GPT-5.6 уже доступен: изменения биллинга prompt caching

OpenAI официально выпустила семейство GPT-5.6 9 июля 2026 года. AIHubMix завершил интеграцию всех трёх уровней: gpt-5.6-sol, gpt-5.6-terra и gpt-5.6-luna теперь доступны через Chat Completions и Responses. Релиз также меняет механизм prompt caching и его биллинг: запись в кэш теперь тарифицируется отдельно. В этом посте рассматривается позиционирование трёх уровней и пошагово разбираются изменения кэширования.

Что меняется у трёх уровней GPT-5.6

GPT-5.6 пересматривает схему именования: число обозначает поколение модели, а Sol, Terra и Luna являются уровнями возможностей, которые могут развиваться независимо. Согласно официальным определениям, Sol — флагманская модель, Terra — более дешёвый уровень с производительностью, сопоставимой с GPT-5.5, а Luna — самый быстрый и самый дешёвый уровень.

По возможностям официальная позиция такова: Sol показывает результаты уровня state-of-the-art в задачах программирования, работы со знаниями, кибербезопасности и науки, OpenAI называет его лучшей на сегодня моделью для программирования и устанавливает новые рекорды на Terminal-Bench 2.1 и DeepSWE; Terra соответствует производительности GPT-5.5 при вдвое меньшей цене. Семейство добавляет уровень рассуждений max, а Responses API получает Programmatic Tool Calling и возможности мультиагентности (Beta).

Обновление механизма кэширования: объяснение

До GPT-5.6 prompt caching в моделях GPT работал полностью автоматически: префиксы длиной 1 024 токена и более кэшировались без участия разработчика, он не мог контролировать, что именно кэшируется и как долго, а кэш очищался через 5–10 минут бездействия. OpenAI описывает изменения GPT-5.6 как «более предсказуемое prompt caching» и выделяет три конкретных пункта:

1. Срок хранения увеличен с «не менее 5 минут» до «не менее 30 минут». prompt_cache_options.ttl сейчас поддерживает только "30m"; это гарантированный минимум, фактический срок хранения может быть дольше.
2. Появились явные точки разбиения кэша. Установка prompt_cache_breakpoint на блоке контента фиксирует границу кэша в конце стабильного содержимого, поэтому изменения после точки не инвалидируют закэшированный префикс перед ней; при значении prompt_cache_options.mode, равном "explicit", используются только ручные точки разбиения.
3. prompt_cache_key перешёл из оптимизации в официальное требование. Начиная с GPT-5.6, этот параметр рекомендуется задавать для более надёжного совпадения кэша; OpenAI советует держать трафик на один ключ примерно на уровне 15 запросов в минуту.

Как оценить биллинг записи в кэш по коэффициенту 1.25x

Начиная с GPT-5.6, запись в кэш тарифицируется по 1.25x от базовой ставки входных токенов, а чтение из кэша — по 0.1x; в более ранних моделях запись в кэш не имела дополнительной платы. Официальная формулировка (из анонса GPT-5.6): «Для GPT-5.6 и более поздних моделей запись в кэш тарифицируется по 1.25x от ставки некэшированного входа модели, а чтение из кэша по-прежнему получает скидку 90% на кэшированный ввод».

Расчёт точки безубыточности напрямую следует из официальных ставок: запись префикса стоит на 0.25x ставки входа больше, чем отсутствие кэширования, а каждое последующее попадание экономит 0.9x ставки входа: префикс, использованный даже один раз, даёт чистую экономию, и чем больше повторного использования, тем больше экономия.

• Нагрузки, которые явно выигрывают: агентные процессы с длинными системными промптами, RAG, который многократно включает длинные справочные материалы, приложения с большими описаниями инструментов и многоходовые диалоги, в которых только добавляются сообщения. У этих нагрузок высокая повторяемость префиксов, поэтому ставка чтения 0.1x становится определяющей.
• Нагрузки, за которыми стоит следить: разовые длинные запросы, префикс которых никогда не переиспользуется. Автоматическое кэширование включено по умолчанию, поэтому такие запросы несут невозвратную плату за запись 1.25x; если установить prompt_cache_options.mode в значение "explicit" и не задавать ни одной точки разбиения, запрос полностью обойдёт кэш и не будет платить за запись.

Сравнение: prompt caching в GPT-5.6 и Claude

Дизайн кэширования GPT-5.6 во многом совпадает с cache_control в Claude, а ключевое различие касается поведения по умолчанию: GPT кэширует автоматически без параметров, тогда как Claude требует включить кэширование в запросе, либо через поле верхнего уровня cache_control (автоматическая точка разбиения), либо через явные точки разбиения на уровне блоков контента.

Колонка Claude отражает правила, общие для всех активных моделей Claude: записи 1.25x для уровня 5 минут, 2x для уровня 1 час и чтения 0.1x применяются единообразно по всей линейке (документация Anthropic по prompt caching), а различия между моделями касаются только минимальной длины для кэширования; колонка GPT-5.6 взята из руководства OpenAI по prompt caching.

Лимиты точек разбиения, ставки записи (для соответствующих уровней) и ставки чтения у двух провайдеров полностью совпадают; на практике одна и та же стратегия структурирования промптов «сначала статичное содержимое, в конце изменяемое» переносится между ними. Затраты на миграцию сосредоточены в синтаксисе параметров: GPT использует prompt_cache_breakpoint + prompt_cache_key, Claude использует cache_control.

Один и тот же паттерн кэширования в обоих протоколах

Для одного и того же сценария «кэшировать длинную статичную инструкцию» ниже приведены минимальные реализации в двух протоколах. В примерах используются gpt-5.6-sol и claude-opus-4-8. Базовая входная цена у них одинаковая ($5/M), поэтому эффективные цены за токен с учётом записи в кэш (1.25x) и чтения (0.1x) тоже совпадают; различается только синтаксис.

Протокол GPT задаёт prompt_cache_key на верхнем уровне (длинные префиксы кэшируются автоматически, маркер точки разбиения не нужен), а протокол Claude задаёт cache_control на верхнем уровне для включения автоматического кэширования и переходит к точкам разбиения на уровне блоков контента, когда нужен точный контроль границы кэша:

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."
      }
    ]
  }'

Сравнивая два запроса, различия сводятся к следующему: эндпоинт (/v1/chat/completions против /v1/messages), заголовки авторизации (Authorization: Bearer против x-api-key + anthropic-version), параметр кэширования (prompt_cache_key на верхнем уровне против cache_control на верхнем уровне) и требование Claude явно указывать max_tokens. Оба запроса были проверены на aihubmix.com (2026-07-10): gpt-5.6-sol вернул cached_tokens: 2816 при втором вызове; claude-opus-4-8 вернул cache_creation_input_tokens: 3632 при первом вызове и cache_read_input_tokens: 3632 при втором.

Помимо формата запроса, на уровне механизма остаются три различия:

1. Активация: GPT кэширует автоматически даже без каких-либо параметров кэширования, а prompt_cache_key повышает надёжность попаданий; Claude требует явного объявления: либо явную точку разбиения на уровне блока контента с cache_control, либо автоматический режим через cache_control на верхнем уровне.
2. Поля использования: GPT сообщает о чтениях из кэша в prompt_tokens_details.cached_tokens; Claude сообщает о записях и чтениях отдельно, как cache_creation_input_tokens и cache_read_input_tokens, что упрощает независимую проверку записей и попаданий.
3. Управление сроком жизни: ttl в GPT-5.6 сейчас поддерживает только "30m"; Claude по умолчанию использует 5 минут (продлевается бесплатно при каждом попадании), с опциональным "ttl": "1h" (записи тарифицируются по 2x).

Что менять при смене модели между протоколами

Шлюз AIHubMix поддерживает кросс-протокольные вызовы: эндпоинт, совместимый с OpenAI, может вызывать модели Claude (cache_control передаётся напрямую в блоки контента сообщений в формате OpenAI; см. практики Prompt Caching), а эндпоинт /v1/messages, совместимый с Claude, может вызывать GPT-5.6 (работоспособность проверена). При смене модели проверьте три вещи:

• Измените model на ID целевой модели;
• Переключите синтаксис параметров кэширования: prompt_cache_key / явные точки разбиения соответствуют cache_control в Claude;
• Переключите имена полей использования: cached_tokens соответствует cache_read_input_tokens в Claude.

Рекомендуемые пути для prompt caching: модели GPT через Chat Completions (путь с попаданием в кэш, проверенный в этом посте); модели Claude работают через любой из протоколов.

Сравнение: GPT-5.6 и предыдущее кэширование GPT

Изменения идут в одном направлении: кэширование предыдущего поколения не взимало плату за запись, но было неконтролируемым, а срок хранения был неопределённым; GPT-5.6 берёт плату за запись, но гарантирует минимальный срок хранения и даёт точные средства управления кэшем. По тарифам префикс, который в среднем используется повторно более одного раза, окупает дополнительную стоимость записи; минимальный срок хранения 30 минут и управляемые точки разбиения делают достижение такого уровня повторного использования более предсказуемым.

Начало работы на AIHubMix

Все три уровня уже доступны, идентификаторы моделей: gpt-5.6-sol, gpt-5.6-terra и gpt-5.6-luna. Дополнительная настройка для кэширования не требуется: последовательные запросы с одинаковым длинным префиксом попадают в кэш:

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)

Значение usage.prompt_tokens_details.cached_tokens больше 0 при втором вызове означает попадание в кэш (пример из измерений: cached_tokens: 2816). Подробности о параметрах, тарификации и устранении проблем с попаданием в кэш см. в документации GPT Prompt Caching.

Часто задаваемые вопросы

Какие API на AIHubMix могут вызывать GPT-5.6?

Модели можно вызывать через Chat Completions (/v1/chat/completions), Responses (/v1/responses) и Messages API, совместимый с Claude (/v1/messages), и все три уровня уже доступны. Для кэширования промптов на данный момент рекомендуется путь через Chat Completions.

Что изменится в тарификации после перехода на GPT-5.6, если мой клиент ничего не меняет?

Кэширование промптов по умолчанию применяется автоматически: запросы, префикс которых достигает 1 024 токенов, создают элемент записи в кэш, оплачиваемый по ставке 1,25x от входной, а повторно используемые префиксы тарифицируются по ставке чтения 0,1x. Приложения с высокой повторной используемостью префиксов обычно получают более низкую общую стоимость; разовые длинные запросы, которые никогда не повторяют префикс, можно отключить кэширование с помощью явного режима.

Я использовал кэширование промптов Claude. Что нужно изменить для миграции на GPT-5.6?

Стратегия структурирования промптов остаётся прежней: сначала статичное содержимое, в конце меняющееся. Параметры меняются с cache_control на prompt_cache_breakpoint, а также добавляется prompt_cache_key; срок хранения меняется с уровней 5 минут/1 час на гарантированный минимум 30 минут.

Как выбрать один из трёх уровней GPT-5.6?

Согласно официальному позиционированию: выбирайте Sol для сложной профессиональной работы и задач по программированию; Terra для повседневных нагрузок (производительность уровня GPT-5.5 за половину цены); Luna для чувствительных к стоимости сценариев с большим объёмом. Все три уровня имеют одно и то же контекстное окно и максимальный объём вывода, поэтому можно распределять запросы в зависимости от сложности задачи.

Официальные источники

Характеристики моделей, механизмы кэширования и тарифы в этой статье взяты из следующих официальных источников:

• Анонс GPT-5.6 (OpenAI, 2026-07-09)
• Руководство OpenAI по кэшированию промптов
• Тарифы OpenAI
• Документация Anthropic по кэшированию промптов

Связанная документация на этом сайте: GPT Prompt Caching · Claude Prompt Caching · Практики кэширования промптов

Посмотрите галерею моделей, чтобы узнать цены GPT-5.6, или изучите другие варианты интеграции в центре документации.

Последнее обновление: 2026-07-10