Guida al prompting di GPT-5.6: due default che fatturano 1,5x e 10x in più

Fare prompting bene con GPT-5.6 si riduce a due parametri della richiesta, ed entrambi hanno come default l’impostazione più costosa. Omettere reasoning_effort ha fatturato 1,5x rispetto a fissarlo su "none" sulla nostra matrice di 50 chiamate, a parità di risposte; lasciare un prefisso stabile non marcato lo fa fatturare a 10x rispetto alla tariffa di lettura da cache, a ogni chiamata. Questa guida è il playbook sulla forma delle richieste che deriva dalle misurazioni della nostra guida ai costi di GPT-5.6: com’è fatta una richiesta ben formata, come regolare la manopola dell’effort in base al task, come strutturare un prompt perché la cache faccia il suo lavoro, e cosa si rompe quando porti i prompt da GPT-5.5.

TL;DR

• Fissa reasoning_effort su ogni richiesta GPT-5.6: ometterlo ha fatturato 1,5x rispetto a "none" a parità di risposte sulla nostra matrice di 4 task.
• Gli effort accettati vanno da none a xhigh; "max" restituisce un 400 sia su Sol che su Terra.
• Marca i prefissi stabili con breakpoint di cache espliciti: le letture da cache fatturano al 10% della tariffa di input, le scritture a 1,25x, quindi marca ciò che si ripete, non ciò che sembra soltanto stabile.
• prompt_cache_options e i breakpoint restituiscono un 400 su GPT-5.5 e versioni precedenti; gestisci il rollout in base alla versione.

Com’è fatta una richiesta GPT-5.6?

Parti da questa forma e togli ciò che non ti serve. Fissa esplicitamente le due leve invece di ereditare i default costosi:

{
  "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 regola di ordinamento dietro a tutto questo: tutto ciò che è stabile va prima del breakpoint, tutto ciò che cambia a ogni richiesta va dopo, e qualsiasi cosa dinamica (timestamp, nomi utente, documenti recuperati che variano a ogni chiamata) non deve mai stare dentro il blocco marcato, perché un solo byte cambiato rifattura il blocco al sovrapprezzo di scrittura di 1,25x. La prompt_cache_key instrada le ripetizioni sulla stessa cache; usa una chiave stabile per tenant o per sessione, e tieni presente il soft limit documentato di circa 15 richieste al minuto per chiave.

Come impostare reasoning_effort?

Sempre in modo esplicito: l’unica configurazione da evitare è nessuna configurazione. Nelle nostre misurazioni le richieste senza reasoning_effort costavano 1,5 volte tanto rispetto a quelle fissate su "none", con risposte identiche in tutta la matrice. I valori accettati sono none, low, medium, high, xhigh; "max" viene rifiutato con un 400 che elenca l’intervallo valido. Ecco cosa ha reso questa manopola sul nostro test matematico da una riga, su Luna:

GPT-5.6 è stata l’unica famiglia nel nostro studio sull’anatomia dell’uso dei token a restare corretta con il thinking completamente spento su quel test, il che rende none un default difendibile per chiamate di estrazione, classificazione, formattazione e retrieval. Quando ragiona, i token sono invisibili e vengono fatturati alla tariffa piena di output: l’88% del costo di output nell’esempio matematico con la configurazione di default era chain of thought che non puoi leggere. Alza la manopola quando le tue valutazioni dicono che il task lo richiede, non perché il default ha già speso.

Come strutturare un prompt perché la cache renda?

Disponi il prompt in ordine di stabilità e marca i livelli: prima le istruzioni di sistema, poi le definizioni dei tool, poi i documenti di riferimento, ciascuno chiuso da un breakpoint, con il turno volatile dell’utente dopo l’ultimo marker. Hai a disposizione quattro scritture in cache per richiesta; nella modalità implicita di default un breakpoint automatico sull’ultimo messaggio ne consuma una, quindi la modalità esplicita ti dà tutte e quattro e, cosa più importante, mette in cache solo ciò che marchi.

Il vantaggio è il riutilizzo parziale, ed è misurato. Con un blocco stabile A e una coda B sostituita, il contatore ha rifatturato solo la coda: 1.212 token letti alla tariffa cached, 1.210 scritti nuovi a tariffa premium, su un prompt da 2.431 token, riconciliato al centesimo con il listino. Ne derivano tre regole di budget:

• Le letture costano il 10% della tariffa di input, quindi un prefisso a livelli già caldo appiattisce il lato input del conto.
• Le scritture costano 1,25x, quindi un blocco marcato che non viene mai più letto costa il 25% in più rispetto a non usare la cache. Marca ciò che si ripete, non tutto ciò che sembra stabile.
• Sui riutilizzi completi la lunghezza abbinata può scendere sotto il marker (1.897 in cache su una scrittura da 2.422 token in un test), quindi fai il budget sulla tariffa scontata, non sui conteggi di match esatti; il nostro studio sui minimi di cache riporta le soglie per famiglia.

La soglia ttl: "30m" è un minimo garantito, non un tetto, ed è 6 volte i 5 minuti di default di Claude; non esiste più un tier da 24 ore, quindi i carichi batch giornalieri che contavano sulla ritenzione estesa dovrebbero rifare il calcolo del break-even.

Cosa si rompe portando i prompt da GPT-5.5?

Due cose si rompono in modo rumoroso e una in silenzio. In modo rumoroso: prompt_cache_options e prompt_cache_breakpoint restituiscono un 400 pulito su GPT-5.5 e versioni precedenti (prompt_cache_options is not supported on this model), quindi qualsiasi prompt-builder condiviso ha bisogno di un controllo di versione. Sempre in modo rumoroso: l’effort "max", che alcune configurazioni 5.5 si portavano dietro, viene rifiutato.

In silenzio, e più costoso: GPT-5.6 ragiona di default dove un carico 5.5 poteva avere il reasoning spento. Un prompt portato che non imposta mai reasoning_effort si prende la tassa da omissione di 1,5x sullo stesso listino. La migrazione della cache va nella direzione opposta: il rilevamento automatico del prefisso di 5.5 non richiedeva markup ma non poteva essere attivato né debuggato; su 5.6 lo stesso prompt non fa nulla finché non lo marchi, e poi riporta ogni scrittura in usage.prompt_tokens_details.cache_write_tokens, dove un miss appare come uno zero in un campo che hai creato tu, invece che come silenzio.

Su quale tier far girare il prompt?

La stessa forma di richiesta gira su tutti e tre i tier, quindi la scelta del tier è una decisione di prezzo, non di prompting: Sol a $5/$30 per milione di token, Terra alla metà, Luna a un quinto. Una volta che il prefisso è stabile, associato a una chiave e caldo, lo sconto sulla lettura da cache appiattisce il lato input su ogni tier, e questo rende il prezzo dell’output il vero elemento differenziante; scendi di tier fin dove lo permettono le eval sulla qualità dell’output. L’aritmetica completa dei tier, incluso il break-even del write-premium per ciascun tier, è nella guida ai costi.

FAQ

GPT-5.6 supporta reasoning_effort: “max”?

No. Le richieste con "max" restituiscono un 400 che elenca i valori validi da none a xhigh, sia su Sol che su Terra. I workload che vogliono il massimo devono inviare xhigh esplicitamente.

I breakpoint di cache funzionano su GPT-5.5?

No. GPT-5.5 e i modelli precedenti rifiutano prompt_cache_options e i marker di breakpoint con un 400. Su quei modelli torni al rilevamento automatico del prefisso, che non puoi attivare, associare a una chiave né debuggare; considera il comportamento della cache come best-effort e metti un version-gate su qualsiasi prompt builder che emetta i nuovi campi.

Quanti breakpoint dovrebbe usare davvero un prompt?

Tanti quanti sono gli strati che si ripetono davvero, fino al limite: quattro write per richiesta, di cui uno consumato dall’auto-breakpoint implicito, a meno che tu non passi alla modalità esplicita. Un tipico prompt a strati ne richiede due o tre (istruzioni, tool, blocco di riferimento); un quinto marker viene accettato senza errore ma condivide semplicemente gli slot di write, dato che un mark successivo copre tutto ciò che lo precede.

Tutti i numeri di questa guida sono stati misurati attraverso il gateway Synthorai sui modelli GPT-5.6 del day-one e sono riconciliati con il meter usage.cost in tempo reale; metodologia e probe grezze sono nella guida ai costi e nello studio sui minimi della prompt cache. Verifica sui tuoi record di utilizzo; le tariffe e i valori accettati possono cambiare.

← Torna al blog