GPT-5.6 Is Live: Wijzigingen in de facturering van prompt caching uitgelegd

OpenAI heeft op 9 juli 2026 officieel de GPT-5.6-familie uitgebracht. AIHubMix heeft de integratie van alle drie de niveaus voltooid: 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: cache schrijfacturen worden nu apart gefactureerd. Deze post behandelt de positionering van de drie niveaus en bespreekt de wijzigingen in caching punt voor punt.

Wat verandert er met de drie GPT-5.6-niveaus

GPT-5.6 herzien de naamgevingsstructuur: het nummer geeft de modelgeneratie aan, terwijl Sol, Terra en Luna capaciteitsniveaus zijn die onafhankelijk kunnen evolueren. Volgens de officiële definities is Sol het vlaggenschipmodel, Terra is een goedkopere laag met prestaties vergelijkbaar met GPT-5.5, en Luna is het snelste, goedkoopste niveau.

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

De upgrade van het cachingmechanisme, uitgelegd

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

1. Retentie verschuift van "zo kort als 5 minuten" naar "minimaal 30 minuten". prompt_cache_options.ttl ondersteunt momenteel alleen "30m"; dat is een gegarandeerde minimum, en de werkelijke retentie kan langer zijn.
2. Expliciete cache-breekpunten zijn nieuw. Het instellen van prompt_cache_breakpoint op een inhoudsblok fixeert de cachegrens aan het einde van stabiele inhoud, zodat wijzigingen na het breekpunt de gecachte prefix ervoor niet ongeldig maken; met prompt_cache_options.mode ingesteld op "explicit", worden alleen handmatige breekpunten gebruikt.
3. prompt_cache_key verschuift van een optimalisatie naar een officiële vereiste. Vanaf GPT-5.6 moet de parameter worden ingesteld om betrouwbaardere cache-matching mogelijk te maken; OpenAI raadt aan om het verkeer per sleutel rond de 15 verzoeken per minuut te houden.

Hoe de 1,25x cache schrijfacturering te evalueren

Vanaf GPT-5.6 worden cache schrijfacturen gefactureerd tegen 1,25x het basisinvoertarief en cache-lezingen tegen 0,1x; bij eerdere modellen hebben cache schrijfacturen geen extra kosten. De officiële formulering (uit de GPT-5.6 aankondiging): "Voor GPT-5.6 en latere modellen worden cache schrijfacturen gefactureerd tegen 1,25x het ongecacheerde invoertarief van het model, terwijl cache-lezingen blijven profiteren van de 90% korting op gecachte invoer."

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

• Workloads die duidelijk profiteren: agent workflows met lange systeem prompts, RAG die herhaaldelijk lange referentiematerialen omvat, applicaties die grote tooldefinities bevatten, en multi-turn gesprekken die alleen berichten toevoegen. Deze workloads hebben een hoog prefix hergebruik, zodat het 0,1x leespercentage domineert.
• Workloads om in de gaten te houden: eenmalige lange verzoeken waarvan de prefix nooit wordt hergebruikt. Automatische caching is standaard ingeschakeld, dus deze verzoeken brengen een onherstelbare 1,25x schrijfvergoeding met zich mee; het instellen van prompt_cache_options.mode op "explicit" zonder breekpunten in te stellen, zorgt ervoor dat het verzoek de cache volledig overslaat en geen schrijfvergoeding met zich meebrengt.

Vergelijking: prompt caching op GPT-5.6 en Claude

Het cachingontwerp van GPT-5.6 komt op verschillende dimensies overeen met dat van Claude's cache_control, met het belangrijkste verschil in standaardgedrag: GPT cached automatisch zonder dat parameters vereist zijn, terwijl Claude vereist dat caching in het verzoek wordt ingeschakeld, hetzij via het top-level cache_control veld (automatisch breekpunt) of expliciete breekpunten op inhoudsblokniveau.

De Claude-kolom weerspiegelt de regels die door alle actieve Claude-modellen worden gedeeld: 1,25x schrijfacturen voor de 5-minuten laag, 2x voor de 1-uur laag, en 0,1x lezingen gelden uniform voor de hele reeks (Anthropic prompt caching documentatie), met per-model verschillen beperkt tot de minimale cachebare lengte; de GPT-5.6-kolom komt uit de OpenAI prompt caching gids.

De breekpuntlimieten, schrijf tarieven (voor de overeenkomstige niveaus) en lees tarieven komen exact overeen tussen de twee aanbieders; in praktische termen geldt dezelfde "statische inhoud eerst, veranderende inhoud laatst" promptstructureringsstrategie tussen hen. De migratiekosten zijn geconcentreerd in de parametersyntaxis: GPT gebruikt prompt_cache_breakpoint + prompt_cache_key, Claude gebruikt cache_control.

Hetzelfde cachingpatroon in beide protocollen

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

Het GPT-protocol stelt prompt_cache_key in op het topniveau (lange prefixen worden automatisch gecached, geen breekpuntmarker nodig); het Claude-protocol stelt cache_control in op het topniveau om automatische caching in te schakelen, en schakelt over naar breekpunten op inhoudsblokniveau 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": "[Statische lange instructies, >=1024 tokens]"
      },
      {
        "role": "user",
        "content": "Vat de belangrijkste cijfers samen."
      }
    ]
  }'

Claude (Berichten)

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": "[Statische lange instructies, >=1024 tokens]",
    "messages": [
      {
        "role": "user",
        "content": "Vat de belangrijkste cijfers samen."
      }
    ]
  }'

Bij het vergelijken van de twee verzoeken komen de verschillen neer op: de eindpunt (/v1/chat/completions vs /v1/messages), de auth-headers (Authorization: Bearer vs x-api-key + anthropic-version), de cachingparameter (top-level prompt_cache_key vs top-level cache_control), en Claude vereist een expliciete max_tokens. Beide verzoeken zijn geverifieerd tegen aihubmix.com (2026-07-10): gpt-5.6-sol retourneerde cached_tokens: 2816 bij de tweede oproep; claude-opus-4-8 retourneerde cache_creation_input_tokens: 3632 bij de eerste oproep en cache_read_input_tokens: 3632 bij de tweede.

Naast het verzoekformaat blijven er drie mechanismen-niveau verschillen over:

1. Activatie: GPT cached automatisch, zelfs zonder cachingparameters, met prompt_cache_key die de hitbetrouwbaarheid verbetert; Claude vereist een verklaring: een breekpunt op inhoudsblokniveau met cache_control, of de automatische modus op topniveau met cache_control.
2. Gebruik velden: GPT rapporteert cache-lezingen in prompt_tokens_details.cached_tokens; Claude rapporteert schrijfacturen en lezingen afzonderlijk als cache_creation_input_tokens en cache_read_input_tokens, waardoor het gemakkelijk is om schrijfacturen en hits onafhankelijk te verifiëren.
3. Levensduurcontrole: GPT-5.6's ttl ondersteunt momenteel alleen "30m"; Claude heeft standaard 5 minuten (ververst zonder kosten bij elke hit), met een optionele "ttl": "1h" (schrijfacturen gefactureerd tegen 2x).

Wat te veranderen bij het wisselen van modellen tussen protocollen

De AIHubMix-gateway ondersteunt cross-protocol oproepen: het OpenAI-compatibele eindpunt kan Claude-modellen aanroepen (cache_control gaat rechtstreeks in OpenAI-formaat berichtinhoudsblokken; zie Prompt Caching praktijken), en het Claude-compatibele /v1/messages eindpunt kan GPT-5.6 aanroepen (gecontroleerd werkend). Bij het wisselen van modellen, controleer drie dingen:

• Verander model naar de doelmodel-ID;
• Schakel de syntaxis van de cachingparameter om: prompt_cache_key / expliciete breekpunten komen overeen met Claude's cache_control;
• Schakel de veldnamen voor gebruik om: cached_tokens komt overeen met Claude's cache_read_input_tokens.

Aangeraden paden voor prompt caching: GPT-modellen via Chat Completions (het cache-hit pad geverifieerd in deze post); Claude-modellen werken via elk protocol.

Vergelijking: GPT-5.6 vs eerdere GPT caching

De veranderingen wijzen in één richting: caching van eerdere generaties was vrij van schrijfkosten maar niet controleerbaar, met onzekere retentie; GPT-5.6 rekent voor schrijfacturen terwijl het een gegarandeerde retentiedrempel en precieze cachecontroles biedt. Volgens de tarieven bespaart een prefix die meer dan eens wordt hergebruikt gemiddeld meer dan de toegevoegde schrijfkosten; de 30-minuten retentiedrempel en controleerbare breekpunten maken het bereiken van dat hergebruikpercentage voorspelbaarder.

Aan de slag met AIHubMix

Alle drie de niveaus zijn live, 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 = "Je bent een nauwkeurige assistent voor het analyseren van kwartaal financiële rapporten... [Statische lange instructies, >=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": "Vat de belangrijkste cijfers samen in één zin."},
        ],
    )
    print(completion.usage.prompt_tokens_details)

Een usage.prompt_tokens_details.cached_tokens waarde groter dan 0 bij de tweede oproep geeft een hit aan (gemeten voorbeeld: cached_tokens: 2816). Voor parameterdetails, factureringsspecifieke informatie en probleemoplossing bij hits, zie de GPT Prompt Caching documentatie.

FAQ

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 allemaal de modellen aanroepen, en alle drie de niveaus zijn live. Voor prompt caching is Chat Completions momenteel het aanbevolen pad.

Als mijn client niets verandert, wat verandert er in de facturering na de upgrade naar GPT-5.6?

Prompt caching wordt standaard automatisch toegepast: verzoeken waarvan de prefix 1.024 tokens bereikt, brengen een cache schrijfitem in rekening dat wordt gefactureerd tegen 1,25x het invoertarief, en hergebruikte prefixen worden gefactureerd tegen het 0,1x lees tarief. Toepassingen met hoog prefix hergebruik zien meestal lagere totale kosten; eenmalige lange verzoeken die nooit een prefix hergebruiken, kunnen caching uitschakelen met expliciete modus.

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

De promptstructureringsstrategie blijft hetzelfde: statische inhoud eerst, veranderende inhoud laatst. De parameters veranderen van cache_control naar prompt_cache_breakpoint, plus prompt_cache_key; retentie verandert van de 5-minuten/1-uur niveaus naar een gegarandeerde drempel van 30 minuten.

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

Volgens de officiële positionering: kies Sol voor complexe professionele werkzaamheden en coderingsopdrachten; kies Terra voor dagelijkse workloads (prestaties op GPT-5.5-niveau voor de helft van de prijs); kies Luna voor kostenbewuste, hoge-volume scenario's. Alle drie de niveaus delen hetzelfde contextvenster en maximale output, zodat je kunt routeren op basis van taakcomplexiteit.

Officiële referenties

Model specificaties, cachingmechanismen en facturerings tarieven in deze post komen van deze officiële bronnen:

• GPT-5.6 aankondiging (OpenAI, 2026-07-09)
• OpenAI prompt caching gids
• OpenAI Prijzen
• Anthropic prompt caching documentatie

Gerelateerde documentatie op deze site: GPT Prompt Caching · Claude Prompt Caching · Prompt Caching praktijken

Bezoek de modelgalerij voor GPT-5.6 prijzen, of verken meer integratie opties in het documentatiecentrum.

Laatste update: 2026-07-10