Guide du prompting GPT-5.6 : deux réglages par défaut à 1,5x et 10x

Bien prompter GPT-5.6 repose surtout sur deux paramètres de requête, qui utilisent tous les deux le réglage le plus cher par défaut. Sur notre matrice de 50 appels, omettre reasoning_effort a coûté 1,5x plus cher que de le fixer à "none", pour des réponses identiques. Quant à un préfixe stable non marqué, il est facturé à chaque appel à un tarif 10x supérieur à celui d’une lecture en cache. Ce guide tire les règles pratiques des mesures publiées dans notre guide des coûts de GPT-5.6 : structure d’une requête correcte, niveau d’effort adapté à chaque tâche, organisation du prompt pour exploiter le cache et incompatibilités lors de la migration de prompts depuis GPT-5.5.

TL;DR

• Fixez reasoning_effort dans chaque requête GPT-5.6 : sur notre matrice de 4 tâches, l’omettre a coûté 1,5x plus cher que "none", pour des réponses identiques.
• Les niveaux acceptés vont de none à xhigh ; "max" renvoie une erreur 400 sur Sol comme sur Terra.
• Marquez les préfixes stables avec des points de rupture explicites : les lectures en cache sont facturées à 10% du tarif d’entrée, tandis que les écritures coûtent 1,25x. Marquez donc ce qui se répète réellement, pas seulement ce qui semble stable.
• prompt_cache_options et les points de rupture renvoient une erreur 400 sur GPT-5.5 et les versions antérieures ; conditionnez leur activation à la version du modèle.

À quoi doit ressembler une requête GPT-5.6 ?

Partez de cette structure et supprimez ce dont vous n’avez pas besoin. Les deux paramètres sont définis explicitement au lieu d’hériter des réglages par défaut, plus chers :

{
  "model": "gpt-5.6-terra",
  "reasoning_effort": "low",
  "prompt_cache_options": { "mode": "explicit", "ttl": "30m" },
  "prompt_cache_key": "tenant-42",
  "messages": [
    { "role": "system", "content": "…stable instructions…",
      "prompt_cache_breakpoint": { "mode": "explicit" } },
    { "role": "user", "content": "…the part that changes per request…" }
  ]
}

La règle d’ordre est simple : placez tout ce qui est stable avant le point de rupture et tout ce qui varie selon la requête après. Aucun contenu dynamique, comme les timestamps, les noms d’utilisateur ou les documents récupérés qui changent à chaque appel, ne doit se trouver dans le bloc marqué. La modification d’un seul octet entraîne une nouvelle facturation du bloc avec la majoration d’écriture de 1,25x. prompt_cache_key dirige les répétitions vers le même cache. Utilisez une clé stable par tenant ou par session, en tenant compte de la limite souple documentée d’environ 15 requêtes par minute et par clé.

Comment régler reasoning_effort ?

Définissez-le toujours explicitement : le seul réglage à éviter est l’absence de réglage. Dans nos mesures, les requêtes sans reasoning_effort ont coûté 1,5x plus cher que celles où il était fixé à "none", avec des réponses identiques sur toute la matrice. Les valeurs acceptées sont none, low, medium, high et xhigh. La valeur "max" est rejetée avec une erreur 400 qui indique la plage valide. Voici l’effet de ce réglage sur notre test mathématique en une ligne, avec Luna :

Dans notre analyse détaillée de l’utilisation des tokens, GPT-5.6 est la seule famille à avoir donné la bonne réponse à ce test avec le raisonnement entièrement désactivé. none constitue donc un choix par défaut défendable pour l’extraction, la classification, le formatage et les appels centrés sur la recherche d’informations. Lorsque le modèle raisonne, ces tokens sont invisibles et facturés au plein tarif de sortie : dans l’exemple mathématique utilisant le réglage par défaut, 88% du coût de sortie venait d’une chaîne de pensée inaccessible. N’augmentez le niveau que si vos évaluations montrent que la tâche l’exige, pas simplement parce que le réglage par défaut consomme déjà ces tokens.

Comment structurer un prompt pour rentabiliser le cache ?

Organisez le prompt par ordre de stabilité et marquez chaque couche : commencez par les instructions système, puis les définitions d’outils et enfin les documents de référence. Chaque couche se termine par un point de rupture, et le message utilisateur variable vient après le dernier marqueur. Vous disposez de quatre écritures en cache par requête. En mode implicite par défaut, un point de rupture automatique placé sur le dernier message en consomme une. Le mode explicite permet donc d’utiliser les quatre et, surtout, de ne mettre en cache que les blocs que vous marquez.

Le principal bénéfice vient de la réutilisation partielle, et nos mesures le confirment. Avec un bloc A stable et une fin B remplacée, le compteur n’a refacturé que la fin : sur un prompt de 2 431 tokens, 1 212 ont été relus au tarif du cache et 1 210 réécrits avec la majoration. Le résultat correspond exactement à la grille tarifaire. Trois règles budgétaires en découlent :

• Les lectures sont facturées à 10% du tarif d’entrée. Un préfixe en couches déjà présent dans le cache réduit donc fortement la part de la facture liée aux tokens d’entrée.
• Les écritures sont facturées 1,25x. Un bloc marqué qui n’est jamais relu coûte donc 25% plus cher que s’il n’avait pas été mis en cache. Marquez ce qui se répète, pas tout ce qui semble stable.
• Lors d’une répétition complète, la longueur correspondante peut s’arrêter avant le marqueur : dans l’une de nos mesures, 1 897 tokens ont été lus depuis le cache après l’écriture d’un bloc de 2 422 tokens. Basez vos estimations sur le tarif réduit, pas sur un nombre exact de correspondances. Notre étude des seuils minimaux du cache détaille les valeurs minimales pour chaque famille.

La valeur plancher ttl: "30m" est une durée minimale garantie, pas une limite maximale. Elle est 6x supérieure aux 5 minutes par défaut de Claude. L’option de 24 heures n’existe plus : les traitements batch quotidiens qui dépendaient d’une rétention prolongée doivent donc recalculer leur seuil de rentabilité.

Qu’est-ce qui casse lors de la migration de prompts depuis GPT-5.5 ?

Deux incompatibilités provoquent des erreurs explicites, et une troisième reste silencieuse. Première erreur explicite : prompt_cache_options et prompt_cache_breakpoint renvoient une erreur 400 sur GPT-5.5 et les versions antérieures (prompt_cache_options is not supported on this model). Tout générateur de prompts partagé doit donc adapter les champs à la version du modèle. Deuxième erreur explicite : le niveau d’effort "max", encore présent dans certaines configurations 5.5, est rejeté.

L’incompatibilité silencieuse coûte plus cher : GPT-5.6 active le raisonnement par défaut, alors qu’une charge GPT-5.5 pouvait l’avoir désactivé. Un prompt migré qui ne définit jamais reasoning_effort subit donc la majoration de 1,5x liée à son omission, à grille tarifaire identique. Pour le cache, la migration fonctionne dans l’autre sens : la détection automatique des préfixes de GPT-5.5 ne demandait aucun marquage, mais ne pouvait être ni déclenchée ni déboguée. Sur GPT-5.6, le même prompt ne fait rien tant qu’il n’est pas marqué. Ensuite, chaque écriture apparaît dans usage.prompt_tokens_details.cache_write_tokens. En cas d’échec, le champ que vous avez ajouté vaut zéro, au lieu d’être simplement absent.

Quel tier doit exécuter le prompt ?

La même structure de requête fonctionne sur les trois tiers. Le choix du tier dépend donc du prix, pas du prompting : Sol coûte $5/$30 par million de tokens, Terra deux fois moins et Luna cinq fois moins. Une fois le préfixe stable, associé à une clé et chargé dans le cache, la réduction appliquée aux lectures diminue la part du coût d’entrée sur chaque tier. Le prix de sortie devient alors le principal critère de différenciation. Descendez de tier autant que vos évaluations de qualité en sortie le permettent. Le guide des coûts présente le calcul complet pour chaque tier, y compris le seuil de rentabilité de la majoration d’écriture.

FAQ

GPT-5.6 prend-il en charge reasoning_effort: “max” ?

Non. Sur Sol comme sur Terra, les requêtes contenant "max" renvoient une erreur 400 et indiquent que les valeurs valides vont de none à xhigh. Les workloads qui ont besoin du niveau maximal doivent envoyer explicitement xhigh.

Les points de rupture du cache fonctionnent-ils sur GPT-5.5 ?

Non. GPT-5.5 et les versions antérieures rejettent prompt_cache_options et les marqueurs de point de rupture avec une erreur 400. Sur ces modèles, seule la détection automatique des préfixes reste disponible. Elle ne peut être ni déclenchée, ni associée à une clé, ni déboguée. Considérez donc le cache comme un mécanisme best-effort et adaptez à la version tout générateur de prompts qui émet les nouveaux champs.

Combien de points de rupture faut-il réellement utiliser dans un prompt ?

Autant qu’il existe de couches réellement réutilisées, dans la limite disponible : quatre écritures par requête, dont une est consommée par le point de rupture automatique implicite si vous ne passez pas en mode explicite. Un prompt en couches classique en utilise deux ou trois pour les instructions, les outils et le bloc de référence. Un cinquième marqueur est accepté sans erreur, mais il partage simplement les emplacements d’écriture disponibles, puisqu’un marqueur ultérieur couvre tout ce qui le précède.

Tous les chiffres de ce guide ont été mesurés via la gateway Synthorai sur les modèles GPT-5.6 disponibles dès le premier jour et correspondent au compteur usage.cost en production. La méthodologie et les mesures brutes figurent dans le guide des coûts et dans l’étude des seuils minimaux du cache. Vérifiez les résultats dans vos propres relevés d’utilisation ; les tarifs et les valeurs acceptées peuvent évoluer.

← Retour au blog