplicito max_tokens. Entrambe le richieste sono state verificate contro 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, rimangono tre differenze a livello di meccanismo:

1. Attivazione: GPT memorizza automaticamente anche senza parametri di caching, con prompt_cache_key che migliora l'affidabilità degli accessi; Claude richiede una dichiarazione: un punto di interruzione cache_control a livello di blocco di contenuto, o la modalità automatica cache_control a livello alto.
2. Campi di utilizzo: GPT riporta le letture nella cache in prompt_tokens_details.cached_tokens; Claude riporta scritture e letture separatamente come cache_creation_input_tokens e cache_read_input_tokens, rendendo facile verificare scritture e accessi in modo indipendente.
3. Controllo della durata: il ttl di GPT-5.6 attualmente supporta solo "30m"; Claude predefinisce 5 minuti (rinfrescato senza costi ad ogni accesso), con un "ttl": "1h" opzionale (scritture fatturate a 2x).

Cosa cambiare quando si scambiano modelli tra protocolli

Il gateway AIHubMix supporta chiamate cross-protocol: l'endpoint compatibile con OpenAI può chiamare modelli Claude (cache_control va direttamente nei blocchi di contenuto del messaggio in formato OpenAI; vedere pratiche di caching dei prompt), e l'endpoint /v1/messages compatibile con Claude può chiamare GPT-5.6 (verificato funzionante). Quando si scambiano modelli, controllare tre cose:

• Cambiare model con l'ID del modello target;
• Passare alla sintassi del parametro di caching: prompt_cache_key / punti di interruzione espliciti corrispondono a cache_control di Claude;
• Passare ai nomi dei campi di utilizzo: cached_tokens corrisponde a cache_read_input_tokens di Claude.

Percorsi raccomandati per il caching dei prompt: modelli GPT tramite Chat Completions (il percorso di accesso alla cache verificato in questo post); modelli Claude funzionano attraverso entrambi i protocolli.

Confronto: GPT-5.6 vs caching GPT precedente

Le modifiche puntano in una sola direzione: il caching delle generazioni precedenti era privo di commissioni di scrittura ma incontrollabile, con retention incerta; GPT-5.6 addebita per le scritture mentre fornisce un pavimento di retention garantito e controlli di cache precisi. In base alle tariffe, un prefisso riutilizzato più di una volta in media risparmia più del costo di scrittura aggiunto; il pavimento di retention di 30 minuti e i punti di interruzione controllabili rendono più prevedibile il raggiungimento di quel tasso di riutilizzo.

Iniziare su AIHubMix

Tutti e tre i livelli sono attivi, con ID modello gpt-5.6-sol, gpt-5.6-terra e gpt-5.6-luna. Il caching non richiede configurazioni aggiuntive; richieste consecutive con lo stesso lungo prefisso 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 = "Sei un assistente meticoloso per analizzare i rapporti finanziari trimestrali... [Istruzioni statiche lunghe, >=1024 token]"

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": "Riassumi i dati chiave in una frase."},
        ],
    )
    print(completion.usage.prompt_tokens_details)

Un valore usage.prompt_tokens_details.cached_tokens maggiore di 0 alla seconda chiamata indica un accesso (esempio misurato: cached_tokens: 2816). Per dettagli sui parametri, specifiche di fatturazione e risoluzione dei problemi di accesso, vedere la documentazione sul caching dei prompt di GPT.

FAQ

Quali API possono chiamare GPT-5.6 su AIHubMix?

Chat Completions (/v1/chat/completions), Responses (/v1/responses) e l'API Messaggi compatibile con Claude (/v1/messages) possono tutte chiamare i modelli, e tutti e tre i livelli sono attivi. Per il caching dei prompt, Chat Completions è attualmente il percorso raccomandato.

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

Il caching dei prompt si applica automaticamente per impostazione predefinita: le richieste il cui prefisso raggiunge 1.024 token comportano un elemento di scrittura nella cache fatturato a 1,25x il tasso di input, e i prefissi riutilizzati sono fatturati al tasso di lettura di 0,1x. Le applicazioni con alto riutilizzo del prefisso di solito vedono costi totali inferiori; richieste lunghe una tantum che non riutilizzano mai un prefisso possono disabilitare il caching con la modalità esplicita.

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

La strategia di strutturazione dei prompt rimane la stessa: contenuto statico prima, contenuto variabile dopo. I parametri cambiano da cache_control a prompt_cache_breakpoint, più prompt_cache_key; la retention cambia dai livelli di 5 minuti/1 ora a un pavimento garantito di 30 minuti.

Come scelgo tra i tre livelli di GPT-5.6?

Secondo il posizionamento ufficiale: scegli Sol per lavori professionali complessi e compiti di codifica; scegli Terra per carichi di lavoro quotidiani (prestazioni a livello di GPT-5.5 a metà prezzo); scegli Luna per scenari sensibili ai costi e ad alto volume. Tutti e tre i livelli condividono la stessa finestra di contesto e output massimo, quindi puoi indirizzare in base alla complessità del compito.

Riferimenti ufficiali

Le specifiche dei modelli, i meccanismi di caching e le tariffe di fatturazione in questo post provengono da queste fonti ufficiali:

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

Documentazione correlata su questo sito: Caching dei prompt di GPT · Caching dei prompt di Claude · Pratiche di caching dei prompt

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

Ultimo aggiornamento: 2026-07-10