GPT-5.6 вже доступний: зміни в білінгу prompt caching пояснено

OpenAI офіційно випустила родину GPT-5.6 9 липня 2026 року. AIHubMix завершив інтеграцію всіх трьох рівнів: gpt-5.6-sol, gpt-5.6-terra і gpt-5.6-luna тепер доступні через Chat Completions та Responses. Випуск також змінює механізм prompt caching і його білінг: записи кешу тепер тарифікуються окремо. У цій статті розглянуто позиціонування трьох рівнів і по пунктах описано зміни в кешуванні.

Що змінюється в трьох рівнях GPT-5.6

GPT-5.6 переглядає схему іменування: число позначає покоління моделі, а Sol, Terra і Luna є рівнями можливостей, які можуть розвиватися незалежно одне від одного. Згідно з офіційними визначеннями, Sol є флагманською моделлю, Terra є рівнем із нижчою ціною та продуктивністю, порівнянною з GPT-5.5, а Luna є найшвидшим рівнем із найнижчою ціною.

Щодо можливостей, офіційна позиція така: Sol досягає найкращих результатів у завданнях з кодування, роботи зі знаннями, кібербезпеки та науки, OpenAI описує її як найкращу модель для кодування на сьогодні та встановлює нові рекорди на Terminal-Bench 2.1 і DeepSWE; Terra відповідає продуктивності GPT-5.5 за половину ціни. Родина додає рівень міркування max, а Responses API отримує Programmatic Tool Calling і можливості multi-agent (Beta).

Оновлення механізму кешування, пояснено

До GPT-5.6 prompt caching у моделях GPT був повністю автоматичним: префікси від 1 024 токенів і більше кешувалися автоматично, розробники не мали контролю над тим, що кешується і на який термін, а кеш очищувався після 5–10 хвилин неактивності. OpenAI підсумовує зміни GPT-5.6 як "передбачуваніше prompt caching" і виділяє три конкретні пункти:

1. Зберігання збільшено з "щонайменше 5 хвилин" до "щонайменше 30 хвилин". prompt_cache_options.ttl наразі підтримує лише "30m"; це гарантований мінімум, а фактичний термін зберігання може бути довшим.
2. Явні breakpoints кешу є новими. Встановлення prompt_cache_breakpoint на блоці вмісту фіксує межу кешу в кінці стабільного вмісту, тому зміни після breakpoint не інвалідують кешований префікс перед ним; коли prompt_cache_options.mode має значення "explicit", використовуються лише ручні breakpoints.
3. prompt_cache_key перетворюється з оптимізації на офіційну вимогу. Починаючи з GPT-5.6, цей параметр слід встановлювати для надійнішого співставлення кешу; OpenAI рекомендує тримати трафік на один ключ приблизно на рівні 15 запитів на хвилину.

Як оцінити тарифікацію записів кешу 1.25x

Починаючи з GPT-5.6, записи кешу тарифікуються за 1.25x від базової ставки вхідних токенів, а читання кешу за 0.1x; у попередніх моделях записи кешу не мали додаткової плати. Офіційне формулювання (з оголошення GPT-5.6): "Для GPT-5.6 та новіших моделей записи кешу тарифікуються за 1.25x від ставки некешованих вхідних токенів моделі, тоді як читання кешу й надалі отримують знижку 90% на кешовані вхідні токени."

Розрахунок точки беззбитковості випливає безпосередньо з офіційних ставок: запис префікса коштує на 0.25x ставки вхідних токенів більше, ніж без кешування, а кожне наступне попадання заощаджує 0.9x ставки вхідних токенів: префікс, який використано хоча б раз, дає чисту економію, і чим більше повторного використання, тим більша економія.

• Навантаження, які явно виграють: агентні робочі процеси з довгими системними промптами, RAG, що повторно включає великі довідкові матеріали, застосунки з великими визначеннями інструментів, а також багатоходові розмови, які лише додають повідомлення. Ці навантаження мають високе повторне використання префіксів, тому ставка читання 0.1x є домінуючою.
• Навантаження, на які варто звернути увагу: разові довгі запити, префікс яких ніколи не використовується повторно. Автоматичне кешування увімкнено за замовчуванням, тому такі запити несуть невідшкодовувану плату за запис 1.25x; якщо встановити prompt_cache_options.mode на "explicit" без жодних breakpoints, запит повністю обходить кеш і не несе плати за запис.

Порівняння: prompt caching у GPT-5.6 і Claude

Дизайн кешування GPT-5.6 збігається з cache_control Claude за кількома параметрами, а головна різниця полягає в поведінці за замовчуванням: GPT кешує автоматично без необхідних параметрів, тоді як Claude вимагає увімкнення кешування в запиті, або через поле верхнього рівня cache_control (автоматичний breakpoint), або через явні breakpoints на рівні блоків вмісту.

Колонка Claude відображає правила, спільні для всіх активних моделей Claude: записи 1.25x для 5-хвилинного рівня, 2x для 1-годинного рівня, а читання 0.1x застосовуються однаково в усій лінійці (документація Anthropic з prompt caching), причому відмінності між моделями обмежуються мінімальною довжиною для кешування; колонка GPT-5.6 взята з посібника OpenAI з prompt caching.

Ліміти breakpoints, ставки запису (для відповідних рівнів) і ставки читання повністю збігаються у двох провайдерів; на практиці та сама стратегія структурування промптів "спочатку статичний вміст, наприкінці змінний" переноситься між ними. Витрати на міграцію зосереджені в синтаксисі параметрів: GPT використовує prompt_cache_breakpoint + prompt_cache_key, Claude використовує cache_control.

Однаковий шаблон кешування в обох протоколах

Для однакового сценарію "кешувати статичну довгу інструкцію" нижче наведено мінімальні реалізації в обох протоколах. У прикладах використовуються gpt-5.6-sol і claude-opus-4-8. Обидві моделі мають однакову базову ціну вхідних токенів ($5/M), тому ефективні ціни за токен, що випливають із записів кешу (1.25x) і читань (0.1x), також однакові; відрізняється лише синтаксис.

Протокол GPT задає prompt_cache_key на верхньому рівні (довгі префікси кешуються автоматично, маркер breakpoint не потрібен); протокол Claude задає cache_control на верхньому рівні для увімкнення автоматичного кешування, а коли потрібен точний контроль над межею кешу, переходить до breakpoints на рівні блоків вмісту:

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."
      }
    ]
  }'

Порівнюючи два запити, різниця зводиться до таких пунктів: ендпоінт (/v1/chat/completions проти /v1/messages), заголовки авторизації (Authorization: Bearer проти x-api-key + anthropic-version), параметр кешування (prompt_cache_key верхнього рівня проти cache_control верхнього рівня), а також те, що Claude вимагає явного max_tokens. Обидва запити були перевірені на aihubmix.com (2026-07-10): gpt-5.6-sol повернув cached_tokens: 2816 під час другого виклику; claude-opus-4-8 повернув cache_creation_input_tokens: 3632 під час першого виклику та cache_read_input_tokens: 3632 під час другого.

Окрім формату запиту, залишаються три відмінності на рівні механізму:

1. Активація: GPT кешує автоматично навіть без будь-яких параметрів кешування, а prompt_cache_key підвищує надійність попадань; Claude потребує явного оголошення: breakpoint cache_control на рівні блоку вмісту або автоматичний режим cache_control на верхньому рівні.
2. Поля використання: GPT повідомляє про читання кешу в prompt_tokens_details.cached_tokens; Claude повідомляє записи й читання окремо як cache_creation_input_tokens і cache_read_input_tokens, що дає змогу незалежно перевіряти записи та попадання.
3. Контроль терміну дії: ttl у GPT-5.6 наразі підтримує лише "30m"; Claude за замовчуванням використовує 5 хвилин (безкоштовно продовжується при кожному попаданні), з опційним "ttl": "1h" (записи тарифікуються за 2x).

Що змінити під час перемикання моделей між протоколами

Шлюз AIHubMix підтримує крос-протокольні виклики: ендпоінт, сумісний з OpenAI, може викликати моделі Claude (cache_control передається безпосередньо в блоки вмісту повідомлень формату OpenAI; див. Практики prompt caching), а ендпоінт /v1/messages, сумісний із Claude, може викликати GPT-5.6 (перевірено, працює). Під час перемикання моделей перевірте три речі:

• Змініть model на ідентифікатор цільової моделі;
• Перемкніть синтаксис параметрів кешування: prompt_cache_key / явні breakpoints відповідають cache_control у Claude;
• Перемкніть назви полів використання: cached_tokens відповідає cache_read_input_tokens у Claude.

Рекомендовані шляхи для prompt caching: моделі GPT через Chat Completions (шлях із попаданням у кеш, перевірений у цій статті); моделі Claude працюють через будь-який із двох протоколів.

Порівняння: GPT-5.6 проти попереднього кешування GPT

Зміни рухаються в одному напрямку: кешування попередніх поколінь не брало плату за запис, але було неконтрольованим, а час зберігання був невизначеним; GPT-5.6 стягує плату за запис, натомість гарантуючи мінімальний час зберігання та надаючи точні засоби керування кешем. За тарифами префікс, який у середньому повторно використовується більше одного разу, окупає додаткову вартість запису; 30-хвилинний мінімальний час зберігання та керовані точки розриву роблять досягнення такого рівня повторного використання більш передбачуваним.

Початок роботи на AIHubMix

Усі три рівні вже доступні, з ID моделей gpt-5.6-sol, gpt-5.6-terra та gpt-5.6-luna. Додаткової конфігурації для кешування не потрібно; послідовні запити з однаковим довгим префіксом потрапляють у кеш:

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)

Значення usage.prompt_tokens_details.cached_tokens більше 0 у другому виклику вказує на попадання в кеш (приклад із вимірювань: cached_tokens: 2816). Докладніше про параметри, особливості тарифікації та усунення проблем із попаданням у кеш дивіться в документації GPT Prompt Caching.

Питання та відповіді

Які API можуть викликати GPT-5.6 на AIHubMix?

Chat Completions (/v1/chat/completions), Responses (/v1/responses) та сумісний із Claude API Messages (/v1/messages) можуть викликати моделі, і всі три рівні вже доступні. Для кешування промптів наразі рекомендовано використовувати Chat Completions.

Якщо мій клієнт нічого не змінює, що зміниться в тарифікації після переходу на GPT-5.6?

Кешування промптів за замовчуванням застосовується автоматично: запити, префікс яких досягає 1 024 токенів, отримують позицію запису в кеш, що тарифікується за ставкою 1,25x від вартості вхідних токенів, а повторно використані префікси тарифікуються за ставкою читання 0,1x. Застосунки з високим повторним використанням префіксів зазвичай мають нижчі загальні витрати; одноразові довгі запити, які ніколи не повторно використовують префікс, можна відключити від кешування за допомогою явного режиму.

Я використовував кешування промптів Claude. Що потрібно змінити для міграції на GPT-5.6?

Стратегія структурування промптів залишається тією самою: статичний вміст першим, змінний вміст останнім. Параметри змінюються з cache_control на prompt_cache_breakpoint плюс prompt_cache_key; час зберігання змінюється з рівнів 5 хвилин/1 година на гарантований мінімум 30 хвилин.

Як вибрати один із трьох рівнів GPT-5.6?

Згідно з офіційним позиціонуванням: обирайте Sol для складних професійних завдань і завдань із програмування; обирайте Terra для повсякденних навантажень (продуктивність рівня GPT-5.5 за половину ціни); обирайте Luna для чутливих до вартості сценаріїв з великим обсягом. Усі три рівні мають спільне контекстне вікно та максимальний вивід, тож можна розподіляти запити залежно від складності завдання.

Офіційні джерела

Специфікації моделей, механізми кешування та тарифи, наведені в цьому дописі, взяті з таких офіційних джерел:

• Анонс GPT-5.6 (OpenAI, 2026-07-09)
• Посібник OpenAI з кешування промптів
• Ціни OpenAI
• Документація Anthropic з кешування промптів

Пов'язана документація на цьому сайті: GPT Prompt Caching · Claude Prompt Caching · Практики кешування промптів

Перегляньте галерею моделей, щоб дізнатися ціни GPT-5.6, або ознайомтеся з іншими варіантами інтеграції в центрі документації.

Останнє оновлення: 2026-07-10