GPT-5.6 正式上線：提示詞快取計費變更說明

OpenAI 已於 2026 年 7 月 9 日正式發布 GPT-5.6 系列。AIHubMix 已完成三個級別的整合：gpt-5.6-sol、gpt-5.6-terra 和 gpt-5.6-luna 現已可透過 Chat Completions 和 Responses 使用。此次發布也更動了提示詞快取機制及其計費方式：快取寫入現在會獨立計費。本文將介紹三個級別的定位，並逐項說明快取機制的變更。

GPT-5.6 三個級別有哪些變化

GPT-5.6 更新了命名方式：數字代表模型世代，而 Sol、Terra 和 Luna 則是可獨立演進的能力級別。根據官方定義，Sol 是旗艦模型；Terra 是價格較低、效能與 GPT-5.5 相當的級別；Luna 則是速度最快、價格最低的級別。

在能力方面，官方表示：Sol 在程式設計、知識工作、網路安全和科學任務上達到最先進水準，OpenAI 稱其為迄今最佳的程式設計模型，並在 Terminal-Bench 2.1 和 DeepSWE 上創下新紀錄；Terra 的效能媲美 GPT-5.5，價格則只有一半。此系列新增 max 推理強度，Responses API 也加入 Programmatic Tool Calling 和多 Agent（Beta）功能。

快取機制升級詳解

GPT-5.6 之前，GPT 模型的提示詞快取完全自動化：長度達 1,024 個 token 以上的前綴會自動快取，開發者無法控制快取哪些內容或快取多久，而快取會在閒置 5–10 分鐘後清除。OpenAI 將 GPT-5.6 的變更概括為「讓提示詞快取更可預測」，具體有以下三點：

1. 保留時間從「短至 5 分鐘」延長至「至少 30 分鐘」。prompt_cache_options.ttl 目前僅支援 "30m"；這是保證的最低保留時間，實際保留時間可能更長。
2. 新增明確的快取斷點。在內容區塊上設定 prompt_cache_breakpoint，即可將快取邊界固定在穩定內容的末尾，斷點之後的變更不會使斷點之前的快取前綴失效；將 prompt_cache_options.mode 設為 "explicit" 時，則只會使用手動設定的斷點。
3. prompt_cache_key 從最佳化選項變成官方建議的必要參數。從 GPT-5.6 開始，應設定此參數，以提升快取比對的可靠性；OpenAI 建議每個 key 的流量維持在每分鐘約 15 個請求。

如何評估 1.25 倍快取寫入費率

從 GPT-5.6 開始，快取寫入的費率為基本輸入費率的 1.25 倍，快取讀取則為 0.1 倍；較早期的模型則不會額外收取快取寫入費用。官方說明（摘自GPT-5.6 發布公告）：「GPT-5.6 及後續模型的快取寫入，按模型未快取輸入費率的 1.25 倍計費；快取讀取則仍可享有快取輸入 90% 的折扣。」

損益平衡的計算可直接從官方費率推得：寫入前綴的費用比不使用快取多出輸入費率的 0.25 倍，而每次後續命中可節省輸入費率的 0.9 倍：前綴只要重複使用一次，整體就能淨省成本；重複使用越多次，省下的費用越多。

• 明顯受益的工作負載：使用長系統提示詞的 Agent 工作流程、反覆帶入大量參考資料的 RAG、包含大量工具定義的應用程式，以及只會追加訊息的多輪對話。這些工作負載的前綴重複使用率高，因此 0.1 倍的讀取費率帶來的效益更顯著。
• 需要留意的工作負載：只呼叫一次、長前綴永不重複使用的請求。自動快取預設為啟用，因此這類請求會產生無法回收的 1.25 倍寫入費用；若將 prompt_cache_options.mode 設為 "explicit"，但未設定任何斷點，請求就會完全略過快取，不會產生寫入費用。

比較：GPT-5.6 與 Claude 的提示詞快取

GPT-5.6 的快取設計在多個方面與 Claude 的 cache_control 趨於一致，核心差異在於預設行為：GPT 會自動快取，不需要設定參數；Claude 則必須在請求中啟用快取，可使用頂層的 cache_control 欄位（自動斷點），或在內容區塊層級設定明確斷點。

Claude 欄列出所有現行 Claude 模型共通的規則：5 分鐘級別的寫入費率為 1.25 倍、1 小時級別為 2 倍，且全系列的讀取費率皆為 0.1 倍（Anthropic 提示詞快取文件）；各模型的差異僅限於可快取的最小長度。GPT-5.6 欄的資料則摘自OpenAI 提示詞快取指南。

兩家供應商的斷點上限、寫入費率（適用於相應級別）和讀取費率完全一致；實務上，在兩者之間切換時，提示詞結構都可沿用同一套「固定內容放前面、變動內容放最後」的策略。遷移成本主要在於參數語法：GPT 使用 prompt_cache_breakpoint + prompt_cache_key，Claude 使用 cache_control。

兩種協定都適用的快取模式

針對相同的「快取一段靜態長指令」情境，以下提供兩種協定的最精簡實作範例。範例使用 gpt-5.6-sol 和 claude-opus-4-8。兩者的基本輸入價格均為 $5/M，因此由快取寫入（1.25 倍）和讀取（0.1 倍）推算出的每 token 實際價格也相同，差別僅在語法。

GPT 協定在頂層設定 prompt_cache_key（長前綴會自動快取，不需要斷點標記）；Claude 協定則在頂層設定 cache_control 以啟用自動快取，若需精確控制快取邊界，再改用內容區塊層級的斷點：

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."
      }
    ]
  }'

比較這兩個請求，差異主要在於：端點（/v1/chat/completions 與 /v1/messages）、驗證標頭（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 必須明確指定 max_tokens。兩個請求都已在 aihubmix.com 上完成驗證（2026-07-10）：gpt-5.6-sol 在第二次呼叫時回傳 cached_tokens: 2816；claude-opus-4-8 則在第一次呼叫時回傳 cache_creation_input_tokens: 3632，第二次呼叫時回傳 cache_read_input_tokens: 3632。

除了請求格式之外，機制層面還有三項差異：

1. 啟用方式：即使沒有任何快取參數，GPT 仍會自動快取；設定 prompt_cache_key 則可提升命中可靠性。Claude 必須明確宣告：在內容區塊層級設定 cache_control 斷點，或使用頂層 cache_control 自動模式。
2. 使用量欄位：GPT 會在 prompt_tokens_details.cached_tokens 中回報快取讀取量；Claude 則分別使用 cache_creation_input_tokens 和 cache_read_input_tokens 回報寫入量與讀取量，因此可以輕鬆分別確認寫入和命中情形。
3. 有效期限控制：GPT-5.6 的 ttl 目前僅支援 "30m"；Claude 預設為 5 分鐘（每次命中都會免費延長），也可選擇 "ttl": "1h"（寫入費率為 2 倍）。

跨協定切換模型時需要變更哪些內容

AIHubMix 閘道支援跨協定呼叫：OpenAI 相容端點可呼叫 Claude 模型（cache_control 可直接放入 OpenAI 格式的訊息內容區塊；詳情請見提示詞快取實務指南），而 Claude 相容的 /v1/messages 端點也可呼叫 GPT-5.6（已驗證可正常運作）。切換模型時，請檢查以下三項：

• 將 model 改為目標模型 ID；
• 切換快取參數語法：prompt_cache_key／明確斷點對應到 Claude 的 cache_control；
• 切換使用量欄位名稱：cached_tokens 對應到 Claude 的 cache_read_input_tokens。

提示詞快取的建議使用方式：透過 Chat Completions 呼叫 GPT 模型（本文已驗證快取命中流程）；Claude 模型則可透過任一協定呼叫。

比較：GPT-5.6 與早期 GPT 模型的快取機制

這些變更指向同一個方向：前幾代的快取不收取寫入費用，但無法控制，保留時間也不確定；GPT-5.6 則會對寫入收費，同時提供保證的最低保留時間與精確的快取控制。依照費率，只要前綴平均重複使用超過一次，節省的費用就會高於新增的寫入成本；30 分鐘的最低保留時間和可控制的中斷點，則讓達到這種重複使用率更為可預期。

開始使用 AIHubMix

三種方案都已上線，模型 ID 分別為 gpt-5.6-sol、gpt-5.6-terra 和 gpt-5.6-luna。快取不需要額外設定；只要連續送出具有相同長前綴的請求，就會命中快取：

import os
from openai import OpenAI

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

long_context = "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)

第二次呼叫時，若 usage.prompt_tokens_details.cached_tokens 的值大於 0，即表示命中快取（測量範例：cached_tokens: 2816）。參數詳情、計費細節及快取命中問題的排查方式，請參閱 GPT 提示詞快取文件。

常見問題

在 AIHubMix 上可以透過哪些 API 呼叫 GPT-5.6？

Chat Completions（/v1/chat/completions）、Responses（/v1/responses）和與 Claude 相容的 Messages API（/v1/messages）都能呼叫這些模型，三種方案也都已上線。若要使用提示詞快取，目前建議採用 Chat Completions。

如果我的用戶端完全不做變更，升級至 GPT-5.6 後的計費會有什麼變化？

提示詞快取預設會自動套用：前綴達到 1,024 個 token 的請求會產生一筆快取寫入費用，按輸入費率的 1.25x 計費；重複使用的前綴則按 0.1x 的讀取費率計費。前綴重複使用率高的應用程式，總成本通常會降低；不會重複使用前綴的單次長請求，則可透過明確指定模式來停用快取。

我之前用過 Claude 提示詞快取。遷移至 GPT-5.6 時需要做哪些變更？

提示詞結構策略維持不變：先放固定內容，再放變動內容。參數需從 cache_control 改為 prompt_cache_breakpoint，並加上 prompt_cache_key；保留時間則從 5 分鐘／1 小時的方案改為保證至少保留 30 分鐘。

該如何在 GPT-5.6 的三種方案中做選擇？

依照官方定位：複雜的專業工作和程式設計任務選 Sol；日常工作負載選 Terra（效能媲美 GPT-5.5，價格則是其一半）；對成本敏感且用量大的情境選 Luna。三種方案的上下文視窗和最大輸出量都相同，因此可依任務複雜度分流。

官方參考資料

本文的模型規格、快取機制和計費費率均取自以下官方來源：

• GPT-5.6 發表公告（OpenAI，2026-07-09）
• OpenAI 提示詞快取指南
• OpenAI 價格
• Anthropic 提示詞快取文件

本網站的相關文件：GPT 提示詞快取 · Claude 提示詞快取 · 提示詞快取實務

前往模型展示頁查看 GPT-5.6 價格，或前往文件中心探索更多整合選項。

最後更新：2026-07-10