GPT-5.6 jest dostępny: zmiany w rozliczaniu prompt cachingu wyjaśnione

OpenAI oficjalnie wydało rodzinę GPT-5.6 9 lipca 2026 roku. AIHubMix zakończył integrację wszystkich trzech poziomów: gpt-5.6-sol, gpt-5.6-terra i gpt-5.6-luna są już dostępne przez Chat Completions i Responses. Wydanie zmienia także mechanizm prompt cachingu oraz jego rozliczanie: zapisy w cache są teraz rozliczane osobno. Ten wpis omawia pozycjonowanie trzech poziomów i punkt po punkcie opisuje zmiany w cachingu.

Co zmienia się w trzech poziomach GPT-5.6

GPT-5.6 zmienia schemat nazewnictwa: liczba oznacza generację modelu, a Sol, Terra i Luna to poziomy możliwości, które mogą rozwijać się niezależnie. Według oficjalnych definicji Sol jest modelem flagowym, Terra to tańszy poziom o wydajności porównywalnej z GPT-5.5, a Luna to najszybszy i najtańszy poziom.

Jeśli chodzi o możliwości, oficjalne stanowisko jest takie: Sol osiąga wyniki state-of-the-art w zadaniach związanych z kodowaniem, pracą na wiedzy, cyberbezpieczeństwem i nauką, OpenAI opisuje go jako swój najlepszy model do kodowania w historii i ustanawia nowe rekordy w Terminal-Bench 2.1 i DeepSWE; Terra dorównuje wydajnością GPT-5.5 przy połowie ceny. Rodzina dodaje poziom rozumowania max, a Responses API zyskuje Programmatic Tool Calling oraz możliwości multi-agent (Beta).

Ulepszenie mechanizmu cachowania, wyjaśnione

Przed GPT-5.6 prompt caching w modelach GPT działał w pełni automatycznie: prefiksy o długości 1,024 tokenów lub więcej były cachowane automatycznie, deweloperzy nie mieli kontroli nad tym, co jest cachowane ani jak długo, a cache był czyszczony po 5–10 minutach bezczynności. OpenAI podsumowuje zmiany w GPT-5.6 jako „bardziej przewidywalny prompt caching” i wymienia trzy konkretne punkty:

1. Retencja wydłuża się z „nawet 5 minut” do „co najmniej 30 minut”. prompt_cache_options.ttl obecnie obsługuje tylko "30m"; jest to gwarantowane minimum, a faktyczny czas retencji może być dłuższy.
2. Jawne punkty przerwania cache to nowość. Ustawienie prompt_cache_breakpoint na bloku treści wyznacza granicę cache na końcu stabilnej treści, dzięki czemu zmiany za punktem przerwania nie unieważniają zapisanego prefiksu przed nim; gdy prompt_cache_options.mode ma wartość "explicit", używane są wyłącznie ręczne punkty przerwania.
3. prompt_cache_key przechodzi z optymalizacji do oficjalnego wymogu. Od GPT-5.6 zaleca się ustawianie tego parametru, aby zapewnić bardziej niezawodne dopasowywanie cache; OpenAI zaleca utrzymywanie ruchu na jeden klucz na poziomie około 15 żądań na minutę.

Jak ocenić rozliczanie zapisów w cache po stawce 1.25x

Od GPT-5.6 zapisy w cache są rozliczane po stawce 1.25x podstawowej stawki za input, a odczyty z cache po stawce 0.1x; w wcześniejszych modelach zapisy w cache nie generują dodatkowej opłaty. Oficjalne sformułowanie (z ogłoszenia GPT-5.6): „Dla GPT-5.6 i nowszych modeli zapisy w cache są rozliczane po stawce 1.25x nieprzetworzonej stawki za input modelu, podczas gdy odczyty z cache nadal otrzymują 90% zniżki na zcachowany input.”

Rachunek progu opłacalności wynika wprost z oficjalnych stawek: zapisanie prefiksu kosztuje o 0.25x stawki za input więcej niż brak cachowania, a każde kolejne trafienie oszczędza 0.9x stawki za input: prefiks użyty choćby raz daje oszczędność netto, a im częstsze ponowne użycie, tym większa oszczędność.

• Obciążenia, które wyraźnie zyskują: przepływy pracy agentów z długimi promptami systemowymi, RAG wielokrotnie dołączający obszerne materiały referencyjne, aplikacje przenoszące duże definicje narzędzi oraz wielotурowe rozmowy, w których tylko dopisywane są wiadomości. Te obciążenia mają wysokie ponowne użycie prefiksu, dlatego stawka odczytu 0.1x dominuje.
• Obciążenia, na które trzeba uważać: jednorazowe długie żądania, których prefiks nigdy nie jest ponownie użyty. Automatyczne cachowanie jest domyślnie włączone, więc takie żądania generują nieodwracalną opłatę za zapis po stawce 1.25x; ustawienie prompt_cache_options.mode na "explicit" bez ustawiania żadnych punktów przerwania sprawia, że żądanie całkowicie pomija cache i nie generuje opłaty za zapis.

Porównanie: prompt caching w GPT-5.6 i Claude

Projekt cachingu w GPT-5.6 zbliża się do cache_control Claude w kilku wymiarach, a główna różnica dotyczy domyślnego zachowania: GPT cachuje automatycznie i nie wymaga żadnych parametrów, natomiast Claude wymaga włączenia cachowania w żądaniu, albo przez pole najwyższego poziomu cache_control (automatyczny punkt przerwania), albo przez jawne punkty przerwania na poziomie bloku treści.

Kolumna Claude odzwierciedla zasady wspólne dla wszystkich aktywnych modeli Claude: zapisy po 1.25x dla poziomu 5-minutowego, 2x dla poziomu 1-godzinnego, a odczyty po 0.1x obowiązują jednolicie w całej linii modeli (dokumentacja Anthropic dotycząca prompt cachingu), a różnice między modelami ograniczają się do minimalnej długości możliwej do zcachowania; kolumna GPT-5.6 pochodzi z przewodnika OpenAI po prompt cachingu.

Limity punktów przerwania, stawki zapisu (dla odpowiednich poziomów) i stawki odczytu są w obu dostawcach dokładnie takie same; w praktyce ta sama strategia strukturyzowania promptu „najpierw treść statyczna, na końcu treść zmienna” przenosi się między nimi. Koszt migracji koncentruje się w składni parametrów: GPT używa prompt_cache_breakpoint + prompt_cache_key, Claude używa cache_control.

Ten sam wzorzec cachowania w obu protokołach

Dla tego samego scenariusza „cachowanie statycznej, długiej instrukcji” poniżej znajdują się minimalne implementacje w obu protokołach. Przykłady używają gpt-5.6-sol oraz claude-opus-4-8. Oba mają tę samą podstawową cenę za input ($5/M), więc efektywne ceny za token wynikające z zapisów w cache (1.25x) i odczytów (0.1x) są również identyczne; różni się tylko składnia.

Protokół GPT ustawia prompt_cache_key na najwyższym poziomie (długie prefiksy są cachowane automatycznie, bez znacznika punktu przerwania); protokół Claude ustawia cache_control na najwyższym poziomie, aby włączyć automatyczne cachowanie, a przełącza się na punkty przerwania na poziomie bloku treści, gdy potrzebna jest precyzyjna kontrola granicy 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."
      }
    ]
  }'

Porównując oba żądania, różnice sprowadzają się do: endpointu (/v1/chat/completions vs /v1/messages), nagłówków uwierzytelniania (Authorization: Bearer vs x-api-key + anthropic-version), parametru cachowania (najwyższy poziom prompt_cache_key vs najwyższy poziom cache_control) oraz faktu, że Claude wymaga jawnego max_tokens. Oba żądania zostały zweryfikowane na aihubmix.com (2026-07-10): gpt-5.6-sol zwrócił cached_tokens: 2816 w drugim wywołaniu; claude-opus-4-8 zwrócił cache_creation_input_tokens: 3632 w pierwszym wywołaniu i cache_read_input_tokens: 3632 w drugim.

Poza formatem żądania pozostają trzy różnice na poziomie mechanizmu:

1. Aktywacja: GPT cachuje automatycznie nawet bez jakichkolwiek parametrów cachowania, a prompt_cache_key poprawia niezawodność trafień; Claude wymaga deklaracji: punktu przerwania cache_control na poziomie bloku treści albo trybu automatycznego cache_control na poziomie najwyższym.
2. Pola użycia: GPT raportuje odczyty z cache w prompt_tokens_details.cached_tokens; Claude raportuje zapisy i odczyty osobno jako cache_creation_input_tokens i cache_read_input_tokens, co ułatwia niezależne sprawdzanie zapisów i trafień.
3. Kontrola czasu życia: ttl w GPT-5.6 obsługuje obecnie tylko "30m"; Claude domyślnie używa 5 minut (odświeżanych bez kosztów przy każdym trafieniu), z opcjonalnym "ttl": "1h" (zapisy rozliczane po 2x).

Co zmienić przy zamianie modeli między protokołami

Brama AIHubMix obsługuje wywołania międzyprotokołowe: endpoint kompatybilny z OpenAI może wywoływać modele Claude (cache_control trafia bezpośrednio do bloków treści wiadomości w formacie OpenAI; zob. dobre praktyki Prompt Caching), a endpoint kompatybilny z Claude /v1/messages może wywoływać GPT-5.6 (działanie zweryfikowano). Przy zamianie modeli sprawdź trzy rzeczy:

• Zmień model na identyfikator docelowego modelu;
• Przełącz składnię parametrów cachowania: prompt_cache_key / jawne punkty przerwania odpowiadają cache_control w Claude;
• Przełącz nazwy pól użycia: cached_tokens odpowiada cache_read_input_tokens w Claude.

Zalecane ścieżki dla prompt cachingu: modele GPT przez Chat Completions (ścieżka trafień z cache zweryfikowana w tym wpisie); modele Claude działają przez oba protokoły.

Porównanie: GPT-5.6 a wcześniejsze cachowanie w GPT

Zmiany idą w jednym kierunku: wcześniejsze cachowanie promptów nie pobierało opłat za zapis, ale nie dało się nim sterować, a czas przechowywania był niepewny; GPT-5.6 nalicza opłaty za zapis, zapewniając jednocześnie gwarantowany minimalny czas przechowywania oraz precyzyjne kontrolki cache. Według cen, prefiks wykorzystywany średnio więcej niż raz przynosi większe oszczędności niż dodatkowy koszt zapisu; 30-minutowy minimalny czas przechowywania i kontrolowane punkty przerwania sprawiają, że osiągnięcie takiego poziomu ponownego wykorzystania jest bardziej przewidywalne.

Pierwsze kroki w AIHubMix

Wszystkie trzy poziomy są już dostępne, z identyfikatorami modeli gpt-5.6-sol, gpt-5.6-terra i gpt-5.6-luna. Cachowanie nie wymaga dodatkowej konfiguracji; kolejne żądania z tym samym długim prefiksem trafiają do 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)

Wartość usage.prompt_tokens_details.cached_tokens większa niż 0 przy drugim wywołaniu oznacza trafienie w cache (przykład z pomiaru: cached_tokens: 2816). Szczegóły parametrów, rozliczenia i rozwiązywania problemów z trafieniami znajdziesz w dokumentacji GPT Prompt Caching.

FAQ

Które API mogą wywoływać GPT-5.6 w AIHubMix?

Chat Completions (/v1/chat/completions), Responses (/v1/responses) oraz zgodne z Claude Messages API (/v1/messages) mogą wywoływać te modele, a wszystkie trzy poziomy są już dostępne. W przypadku cachowania promptów obecnie zalecaną ścieżką jest Chat Completions.

Jeśli mój klient niczego nie zmienia, co zmieni się w rozliczeniach po przejściu na GPT-5.6?

Cachowanie promptów działa domyślnie automatycznie: żądania, których prefiks osiąga 1024 tokeny, generują pozycję zapisu w cache rozliczaną po stawce 1,25x stawki wejściowej, a ponownie wykorzystane prefiksy są rozliczane po stawce odczytu 0,1x. Aplikacje z dużym ponownym wykorzystaniem prefiksów zwykle widzą niższe łączne koszty; jednorazowe, długie żądania, które nigdy nie wykorzystują ponownie prefiksu, mogą wyłączyć cachowanie za pomocą jawnego trybu.

Używałem cachowania promptów Claude. Co muszę zmienić, aby przejść na GPT-5.6?

Strategia strukturyzowania promptów pozostaje ta sama: najpierw treści statyczne, na końcu treści zmienne. Parametry zmieniają się z cache_control na prompt_cache_breakpoint oraz dodatkowo prompt_cache_key; czas przechowywania zmienia się z poziomów 5-minutowego/1-godzinnego na gwarantowany minimum 30 minut.

Jak wybrać spośród trzech poziomów GPT-5.6?

Zgodnie z oficjalnym opisem: wybierz Sol do złożonej pracy zawodowej i zadań programistycznych; wybierz Terra do codziennych obciążeń (wydajność na poziomie GPT-5.5 za połowę ceny); wybierz Luna do scenariuszy wrażliwych na koszty i o dużej liczbie żądań. Wszystkie trzy poziomy mają to samo okno kontekstowe i maksymalną długość wyjścia, więc możesz kierować zadania w zależności od ich złożoności.

Oficjalne źródła

Specyfikacje modeli, mechanizmy cachowania i stawki rozliczeniowe w tym wpisie pochodzą z następujących oficjalnych źródeł:

• Ogłoszenie GPT-5.6 (OpenAI, 2026-07-09)
• Przewodnik OpenAI po cachowaniu promptów
• Cennik OpenAI
• Dokumentacja Anthropic dotycząca cachowania promptów

Powiązana dokumentacja na tej stronie: GPT Prompt Caching · Claude Prompt Caching · Prompt Caching practices

Odwiedź galerię modeli, aby sprawdzić ceny GPT-5.6, lub poznaj więcej opcji integracji w centrum dokumentacji.

Ostatnia aktualizacja: 2026-07-10