GPT-5.6 成本指南：Prompt Caching 打一折、推理力道設定

GPT-5.6 同時動了兩個成本槓桿：快取輸入降到輸入費率的 10%（5.x 只打五折），而且推理預設是開啟的，在我們的 50 次呼叫測試矩陣中，不送 reasoning_effort 的花費是把它釘成 none 的 1.5 倍，兩者答案完全相同。輸入端現在最多可以明確釘住四個快取 breakpoint；輸出端則由力道旋鈕決定你要為多少思考付費。我們透過閘道在首發當天的三個模型上實測了這兩個槓桿：Sol（每 100 萬 token 輸入/輸出 $5/$30）、Terra（$2.50/$15）和 Luna（$1/$6），每個費率都對照即時的 usage.cost 計量器確認過。

TL;DR

• 快取輸入以輸入費率的 10% 計費，實測各層級為每 100 萬 token $0.10/$0.25/$0.50；5.x 只打五折。
• breakpoint 帶來部分重用：修改標記之後的區塊，只有 2,431 個 token 中的 1,210 個被重新計費。
• 少於 1,024 個 token 的前綴永遠不會快取，重複請求也可能默默沒命中；預算時要抓命中率低於 100%。
• 快取寫入對寫入的 token 以 1.25 倍計費；一個從未被讀取的寫入比不快取還貴。
• 在一個 4 項任務的矩陣中，省略 reasoning_effort 的花費是 none 的 1.5 倍，答案完全相同；請明確釘住它。

實測時間為 2026-07-10，透過 Synthorai 閘道（OpenAI 相容的 chat completions），也就是 OpenAI 發表這個系列後一天。三個模型都已上線；新的快取參數會原封不動傳遞。

三個層級，同一世代

命名方式是新的：數字代表世代，Sol、Terra 和 Luna 是能力層級，取代了原本的 pro/mini/nano 後綴。三者共用 1M token 的 context window 和 128K 的最大輸出。下表每個費率都在已知 token 數上和計量的 usage.cost 精確對上，包含快取那一欄：

Sol 是旗艦，也是 gpt-5.5 的價格對等接班人：費率表完全相同，都是 $5/$30。Terra 和 Luna 是同世代的縮減層級，價格分別是 Sol 的一半和五分之一，接下了過去 mini 和 nano 後綴的位置。以 token 計數來說，三者是同一個模型：我們送出的每個樣本都回傳一樣的計數。

依官方文件說明的 5.6 快取運作方式

過去 GPT 的快取只有一種行為：API 會自行偵測 1,024 個以上 token 的重複前綴，並以半價計算命中的快取部分。我們的供應商比較也正是因此把 GPT 那一欄歸類為「全自動」。5.6 快取指南則把這套做法換成了雙模式設計：

{
  "model": "gpt-5.6-luna",
  "prompt_cache_options": { "mode": "explicit", "ttl": "30m" },
  "prompt_cache_key": "tenant-42",
  "messages": [
    {
      "role": "system",
      "content": [
        {
          "type": "text",
          "text": "...stable system prompt, 1024+ tokens...",
          "prompt_cache_breakpoint": { "mode": "explicit" }
        }
      ]
    },
    { "role": "user", "content": "the varying part" }
  ]
}

從指南濃縮出來的關鍵規則：

• breakpoint 標記快取前綴的結尾，涵蓋該區塊以及它之前的所有內容。implicit 模式（預設）仍會自動在最新一則訊息上放置一個 breakpoint；explicit 模式則只快取你標記的部分。
• 每個請求可寫入四次快取，而 implicit 的自動 breakpoint 會佔掉其中一個，所以在預設模式下 explicit 標記只剩三個名額，explicit 模式下則有四個。來自先前對話回合的 breakpoint，在後續請求中是唯讀的。
• 1,024 token 的下限仍然存在：低於此限的標記前綴不會被快取。
• ttl: "30m" 是保證的最短存活時間，而非上限（「至少 30 分鐘……可能保留更久」）。它取代了 prompt_cache_retention，後者在 5.6 已棄用，這也代表舊有的 24h 延長保留選項一併消失了。
• prompt_cache_key 是取得可靠命中的方式：指南建議每個租戶或工作階段使用一個穩定的 key，把重複請求導向同一份快取，每個 key 有大約每分鐘 15 個請求的軟性上限。快取的範圍限於你的組織。
• 快取寫入以輸入費率的 1.25 倍計費（5.6+），並回報在新的 usage.prompt_tokens_details.cache_write_tokens 欄位。在 5.x 及更早版本，寫入是免費的。

GPT-5.5 及更舊的版本會用一個乾淨的 400 拒絕這些新參數（prompt_cache_options is not supported on this model），所以任何推出都要做版本閘控。

這套設計聽起來很眼熟並不奇怪：內容區塊上的標記、四個 breakpoint、寫入加價，以及一段滑動的唯讀歷史，本來就是 Claude 的 cache_control 一直以來的樣貌。差別在 TTL：OpenAI 保證的 30 分鐘下限，是 Claude 預設 5 分鐘的 6 倍。

計費表怎麼說

文件講的是宣稱，這裡是閘道計費表逐項探測後真正回傳的數據。完整的原始記錄都在執行日誌裡，下面每一筆成本都能對照級別費率、逐位對齊。

其中三列值得展開講。

部分重用是真的，而它正是該採用斷點的理由。 區塊 A 穩定、尾段 B 換掉時，計費表只重新計費尾段：在一個 2,431 token 的 prompt 裡，1,212 個 token 以快取費率讀回，1,210 個新的 B 以寫入溢價寫入，總額與費率卡逐位對齊。這就是 Claude 使用者拿來組織 prompt 的那種分層前綴行為（system prompt，接著 tools，再接著文件，每一層各自標記），而 GPT 的自動模式永遠保證不了。補一句：完整重複時，比對到的長度有時會掉到標記以下（某次探測是 2,422 token 的寫入只比對到 1,897），所以要用折扣費率來抓預算，別靠精確的比對數量。

**下限和無聲的未命中是營運上的陷阱。**一個 621 個權杖的標記區塊什麼都沒快取到，兩次，沒有錯誤，除了那些零之外也沒有任何使用量提示；如果你的「穩定前綴」是一段簡短的系統提示，那你就是在付全額費用，卻沒有任何東西告訴你。而未命中也可能在沒有寫入的情況下發生，付全額費用，同樣毫無聲息。命中率是一種分佈，而非承諾，無論你的請求走哪條路徑：在正式環境中讀取 cached_tokens 並對其設定警示，就像我們的五分鐘快取稽核所做的那樣。

寫入溢價是真的，而它改變了損益平衡點。 三個級別上，寫入 token 都精確地以 input 費率的 1.25 倍計費（Luna 寫入計費為每百萬 $1.25，Terra 為 $3.125，Sol 為 $6.25），在我們最終這輪的每一筆探測都逐位對齊。這筆溢價只有在前綴再次被讀取時才回本：一次從未命中的寫入，比完全不快取還貴 25%，這正是我們在 LangChain 那篇量到的 Claude 寫入溢價陷阱。只標記你知道會重複的前綴，別把所有看起來穩定的東西都標。

在我們探測的範圍內，30 分鐘的下限維持穩定。寫入後 15 分鐘進行的帶鍵重讀完全命中快取（1,313 個權杖中的 1,313 個，以 10% 的費率結算），遠超過先前 5 到 10 分鐘的記憶體內時限，而在相同間隔下進行的第二次帶鍵探測也重現了相同結果。我們並未探測完整的 30 分鐘。

相同工作負載在 GPT-5.5 上的對照

要公平比較，就得看同價位：Sol 沿用 gpt-5.5 完全一樣的費率（$5/$30），是它同級的接班型號，Terra 和 Luna 則是往下縮減的等級。標價相同，但快取條款差很多：

在相同的標價下，快取條款才是真正的升級。一段 3,000 個權杖的前綴，在 5.5 上當它的自動快取決定命中時，每次呼叫花費 $0.0075，而在暖啟的 Sol 上則為 $0.0015，在快取的部分便宜 5 倍。更深層的改變在於控制與可見性：5.5 的命中取決於不透明的前綴偵測，你既無法觸發也無法除錯，而 5.6 讓你能精確標記哪些內容應該快取、用 prompt_cache_key 路由重複請求，並在 usage 中觀察每一次寫入的落地情形。現在的未命中會顯示為你所建立欄位中的一個零，而不是一片沉默。降階路徑更是層層疊加：如果 5.5 對這項工作負載過度服務，Terra 將整份費率表減半，Luna 則除以五，同一段暖前綴便降至 $0.00075 與 $0.0003。5.5 唯一保留的是選用的 24 小時保留期；如果你的流量是針對一個龐大前綴的每日批次作業，這個取捨就會朝另一個方向傾斜。另外請注意，第二個槓桿在遷移時的作用方向相反：5.6 預設會進行推理，因此一個 5.5 的工作負載在未鎖定 reasoning_effort 的情況下遷移過來，會以相同的費率表產生新的輸出花費。

第二個槓桿：reasoning effort

快取決定輸入端的花費，reasoning_effort 則決定輸出端，因為 reasoning token 是以 output 費率計費，而且跟前綴不一樣，永遠無法被快取。GPT-5.6 在所有 tier 都接受從 none 到 xhigh 的設定。發表文章還介紹了 Sol 上的 max effort，但透過 chat completions 並不存在（400: 'reasoning_effort' does not support 'max' with this model，Sol 和 Terra 都一樣），所以對閘道和 SDK 使用的 API 路徑來說，xhigh 是實際上的上限。

我們跑了一組 50 次呼叫的矩陣：四種任務型態（分類一則評論、從一行 log 抽出某個欄位、一道多步驟的算術應用題、一個小型的程式碼生成任務），搭配全部六種設定（none 到 xhigh 再加上省略參數），在 Terra 和 Luna 上執行，並在 Sol 上做抽查。50 個答案在每種設定下全部正確。有差別的是帳單。這些都是短輸出的呼叫（幾十個可見 token），所以幾十個以 output 費率計費的 reasoning token 就主導了總花費；比例欄比較的是整次呼叫的成本：

有三個發現。第一，5.6 本身會自行調整：在兩個很簡單的型態上，沒有任何設定花掉半個 reasoning token，所以這個旋鈕在那裡是免費的。第二，在看起來值得動腦的型態上（math、code），預設就算沒有任何好處也會去 reasoning：省略參數在 Luna 的 math 和 code、以及 Terra 的 math 上，花掉了 none 價格的 2.5x 到 3.5x（Terra 的 code 那次在預設下剛好沒花任何 token），得到的卻是同樣正確的答案；把 Terra 和 Luna 整個矩陣加總起來，是 1.5x。第三，中間那些設定（表格未列出）是雜訊，不是可調的旋鈕：Terra 的 math 那次在 low 花了 19 個 reasoning token、medium 是零、high 是 21、xhigh 又是零；Luna 的 code 那次 xhigh 花了 101 個，high 卻只有 41 個。這些名稱代表的是意圖，不是預算，跟我們在 GLM 5.2 上量到的行為一樣。

每次呼叫都明確送出 reasoning_effort，並在分類、抽取、routing 和短轉換這類任務上把它預設為 none。只有在你的 eval 顯示較高的設定會改變結果時，才針對特定呼叫點往上調，而不是因為任務感覺很難。我們這四種型態都是短輸出的 API 工作負載；真正困難的多步驟工作或許值得花 reasoning 成本，但要讓量測來說話。

這兩個槓桿會相乘。一旦前綴變熱，Luna 呼叫的輸入端只要牌價的十分之一，reasoning 預設就成了短任務上剩下最大的一筆花費：Luna 的 math 呼叫在 none 下總共 $0.00007，省略參數則是 $0.00025，光是 reasoning 預設就多加了 $0.00018，超過整次代管呼叫的兩倍。只做快取卻不釘住 effort，省下來的錢就會從另一邊漏回去。

各種工作負載的建議做法

現在整個決策脈絡已經清楚了，以下是我們給閘道客戶的建議：

與形狀無關：為每個租戶或工作階段傳送穩定的 prompt_cache_key（文件將此金鑰作為可靠比對的基礎），讓每個標記層都維持在 1,024 個權杖的下限之上，並監控 cached_tokens，因為靜默失誤是存在的。請記得快取是以每個模型為單位的：跨層級的 A/B 測試會在每一側各自從零重新暖身。並在同一個提交中設定另一個槓桿：依照上方的矩陣固定 reasoning_effort，除非評估另有指示，否則設為 none。

至於層級選擇，90% 折扣對成本的影響比選哪個層級還大。一個工作負載重播 3,000-token 的前綴，在暖的 Luna 流量上每千次呼叫這段前綴約付 $0.30，在暖的 Sol 上是 $1.50；層級之間在已快取部分的價差，比在 output token 上的價差還小。所以按 output 品質與價格挑層級，再讓快取把 input 端拉平。從 gpt-5.5 過來的話，Sol 是同一張價目表下的無痛升級，快取讀取便宜 5 倍，而且你能掌控何時命中；如果 eval 顯示較小的層級撐得住，就降到 Terra 或 Luna，價目表在此之上還會再砍半或除以五。

tokenizer 沒有變

我們的 24 個樣本（一段九種語言的敘事文、其中六種語言的技術版與新聞版、一個 Python 函式，以及一個 JSON tool-call），在所有完成的比較中，GPT-5.5、Sol、Terra、Luna 算出來的 token 數完全相同。以 5.5 校準的 token 預算與快取下限估算可以原封不動沿用；跨語言的行為在我們的 tokenizer 分語言分析文章裡，直接適用於 5.6。

結論

• 快取折扣從 50% 加深到 90%，加上 30 分鐘的保證 TTL，才是這次發布真正的降價；層級價格是頭條，但快取條款對實際帳單的影響更大。
• 分層 prompt 就採用 explicit breakpoint：部分重用是實測出來的，不是理論值，而且這套心智模型跟 Claude 一對一互通。
• 守住 1,024-token 下限，送 prompt_cache_key，並監控 cached_tokens；默默沒命中與默默完全沒快取這兩種情況都存在。
• 明確送出 reasoning_effort，預設用 none：在我們的矩陣裡，不管理的預設值計費多出 1.5 倍，單一任務上最高到 3.5 倍，換來的答案卻一模一樣。
• xhigh 是實際能達到的上限（透過 chat completions 的 max 是 400s）；不需要相對 5.5 重新校準 tokenizer。

常見問題

GPT-5.6 是否像 Claude 一樣支援顯式 prompt caching？ 支援。用 prompt_cache_options: {"mode": "explicit"} 搭配內容區塊上的 prompt_cache_breakpoint 標記，每個請求最多可寫入四次（隱式模式下為三次，因為自動 breakpoint 會佔用一個名額）。透過 OpenAI 相容的閘道實測，一段標記過的 3,012 個 token 前綴在第一次呼叫時寫入，第二次呼叫時以快取價完整讀回。

GPT-5.6 上快取輸入的費用是多少？ 輸入費率的 10%，三個級別都是如此：Luna 每百萬 token 0.10 美元、Terra 0.25 美元、Sol 0.50 美元。GPT-5.x 對快取 token 是按輸入的 50% 計費，所以 5.6 的快取 token 費率低了 5 倍。

GPT-5.6 的快取比 GPT-5.5 好嗎？ 就折扣幅度和控制力來說，是的：快取費率 10% 對比 50%，四個顯式 breakpoint 對比只有無法觸發也無法除錯的自動偵測，以及帶 key 時保證的 30 分鐘下限對比盡力而為的 5 到 10 分鐘。5.5 唯一還保有的優勢是可選的 24 小時保留級別，而 5.6 取消了這一項。

GPT-5.6 快取可以存活多久？ 文件保證至少 30 分鐘（ttl: "30m" 是唯一可接受的值），可能更久；此選項取代了已棄用的 prompt_cache_retention，包括舊有的 24 小時延長層級。在我們的測試中，於寫入後 15 分鐘進行的鍵值重讀完全命中；我們並未測試到完整的 30 分鐘。

我需要 prompt_cache_key 嗎？ 請務必傳送它：文件將每個租戶或工作階段的穩定金鑰作為在 5.6 上進行可靠比對的基礎，每個金鑰的軟性限制約為每分鐘 15 個請求。加入它不需任何成本，而將它與 cached_tokens 監控搭配，正是你驗證折扣是否真正生效的方式。

reasoning_effort 對 GPT-5.6 費用的影響有多大？ 在我們的 50 次呼叫矩陣中（四種任務型態、六種設定、涵蓋 Terra 和 Luna），每種設定都給出正確答案，而完全不帶這個參數整體上會比 none 多花 1.5 倍的費用，在算術任務上最高達 3.5 倍。在瑣碎型態上（分類、抽取），沒有任何設定花費 reasoning token。把參數固定為 none，只在 eval 上有需要時才往上調。

GPT-5.6 Sol 支援最高的 reasoning effort 嗎？ 透過 chat completions 不支援。帶 reasoning_effort: "max" 的請求會回傳 400，列出 none 到 xhigh 的可用值，Sol 和 Terra 都一樣。

API 工作負載該用哪個 GPT-5.6 級別？ Sol 是 gpt-5.5 的等價價格接班者（相同的 $5/$30 費率表，快取讀取便宜 5 倍）；Terra 和 Luna 是縮減版級別，價格分別是其一半和五分之一。一旦你的前綴穩定且帶 key，90% 的快取折扣就會把輸入這一側的費用壓平，所以在你的輸出品質 eval 允許的範圍內盡量往下降，讓級別去決定輸出價格。

← 返回部落格