GPT-5.6 現已上線：提示快取計費變更解釋

OpenAI 在 2026 年 7 月 9 日正式發布了 GPT-5.6 系列。AIHubMix 已完成所有三個層級的整合：gpt-5.6-sol、gpt-5.6-terra 和 gpt-5.6-luna 現在可以通過聊天完成和回應使用。此次發布還改變了提示快取機制及其計費：快取寫入現在單獨計費。本文涵蓋了三個層級的定位，並逐點介紹了快取變更。

三個 GPT-5.6 層級的變更

GPT-5.6 修訂了命名方案：數字表示模型世代，而 Sol、Terra 和 Luna 是可以獨立演變的能力層級。根據官方定義，Sol 是旗艦模型，Terra 是性能與 GPT-5.5 相當的低價層級，而 Luna 是最快、最低價的層級。

在能力方面，官方立場是：Sol 在編碼、知識工作、網絡安全和科學任務上實現了最先進的結果，被 OpenAI 描述為迄今為止最佳的編碼模型，並在 Terminal-Bench 2.1 和 DeepSWE 上創下新紀錄；Terra 的性能與 GPT-5.5 相當，但價格僅為其一半。該系列增加了最大推理級別，回應 API 獲得了程序化工具調用和多代理（Beta）功能。

快取機制升級解釋

在 GPT-5.6 之前，GPT 模型的提示快取是完全自動的：1,024 個標記或更多的前綴會自動快取，開發者無法控制快取的內容或持續時間，且在 5–10 分鐘不活動後會清除快取。OpenAI 將 GPT-5.6 的變更總結為「更可預測的提示快取」，具體有三個要點：

1. 保留時間從「最短 5 分鐘」變為「至少 30 分鐘」。prompt_cache_options.ttl 目前僅支持 "30m"；這是保證的最小值，實際保留時間可能更長。
2. 明確的快取斷點是新的。在內容塊上設置 prompt_cache_breakpoint 將快取邊界固定在穩定內容的結尾，因此斷點之後的變更不會使之前的快取前綴失效；當 prompt_cache_options.mode 設置為 "explicit" 時，僅使用手動斷點。
3. prompt_cache_key 從優化變為官方要求。從 GPT-5.6 開始，應設置該參數以實現更可靠的快取匹配；OpenAI 建議每個鍵的流量保持在每分鐘約 15 次請求。

如何評估 1.25 倍快取寫入計費

從 GPT-5.6 開始，快取寫入按 1.25 倍的基本輸入費率計費，快取讀取按 0.1 倍計費；在早期模型中，快取寫入沒有額外費用。官方措辭（來自 GPT-5.6 公告）：「對於 GPT-5.6 及以後的模型，快取寫入按 1.25 倍的模型未快取輸入費率計費，而快取讀取則繼續享受 90% 的快取輸入折扣。」

盈虧平衡的計算直接來自官方費率：寫入前綴的成本比不快取多 0.25 倍的輸入費率，每次後續命中節省 0.9 倍的輸入費率：即使重複使用一次前綴也會產生淨節省，重複使用越多，節省越大。

• 明顯受益的工作負載：具有長系統提示的代理工作流程，RAG 重複包含長參考材料，攜帶大型工具定義的應用程序，以及僅附加消息的多輪對話。這些工作負載具有高前綴重複使用，因此 0.1 倍的讀取費率佔主導地位。
• 需要注意的工作負載：一次性長請求，其前綴從未重複使用。自動快取默認開啟，因此這些請求會產生無法回收的 1.25 倍寫入費用；將 prompt_cache_options.mode 設置為 "explicit" 而不設置任何斷點會使請求完全跳過快取，並不產生寫入費用。

比較：GPT-5.6 和 Claude 的提示快取

GPT-5.6 的快取設計在幾個方面與 Claude 的 cache_control 收斂，核心區別在於默認行為：GPT 自動快取，無需參數，而 Claude 需要在請求中啟用快取，無論是頂層的 cache_control 字段（自動斷點）還是內容塊級別的明確斷點。

Claude 列反映了所有活躍 Claude 模型共享的規則：5 分鐘層級的寫入 1.25 倍，1 小時層級的寫入 2 倍，0.1 倍的讀取在整個系列中均適用（Anthropic 提示快取文檔），每個模型的差異僅限於最小可快取長度；GPT-5.6 列來自 OpenAI 提示快取指南。

斷點限制、寫入費率（對應層級）和讀取費率在兩個提供者之間完全匹配；在實際操作中，相同的「靜態內容優先，變更內容最後」的提示結構策略在兩者之間延續。遷移成本集中在參數語法上：GPT 使用 prompt_cache_breakpoint + prompt_cache_key，Claude 使用 cache_control。

兩個協議中的相同快取模式

對於相同的「快取靜態長指令」場景，兩個協議中的最小實現如下。示例使用 gpt-5.6-sol 和 claude-opus-4-8。兩者共享相同的基本輸入價格（$5/M），因此從快取寫入（1.25 倍）和讀取（0.1 倍）衍生的每個標記的有效價格也相同；只有語法不同。

GPT 協議在頂層設置 prompt_cache_key（長前綴自動快取，無需斷點標記）；Claude 協議在頂層設置 cache_control 以啟用自動快取，當需要精確控制快取邊界時切換到內容塊級別的斷點：

GPT-5.6（聊天完成）

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": "[靜態長指令，>=1024 個標記]"
      },
      {
        "role": "user",
        "content": "總結關鍵數據。"
      }
    ]
  }'

Claude（消息）

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": "[靜態長指令，>=1024 個標記]",
    "messages": [
      {
        "role": "user",
        "content": "總結關鍵數據。"
      }
    ]
  }'

比較這兩個請求，差異在於：端點（/v1/chat/completions 與 /v1/messages）、授權標頭（Authorization: Bearer 與 x-api-key + anthropic-version）、快取參數（頂層 prompt_cache_key 與頂層 cache_control）以及 Claude 需要明確的 max_tokens。兩個請求均已在 aihubmix.com 上驗證（2026-07-10）：gpt-5.6-sol 在第二次調用時返回 cached_tokens: 2816；claude-opus-4-8 在第一次調用時返回 cache_creation_input_tokens: 3632，在第二次調用時返回 cache_read_input_tokens: 3632。

除了請求格式外，還有三個機制級別的差異：

1. 啟用：GPT 即使在沒有任何快取參數的情況下也會自動快取，prompt_cache_key 提高命中可靠性；Claude 需要聲明：內容塊級別的 cache_control 斷點，或頂層 cache_control 自動模式。
2. 使用字段：GPT 在 prompt_tokens_details.cached_tokens 中報告快取讀取；Claude 分別報告寫入和讀取為 cache_creation_input_tokens 和 cache_read_input_tokens，使得獨立驗證寫入和命中變得容易。
3. 壽命控制：GPT-5.6 的 ttl 目前僅支持 "30m"；Claude 默認為 5 分鐘（每次命中免費刷新），可選 "ttl": "1h"（寫入按 2 倍計費）。

在跨協議切換模型時需要更改什麼

AIHubMix 閘道支持跨協議調用：OpenAI 兼容的端點可以調用 Claude 模型（cache_control 直接進入 OpenAI 格式的消息內容塊；請參見 提示快取實踐），而 Claude 兼容的 /v1/messages 端點可以調用 GPT-5.6（已驗證可用）。在切換模型時，檢查三件事：

• 將 model 更改為目標模型 ID；
• 切換快取參數語法：prompt_cache_key / 明確斷點對應於 Claude 的 cache_control；
• 切換使用字段名稱：cached_tokens 對應於 Claude 的 cache_read_input_tokens。

提示快取的推薦路徑：通過聊天完成使用 GPT 模型（本文中驗證的快取命中路徑）；Claude 模型可以通過任一協議工作。

比較：GPT-5.6 與早期 GPT 快取

變更的方向是明確的：早期世代的快取沒有寫入費用，但無法控制，保留時間不確定；GPT-5.6 對寫入收費，同時提供保留的最低保障和精確的快取控制。根據費率，平均重複使用多於一次的前綴節省的費用超過了增加的寫入成本；30 分鐘的保留底線和可控的斷點使得達到該重複使用率變得更可預測。

在 AIHubMix 上開始使用

所有三個層級均已上線，模型 ID 為 gpt-5.6-sol、gpt-5.6-terra 和 gpt-5.6-luna。快取不需要額外配置；具有相同長前綴的連續請求會命中快取：

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AIHUBMIX_API_KEY"],
    base_url="https://aihubmix.com/v1",
)

long_context = "您是分析季度財務報告的細心助手... [靜態長指令，>=1024 個標記]"

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": "用一句話總結關鍵數據。"},
        ],
    )
    print(completion.usage.prompt_tokens_details)

在第二次調用時，usage.prompt_tokens_details.cached_tokens 的值大於 0 表示命中（測量示例：cached_tokens: 2816）。有關參數詳細信息、計費細節和命中故障排除，請參見 GPT 提示快取 文檔。

常見問題

哪些 API 可以在 AIHubMix 上調用 GPT-5.6？

聊天完成（/v1/chat/completions）、回應（/v1/responses）和 Claude 兼容的消息 API（/v1/messages）都可以調用這些模型，所有三個層級均已上線。對於提示快取，目前推薦的路徑是聊天完成。

如果我的客戶端沒有任何變更，升級到 GPT-5.6 後計費會有什麼變化？

提示快取默認自動應用：前綴達到 1,024 個標記的請求會產生按 1.25 倍輸入費率計費的快取寫入項，重複使用的前綴按 0.1 倍讀取費率計費。具有高前綴重複使用的應用程序通常會看到較低的總成本；一次性長請求如果從未重複使用前綴，可以通過明確模式禁用快取。

我已經使用了 Claude 提示快取。要遷移到 GPT-5.6，我需要更改什麼？

提示結構策略保持不變：靜態內容優先，變更內容最後。參數從 cache_control 變更為 prompt_cache_breakpoint，加上 prompt_cache_key；保留時間從 5 分鐘/1 小時層級變更為 30 分鐘的保證底線。

我該如何在三個 GPT-5.6 層級中進行選擇？

根據官方定位：選擇 Sol 用於複雜的專業工作和編碼任務；選擇 Terra 用於日常工作負載（GPT-5.5 級別的性能，價格僅為一半）；選擇 Luna 用於對成本敏感的大量場景。所有三個層級共享相同的上下文窗口和最大輸出，因此可以根據任務的複雜性進行路由。

官方參考

本文中的模型規格、快取機制和計費率來自以下官方來源：

• GPT-5.6 公告（OpenAI，2026-07-09）
• OpenAI 提示快取指南
• OpenAI 價格
• Anthropic 提示快取文檔

本網站的相關文檔：GPT 提示快取 · Claude 提示快取 · 提示快取實踐

訪問 模型畫廊 獲取 GPT-5.6 價格，或在 文檔中心 探索更多整合選項。

最後更新：2026-07-10