Saltar al contenido principal
Ilustración de los tres niveles de la serie GPT-5.6, Sol, Terra y Luna, y del mecanismo de caché de prompts
OpenAI publicó oficialmente la serie GPT-5.6 el 9 de julio de 2026. AIHubMix ha completado la integración de los tres niveles: gpt-5.6-sol, gpt-5.6-terra y gpt-5.6-luna ya pueden llamarse mediante Chat Completions y Responses. Este lanzamiento también ajusta el mecanismo y la facturación de la caché de prompts: la escritura en caché pasa a facturarse por separado. Este artículo presenta el posicionamiento de los tres niveles y analiza punto por punto los cambios en la caché.

​
Qué cambia en los tres niveles de GPT-5.6

GPT-5.6 ajusta el sistema de nombres: el número representa la generación del modelo, y Sol, Terra y Luna son niveles de capacidad que pueden evolucionar de forma independiente. Definición oficial: Sol es el modelo insignia, Terra es el nivel económico con rendimiento equivalente a GPT-5.5, y Luna es el nivel más rápido y de menor precio.
gpt-5.6-solgpt-5.6-terragpt-5.6-luna
Posicionamiento oficialModelo insignia para trabajo profesional complejoEquilibrio entre inteligencia y costoPara cargas sensibles al costo
Ventana de contexto1.050.0001.050.0001.050.000
Salida máxima128.000128.000128.000
Corte de conocimiento2026-02-162026-02-162026-02-16
Nivel aproximado de la generación anteriorNivel sin sufijoNivel miniNivel nano
Formulación oficial sobre capacidades: Sol logra resultados de vanguardia en programación, trabajo de conocimiento, ciberseguridad y tareas científicas; la propia OpenAI lo describe como su mejor modelo de programación hasta la fecha, con nuevos récords en Terminal-Bench 2.1 y DeepSWE; Terra tiene un rendimiento equivalente a GPT-5.5 a mitad de precio. La serie añade el nivel de razonamiento max, y la Responses API incorpora Programmatic Tool Calling y capacidades multi-agent (Beta).

​
Análisis de la actualización del mecanismo de caché

Antes de GPT-5.6, la caché de prompts de la serie GPT era completamente automática: los prefijos que alcanzaban 1.024 tokens se cacheaban automáticamente, el desarrollador no podía controlar qué se cacheaba ni cuánto tiempo se conservaba, y la caché se borraba tras 5–10 minutos de inactividad. OpenAI resume los cambios de caché de GPT-5.6 como una caché de prompts más predecible (“more predictable prompt caching”), con tres puntos concretos:
  1. La retención pasa de “mínimo 5 minutos” a “al menos 30 minutos”. prompt_cache_options.ttl actualmente solo admite "30m"; es una duración mínima garantizada, y en la práctica puede conservarse más tiempo.
  2. Nuevos puntos de corte de caché explícitos. Establecer prompt_cache_breakpoint en un bloque de contenido fija el límite de la caché al final del contenido estable; los cambios posteriores al punto de corte no rompen la caché del prefijo anterior. Con prompt_cache_options.mode en "explicit" solo se usan los puntos de corte manuales.
  3. prompt_cache_key pasa de optimización a requisito oficial. Desde GPT-5.6 debe establecerse este parámetro para habilitar una coincidencia de caché más fiable; la recomendación oficial es mantener el tráfico por key en unas 15 solicitudes/minuto.

​
Cómo evaluar la facturación de escritura en caché a 1,25x

Desde GPT-5.6, la escritura en caché se factura a 1,25 veces el precio de entrada base y la lectura a 0,1 veces; en los modelos anteriores la escritura no tenía cargo adicional. Texto oficial (del anuncio de lanzamiento de GPT-5.6): “For GPT-5.6 and later models, cache writes are billed at 1.25x the model’s uncached input rate, while cache reads continue to receive the 90% cached-input discount.” El balance se calcula directamente con los multiplicadores oficiales: escribir un prefijo cuesta 0,25 veces el precio de entrada más que no cachearlo, y a partir de ahí cada acierto ahorra 0,9 veces el precio de entrada — con que el prefijo se reutilice 1 vez ya hay ahorro neto, y cuantas más reutilizaciones, mayor ahorro.
  • Cargas con beneficio claro: flujos de agentes con prompts de sistema largos, RAG que cita repetidamente material de referencia extenso, aplicaciones con muchas definiciones de herramientas, conversaciones de múltiples turnos que solo añaden mensajes al final. En estas cargas la tasa de reutilización del prefijo es alta y domina el precio de lectura de 0,1x.
  • Cargas que requieren atención: solicitudes largas puntuales cuyo prefijo no se reutiliza. La caché automática está activada por defecto y estas solicitudes generan un cargo de escritura de 1,25x que no se recupera; con prompt_cache_options.mode en "explicit" y sin puntos de corte, la solicitud no usa caché ni genera cargos por escritura.

​
Comparación: la caché de prompts de GPT-5.6 y la de Claude

El diseño de caché de GPT-5.6 converge en varias dimensiones con el cache_control de Claude; la diferencia central está en el comportamiento predeterminado: GPT cachea automáticamente sin ningún parámetro; Claude requiere habilitar la caché en la solicitud, con el campo cache_control de nivel superior (punto de corte automático) o con puntos de corte explícitos a nivel de bloque de contenido.
DimensiónSerie GPT-5.6Serie Claude (todos los modelos activos)
ActivaciónCaché automática, puntos de corte explícitos opcionalesRequiere habilitarla: cache_control de nivel superior con punto de corte automático, o puntos de corte explícitos a nivel de bloque
Parámetro de punto de corteprompt_cache_breakpoint (nivel de bloque de contenido)cache_control (nivel superior o nivel de bloque)
Límite de puntos de corteMáximo 4 nuevas escrituras por solicitudMáximo 4 puntos de corte
Retención de la cachéAl menos 30 minutos5 minutos por defecto (cada acierto la renueva sin coste), opción de 1 hora
Facturación de escritura1,25x el precio de entrada1,25x en el tramo de 5 minutos, 2x en el de 1 hora
Facturación de lectura0,1x el precio de entrada0,1x el precio de entrada
Longitud mínima de caché1.024 tokens512–4.096 tokens según el modelo
Requisito de aciertoIdéntico byte a byte antes del punto de corteIdéntico byte a byte antes del punto de corte
La columna de Claude refleja el criterio común a todos los modelos Claude activos: escritura a 1,25x en el tramo de 5 minutos, 2x en el de 1 hora y lectura a 0,1x, multiplicadores unificados en toda la gama (documentación de caché de prompts de Anthropic); las diferencias entre modelos están solo en la longitud mínima de caché. La fuente de la columna de GPT-5.6 es la guía de caché de prompts de OpenAI. El límite de puntos de corte, el multiplicador de escritura (en el tramo correspondiente) y el multiplicador de lectura coinciden por completo en ambos proveedores; el significado práctico para el desarrollador es que la misma estrategia de estructura de prompt — contenido fijo delante, contenido variable detrás — funciona en los modelos de ambos. El costo de migración se concentra en la sintaxis de los parámetros: GPT usa prompt_cache_breakpoint + prompt_cache_key, Claude usa cache_control.

​
Comparación de la escritura de caché en los dos protocolos

Para el mismo escenario de “cachear una instrucción larga fija”, la implementación mínima en cada protocolo es la siguiente. Los ejemplos usan gpt-5.6-sol y claude-opus-4-8: ambos tienen el mismo precio de entrada base ($5/M), y los precios efectivos resultantes de la escritura en caché (1,25x) y la lectura (0,1x) son también idénticos; solo cambia la sintaxis: El protocolo GPT establece prompt_cache_key en el nivel superior (el prefijo largo se cachea automáticamente, sin marcar puntos de corte); el protocolo Claude establece cache_control en el nivel superior para habilitar la caché automática, y cambia a puntos de corte a nivel de bloque de contenido cuando se necesita controlar con precisión el límite de la caché:
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": "[Instrucción larga fija, ≥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": "[Instrucción larga fija, ≥1024 tokens]",
    "messages": [
      {
        "role": "user",
        "content": "Summarize the key figures."
      }
    ]
  }'
Comparando las dos solicitudes, las diferencias se concentran en: el endpoint (/v1/chat/completions frente a /v1/messages), la cabecera de autenticación (Authorization: Bearer frente a x-api-key + anthropic-version), el parámetro de caché (prompt_cache_key de nivel superior frente a cache_control de nivel superior) y que Claude requiere max_tokens explícito. Ambas solicitudes se probaron en aihubmix.com (2026-07-10): con gpt-5.6-sol, la segunda llamada devolvió cached_tokens: 2816; con claude-opus-4-8, la primera llamada devolvió cache_creation_input_tokens: 3632 y la segunda cache_read_input_tokens: 3632. Más allá del formato de la solicitud, hay tres diferencias a nivel de mecanismo:
  1. Modo de habilitación: GPT cachea automáticamente aunque no se añada ningún parámetro de caché, y prompt_cache_key mejora la fiabilidad de los aciertos; Claude requiere declararlo: punto de corte cache_control a nivel de bloque de contenido, o modo automático con cache_control en el nivel superior de la solicitud.
  2. Campos de usage: en GPT, la lectura de caché aparece en prompt_tokens_details.cached_tokens; Claude reporta la escritura y la lectura por separado en cache_creation_input_tokens y cache_read_input_tokens, lo que facilita verificar escritura y aciertos por separado.
  3. Control de la vida útil: el ttl de GPT-5.6 actualmente solo admite "30m"; Claude usa 5 minutos por defecto (cada acierto la renueva sin coste), con la opción "ttl": "1h" (la escritura se factura a 2x).

​
Qué hay que modificar al intercambiar modelos entre protocolos

La pasarela de AIHubMix admite llamadas entre protocolos: la interfaz compatible con OpenAI puede llamar a modelos Claude (cache_control se escribe directamente en los bloques de contenido del formato OpenAI; la sintaxis está en Prácticas de caché de prompts); el endpoint /v1/messages compatible con Claude también puede llamar a GPT-5.6 (verificado en pruebas). Al intercambiar modelos, revisa tres puntos:
  • Cambia model por el ID del modelo de destino;
  • Cambia la sintaxis del parámetro de caché: prompt_cache_key / puntos de corte explícitos corresponden al cache_control de Claude;
  • Cambia el nombre del campo de usage: cached_tokens corresponde al cache_read_input_tokens de Claude.
Ruta recomendada para la caché de prompts: los modelos GPT mediante Chat Completions (la ruta con aciertos verificada en este artículo); los modelos Claude funcionan con ambos protocolos.

​
Comparación: la caché de GPT-5.6 y la de las generaciones GPT anteriores

DimensiónAntes de GPT-5.6GPT-5.6 y posteriores
Escritura en cachéSin cargo adicional1,25x el precio de entrada
Retención de la cachéSe borra tras 5–10 minutos de inactividad, máximo 1 horaAl menos 30 minutos
Control de la cachéNingunoPuntos de corte explícitos, modo explicit, coincidencia fiable con prompt_cache_key
Retención extendida de 24 horasAlgunos modelos admiten prompt_cache_retentionSustituida por prompt_cache_options.ttl (actualmente solo 30m)
La dirección del cambio es coherente: en las generaciones anteriores la caché era gratuita, sin control y con retención incierta; GPT-5.6 cobra por la escritura y, a cambio, ofrece una retención mínima garantizada y medios de control precisos de la caché. Según los multiplicadores, cuando el prefijo se reutiliza en promedio más de 1 vez, el ahorro supera el nuevo costo de escritura; la retención garantizada de 30 minutos y los puntos de corte controlables aumentan la certeza de alcanzar esa tasa de reutilización.

​
Empieza a usarlo en AIHubMix

Los tres niveles ya están disponibles, con los IDs de modelo gpt-5.6-sol, gpt-5.6-terra y gpt-5.6-luna. La caché no requiere configuración adicional; basta con enviar solicitudes consecutivas con el mismo prefijo largo para acertar:
Python
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... [Instrucción larga fija, ≥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)
Si en la segunda llamada usage.prompt_tokens_details.cached_tokens es mayor que 0, hay acierto (ejemplo medido: cached_tokens: 2816). La descripción de los parámetros, los detalles de facturación y la resolución de fallos de acierto están en la documentación de Caché de prompts de GPT.

​
Preguntas frecuentes (FAQ)

​
¿Con qué interfaces se puede llamar a GPT-5.6 en AIHubMix?

Chat Completions (/v1/chat/completions), Responses (/v1/responses) y la interfaz Messages compatible con Claude (/v1/messages); los tres niveles ya están disponibles en todas ellas. Para la caché de prompts se recomienda actualmente Chat Completions.

​
Sin cambios en el cliente, ¿qué cambia en la facturación al pasar a GPT-5.6?

La caché de prompts se activa automáticamente por defecto: las solicitudes con prefijos que alcanzan 1.024 tokens generan un concepto de escritura en caché facturado a 1,25 veces el precio de entrada; cuando el prefijo se reutiliza, se factura al precio de lectura de 0,1 veces. En aplicaciones con alta reutilización de prefijos, el costo total suele bajar; para solicitudes largas puntuales sin reutilización de prefijo, la caché puede desactivarse con el modo explicit.

​
He usado la caché de prompts de Claude, ¿qué debo modificar para migrar a GPT-5.6?

La estrategia de estructura del prompt se mantiene: contenido fijo al principio, contenido variable al final. Los parámetros cambian de cache_control a prompt_cache_breakpoint, y se añade prompt_cache_key; la retención pasa de los dos tramos de 5 minutos / 1 hora a un mínimo garantizado de 30 minutos.

​
¿Cómo elegir entre los tres niveles de GPT-5.6?

Criterio oficial: para trabajo profesional complejo y tareas de programación, Sol; para cargas de trabajo diarias, Terra (rendimiento equivalente a GPT-5.5 a mitad de precio); para escenarios de gran volumen sensibles al costo, Luna. Los tres niveles comparten ventana de contexto y salida máxima, por lo que puede enrutarse por niveles según la complejidad de la tarea.

​
Referencias oficiales

Las especificaciones de los modelos, el mecanismo de caché y los multiplicadores de facturación de este artículo proceden de las siguientes fuentes oficiales: Documentación complementaria del sitio: Caché de prompts de GPT · Caché de prompts de Claude · Prácticas de caché de prompts
Visita la galería de modelos para ver los precios de la serie GPT-5.6, o el centro de documentación para conocer más formas de integración.
Última actualización: 2026-07-10