GPT-5.6 Is Live: uitleg over de wijzigingen in facturering van prompt caching

OpenAI heeft de GPT-5.6-familie op 9 juli 2026 officieel uitgebracht. AIHubMix heeft de integratie van alle drie de niveaus afgerond: gpt-5.6-sol, gpt-5.6-terra en gpt-5.6-luna zijn nu beschikbaar via Chat Completions en Responses. De release wijzigt ook het prompt caching-mechanisme en de facturering ervan: cache-schrijfacties worden nu afzonderlijk gefactureerd. Deze post behandelt de positionering van de drie niveaus en loopt de wijzigingen in caching punt voor punt door.

Wat verandert er met de drie GPT-5.6-niveaus

GPT-5.6 past de naamgeving aan: het getal geeft de modelgeneratie aan, terwijl Sol, Terra en Luna capaciteitsniveaus zijn die onafhankelijk van elkaar kunnen evolueren. Volgens de officiële definities is Sol het vlaggenschipmodel, is Terra een goedkoper niveau met prestaties vergelijkbaar met GPT-5.5, en is Luna het snelste en goedkoopste niveau.

Wat de capaciteiten betreft is de officiële positie: Sol behaalt state-of-the-art resultaten op het gebied van coderen, kenniswerk, cyberbeveiliging en wetenschappelijke taken, wordt door OpenAI omschreven als zijn tot dusver beste codeermodel, en zet nieuwe records op Terminal-Bench 2.1 en DeepSWE; Terra evenaart de prestaties van GPT-5.5 tegen de helft van de prijs. De familie voegt een max-redeneerniveau toe, en de Responses API krijgt Programmatic Tool Calling en multi-agent-mogelijkheden (Beta).

De upgrade van het caching-mechanisme, uitgelegd

Vóór GPT-5.6 was prompt caching op GPT-modellen volledig automatisch: prefixes van 1.024 tokens of meer werden automatisch gecached, ontwikkelaars hadden geen controle over wat er werd gecached of hoe lang, en caches werden na 5–10 minuten inactiviteit gewist. OpenAI vat de wijzigingen in GPT-5.6 samen als "voorspelbaardere prompt caching", met drie concrete punten:

1. Retentie gaat van "al vanaf 5 minuten" naar "minimaal 30 minuten". prompt_cache_options.ttl ondersteunt momenteel alleen "30m"; dat is een gegarandeerd minimum, en de werkelijke retentie kan langer zijn.
2. Expliciete cache-breakpoints zijn nieuw. Door prompt_cache_breakpoint op een content-block in te stellen, wordt de cachegrens vastgezet aan het einde van stabiele content, zodat wijzigingen na het breakpoint de gecachte prefix ervoor niet ongeldig maken; wanneer prompt_cache_options.mode op "explicit" staat, worden alleen handmatige breakpoints gebruikt.
3. prompt_cache_key wordt van een optimalisatie een officiële vereiste. Vanaf GPT-5.6 moet de parameter worden ingesteld om een betrouwbaardere cache-matching mogelijk te maken; OpenAI raadt aan het verkeer per key te beperken tot ongeveer 15 requests per minuut.

Hoe de 1,25x-factuur voor cache-schrijfacties te beoordelen

Vanaf GPT-5.6 worden cache-schrijfacties gefactureerd tegen 1,25x het basis-inputtarief en cache-lezingen tegen 0,1x; bij eerdere modellen brengen cache-schrijfacties geen extra kosten met zich mee. De officiële formulering (uit de GPT-5.6-aankondiging): "For GPT-5.6 and later models, cache writes are billed at 1.25x the model's uncached input rate, while cache reads continue to receive the 90% cached-input discount." In het Nederlands: voor GPT-5.6 en latere modellen worden cache-schrijfacties gefactureerd tegen 1,25x het ongecachte inputtarief van het model, terwijl cache-lezingen nog steeds de 90% korting op gecachte input ontvangen.

De break-even-berekening volgt rechtstreeks uit de officiële tarieven: een prefix schrijven kost 0,25x het inputtarief meer dan niet cachen, en elke daaropvolgende hit bespaart 0,9x het inputtarief: een prefix die zelfs één keer wordt hergebruikt levert een netto besparing op, en hoe vaker er wordt hergebruikt, hoe groter de besparing.

• Werklasten die duidelijk profiteren: agent-workflows met lange systeemprompts, RAG die steeds lang referentiemateriaal opneemt, toepassingen met grote tooldefinities, en multi-turn-gesprekken die alleen berichten toevoegen. Deze werklasten hebben een hoog prefix-hergebruik, zodat het leestarief van 0,1x de doorslag geeft.
• Werklasten om op te letten: eenmalige lange requests waarvan de prefix nooit wordt hergebruikt. Automatisch caching staat standaard aan, dus voor deze requests geldt een niet-terugvorderbare schrijfkost van 1,25x; door prompt_cache_options.mode op "explicit" te zetten zonder breakpoints in te stellen, slaat de request de cache volledig over en komt er geen schrijfkost bij.

Vergelijking: prompt caching bij GPT-5.6 en Claude

Het caching-ontwerp van GPT-5.6 convergeert op meerdere punten met Claude's cache_control, met het kernverschil in het standaardgedrag: GPT cachet automatisch zonder dat er parameters nodig zijn, terwijl Claude vereist dat caching in de request wordt ingeschakeld, hetzij via het veld cache_control op het hoogste niveau (automatisch breakpoint), hetzij via expliciete breakpoints op content-block-niveau.

De Claude-kolom weerspiegelt de regels die gelden voor alle actieve Claude-modellen: 1,25x voor schrijfacties in de 5-minuten-tier, 2x voor de 1-uurs-tier, en 0,1x voor lezingen gelden uniform binnen het aanbod (Anthropic-documentatie over prompt caching), met per-model verschillen die beperkt blijven tot de minimale cachebare lengte; de GPT-5.6-kolom komt uit de OpenAI-gids over prompt caching.

De breakpoint-limieten, schrijftarieven (voor de overeenkomstige niveaus) en leestarieven komen exact overeen tussen de twee aanbieders; praktisch gezien is dezelfde strategie voor het structureren van prompts, "statische content eerst, veranderende content laatst", tussen beide overdraagbaar. De migratiekosten zitten vooral in de parametersyntax: GPT gebruikt prompt_cache_breakpoint + prompt_cache_key, Claude gebruikt cache_control.

Hetzelfde cachingpatroon in beide protocollen

Voor hetzelfde scenario van "een statische lange instructie cachen" volgen hieronder de minimale implementaties in de twee protocollen. De voorbeelden gebruiken gpt-5.6-sol en claude-opus-4-8. Beide delen dezelfde basis-inputprijs ($5/M), dus de effectieve prijzen per token die volgen uit cache-schrijfacties (1,25x) en -lezingen (0,1x) zijn ook identiek; alleen de syntaxis verschilt.

Het GPT-protocol zet prompt_cache_key op het hoogste niveau (lange prefixes worden automatisch gecached, er is geen breakpoint-markering nodig); het Claude-protocol zet cache_control op het hoogste niveau om automatisch caching in te schakelen, en schakelt over naar breakpoints op content-block-niveau wanneer precieze controle over de cachegrens nodig is:

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."
      }
    ]
  }'

Als we de twee requests vergelijken, komen de verschillen neer op: het endpoint (/v1/chat/completions vs /v1/messages), de auth-headers (Authorization: Bearer vs x-api-key + anthropic-version), de caching-parameter (prompt_cache_key op het hoogste niveau vs cache_control op het hoogste niveau), en het feit dat Claude een expliciete max_tokens vereist. Beide requests zijn geverifieerd op aihubmix.com (2026-07-10): gpt-5.6-sol retourneerde cached_tokens: 2816 bij de tweede aanroep; claude-opus-4-8 retourneerde cache_creation_input_tokens: 3632 bij de eerste aanroep en cache_read_input_tokens: 3632 bij de tweede.

Naast het requestformaat blijven er drie verschillen op mechanismeniveau:

1. Activering: GPT cachet automatisch, zelfs zonder caching-parameters, waarbij prompt_cache_key de betrouwbaarheid van hits verbetert; Claude vereist een declaratie: een cache_control-breakpoint op content-block-niveau, of de automatische modus via cache_control op het hoogste niveau.
2. Gebruiksvelden: GPT meldt cache-lezingen in prompt_tokens_details.cached_tokens; Claude meldt schrijfacties en lezingen apart als cache_creation_input_tokens en cache_read_input_tokens, waardoor schrijfacties en hits afzonderlijk gemakkelijk te verifiëren zijn.
3. Levensduurbeheer: ttl van GPT-5.6 ondersteunt momenteel alleen "30m"; Claude staat standaard op 5 minuten (bij elke hit kosteloos verlengd), met de optionele "ttl": "1h" (schrijfacties gefactureerd tegen 2x).

Wat je moet aanpassen bij het wisselen van model over protocollen heen

De AIHubMix-gateway ondersteunt cross-protocol-aanroepen: het OpenAI-compatibele endpoint kan Claude-modellen aanroepen (cache_control gaat direct in de content-blocks van berichten in OpenAI-formaat; zie Prompt Caching practices), en het Claude-compatibele endpoint /v1/messages kan GPT-5.6 aanroepen (geverifieerd als werkend). Bij het wisselen van model moet je drie zaken controleren:

• Wijzig model naar de ID van het doelmodel;
• Pas de syntaxis van de caching-parameter aan: prompt_cache_key / expliciete breakpoints komen overeen met Claude's cache_control;
• Pas de namen van de gebruiksvelden aan: cached_tokens komt overeen met Claude's cache_read_input_tokens.

Aanbevolen routes voor prompt caching: GPT-modellen via Chat Completions (het in deze post geverifieerde cache-hit-pad); Claude-modellen werken via beide protocollen.

Vergelijking: GPT-5.6 versus eerdere GPT-caching

De wijzigingen gaan in één richting: de eerdere caching was vrij van schrijfkosten maar niet beheersbaar, met onzekere bewaartijd; GPT-5.6 rekent wel voor schrijfacties, maar biedt een gegarandeerde minimale bewaartijd en precieze cache-controles. Op basis van de tarieven bespaart een prefix die gemiddeld meer dan één keer wordt hergebruikt meer dan de extra schrijfkosten; de minimale bewaartijd van 30 minuten en de regelbare breekpunten maken het eenvoudiger om dat hergebruikspercentage te halen.

Aan de slag op AIHubMix

Alle drie de niveaus zijn beschikbaar, met model-ID's gpt-5.6-sol, gpt-5.6-terra en gpt-5.6-luna. Caching vereist geen extra configuratie; opeenvolgende verzoeken met dezelfde lange prefix raken de 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)

Een waarde groter dan 0 bij usage.prompt_tokens_details.cached_tokens in de tweede aanroep duidt op een cache-hit (gemeten voorbeeld: cached_tokens: 2816). Voor parameterdetails, facturatiespecificaties en het oplossen van missende hits, zie de documentatie over GPT Prompt Caching.

Veelgestelde vragen

Welke API's kunnen GPT-5.6 aanroepen op AIHubMix?

Chat Completions (/v1/chat/completions), Responses (/v1/responses) en de Claude-compatibele Messages API (/v1/messages) kunnen alle drie de modellen aanroepen, en alle drie de niveaus zijn beschikbaar. Voor prompt caching is Chat Completions momenteel de aanbevolen route.

Wat verandert er in de facturatie na de upgrade naar GPT-5.6 als mijn client niets wijzigt?

Prompt caching is standaard automatisch actief: verzoeken waarvan de prefix 1.024 tokens bereikt, leveren een cache-schrijfpost op die wordt gefactureerd tegen 1,25x het invoertarief, en hergebruikte prefixen worden gefactureerd tegen het leestarief van 0,1x. Toepassingen met veel hergebruik van prefixen zien meestal lagere totale kosten; eenmalige lange verzoeken die nooit een prefix hergebruiken, kunnen caching uitschakelen met de expliciete modus.

Ik heb Claude prompt caching gebruikt. Wat moet ik aanpassen om te migreren naar GPT-5.6?

De strategie voor het structureren van prompts blijft hetzelfde: statische inhoud eerst, veranderlijke inhoud als laatste. De parameters veranderen van cache_control naar prompt_cache_breakpoint, plus prompt_cache_key; de bewaartijd verandert van de 5-minuten- of 1-uursniveaus naar een gegarandeerde minimale bewaartijd van 30 minuten.

Hoe kies ik tussen de drie GPT-5.6-niveaus?

Volgens de officiële positionering: kies Sol voor complex professioneel werk en programmeertaken; kies Terra voor dagelijkse workloads (prestaties op GPT-5.5-niveau tegen de helft van de prijs); kies Luna voor kostengevoelige scenario's met een groot volume. Alle drie de niveaus delen hetzelfde contextvenster en dezelfde maximale uitvoer, dus je kunt verzoeken routeren op basis van taakcomplexiteit.

Officiële referenties

Modelspecificaties, cachingmechanismen en facturatietarieven in dit bericht komen uit de volgende officiële bronnen:

• GPT-5.6-aankondiging (OpenAI, 2026-07-09)
• OpenAI-handleiding voor prompt caching
• OpenAI-prijzen
• Anthropic-documentatie over prompt caching

Gerelateerde documentatie op deze site: GPT Prompt Caching · Claude Prompt Caching · Praktijkvoorbeelden voor Prompt Caching

Bezoek de modelgalerij voor GPT-5.6-prijzen, of ontdek meer integratiemogelijkheden in het documentatiecentrum.

Laatst bijgewerkt: 2026-07-10