AiHubMix Documentation Hub

Ilustração dos três níveis da série GPT-5.6 — Sol, Terra e Luna — e do mecanismo de cache de prompts

A OpenAI lançou oficialmente a série GPT-5.6 em 9 de julho de 2026. A AIHubMix concluiu a integração dos três níveis de modelo: gpt-5.6-sol, gpt-5.6-terra e gpt-5.6-luna já podem ser chamados via Chat Completions e Responses. Este lançamento também ajusta o mecanismo e a cobrança do cache de prompts — a escrita de cache passa a ser cobrada separadamente. Este artigo apresenta o posicionamento dos três níveis e analisa cada mudança no cache.

O que muda nos três níveis do GPT-5.6

O GPT-5.6 ajusta o sistema de nomenclatura: o número representa a geração do modelo, e Sol, Terra e Luna são níveis de capacidade que evoluem de forma independente. A definição oficial: Sol é o modelo flagship, Terra é o nível de preço reduzido com desempenho equivalente ao GPT-5.5, e Luna é o nível mais rápido e de menor preço.

	gpt-5.6-sol	gpt-5.6-terra	gpt-5.6-luna
Posicionamento oficial	Flagship para trabalho profissional complexo	Equilíbrio entre inteligência e custo	Para cargas sensíveis a custo
Janela de contexto	1.050.000	1.050.000	1.050.000
Saída máxima	128.000	128.000	128.000
Corte de conhecimento	2026-02-16	2026-02-16	2026-02-16
Nível aproximado na geração anterior	Sem sufixo	mini	nano

Sobre as capacidades, a posição oficial: o Sol alcança resultados state-of-the-art em programação, trabalho de conhecimento, cibersegurança e tarefas científicas; a OpenAI o descreve como seu melhor modelo de código até hoje, com novos recordes em Terminal-Bench 2.1 e DeepSWE; o Terra tem desempenho equivalente ao GPT-5.5 pela metade do preço. A série adiciona o nível de raciocínio max, e a Responses API ganha Programmatic Tool Calling e capacidades multi-agent (Beta).

Análise da atualização do mecanismo de cache

Antes do GPT-5.6, o cache de prompts da série GPT era totalmente automático: prefixos a partir de 1.024 tokens eram cacheados automaticamente, o desenvolvedor tinha controle sobre o que era cacheado ou por quanto tempo, e o cache era limpo após 5–10 minutos de inatividade. A OpenAI resume as mudanças do GPT-5.6 como “more predictable prompt caching” (cache de prompts mais previsível), em três pontos:

A retenção passa de “mínimo de 5 minutos” para “mínimo de 30 minutos”. prompt_cache_options.ttl atualmente aceita apenas "30m"; essa é a duração garantida, e na prática a retenção pode ser maior.
Novos pontos de quebra de cache explícitos. Definir prompt_cache_breakpoint em um bloco de conteúdo fixa a fronteira do cache no fim do conteúdo estável; alterações no conteúdo posterior ao ponto de quebra não invalidam o cache do prefixo anterior; com prompt_cache_options.mode em "explicit", apenas os pontos de quebra manuais são usados.
prompt_cache_key passa de otimização a requisito oficial. A partir do GPT-5.6, o parâmetro deve ser definido para habilitar a correspondência de cache mais confiável; a recomendação oficial é manter o tráfego de cada key em torno de 15 requisições/minuto.

Como avaliar a cobrança de escrita de cache a 1.25x

A partir do GPT-5.6, a escrita de cache é cobrada a 1.25x o preço base de entrada e a leitura a 0.1x; nos modelos anteriores, a escrita de cache não tinha cobrança adicional. Texto oficial (do anúncio de lançamento do 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.” Calculando diretamente com os multiplicadores oficiais: escrever um prefixo custa 0.25x o preço de entrada a mais do que não usar cache; a partir daí, cada acerto economiza 0.9x o preço de entrada — basta o prefixo ser reutilizado 1 vez para haver economia líquida, e quanto mais reutilizações, maior a economia.

Cargas com benefício claro: workflows de agentes com prompts de sistema longos, RAG que cita repetidamente material de referência longo, aplicações com muitas definições de ferramentas e conversas de múltiplos turnos que apenas acrescentam mensagens ao final. Nessas cargas, a taxa de reutilização do prefixo é alta e o preço de leitura de 0.1x predomina.
Cargas que exigem atenção: requisições longas de uso único cujo prefixo não será reutilizado. O cache automático fica ativado por padrão e essas requisições geram uma taxa de escrita de 1.25x que não é recuperada; defina prompt_cache_options.mode como "explicit" sem pontos de quebra, e a requisição não usa cache nem gera taxa de escrita.

Comparação: cache de prompts do GPT-5.6 e do Claude

O design de cache do GPT-5.6 converge com o cache_control do Claude em várias dimensões; a diferença central está no comportamento padrão: o GPT faz cache automaticamente sem nenhum parâmetro; o Claude exige a habilitação do cache na requisição — campo cache_control de nível superior (ponto de quebra automático) ou ponto de quebra explícito em nível de bloco de conteúdo.

Dimensão	Série GPT-5.6	Série Claude (todos os modelos ativos)
Ativação	Cache automático, ponto de quebra explícito opcional	Requer habilitação: `cache_control` de nível superior (ponto de quebra automático) ou ponto de quebra explícito em nível de bloco
Parâmetro de ponto de quebra	`prompt_cache_breakpoint` (nível de bloco de conteúdo)	`cache_control` (nível superior ou de bloco de conteúdo)
Limite de pontos de quebra	Máximo de 4 novas escritas por requisição	Máximo de 4 pontos de quebra
Retenção do cache	Mínimo de 30 minutos	5 minutos por padrão (refresh gratuito a cada acerto), opção de 1 hora
Cobrança de escrita de cache	1.25x o preço de entrada	1.25x na faixa de 5 minutos, 2x na de 1 hora
Cobrança de leitura de cache	0.1x o preço de entrada	0.1x o preço de entrada
Comprimento mínimo de cache	1.024 tokens	512–4.096 tokens conforme o modelo
Requisito de acerto	Idêntico byte a byte antes do ponto de quebra	Idêntico byte a byte antes do ponto de quebra

A coluna do Claude na tabela vale para todos os modelos Claude ativos: escrita a 1.25x na faixa de 5 minutos, 2x na de 1 hora e leitura a 0.1x são uniformes em toda a linha (documentação de cache de prompts da Anthropic); as diferenças entre modelos ficam apenas no comprimento mínimo de cache. A fonte da coluna GPT-5.6 é o guia de cache de prompts da OpenAI. O limite de pontos de quebra, o multiplicador de escrita (na faixa correspondente) e o multiplicador de leitura são idênticos nas duas famílias; para o desenvolvedor, isso significa que a mesma estratégia de estrutura de prompt — “conteúdo fixo primeiro, conteúdo variável depois” — funciona nas duas. O custo de migração se concentra na sintaxe dos parâmetros: o GPT usa prompt_cache_breakpoint + prompt_cache_key, e o Claude usa cache_control.

Comparação da escrita de cache nos dois protocolos

Para o mesmo cenário de “cachear uma instrução longa fixa”, as implementações mínimas nos dois protocolos ficam assim. Os exemplos usam gpt-5.6-sol e claude-opus-4-8 — ambos têm o mesmo preço base de entrada ($5/M), e os preços efetivos calculados para escrita (1.25x) e leitura (0.1x) de cache também são idênticos; apenas a sintaxe difere: O protocolo GPT define prompt_cache_key no nível superior (o prefixo longo é cacheado automaticamente, sem marcação de ponto de quebra); o protocolo Claude define cache_control no nível superior para habilitar o cache automático e, quando é preciso controlar a fronteira do cache com precisão, passa a usar pontos de quebra em nível de bloco de conteúdo:

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": "[instrução longa fixa, ≥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": "[instrução longa fixa, ≥1024 tokens]",
    "messages": [
      {
        "role": "user",
        "content": "Summarize the key figures."
      }
    ]
  }'

Comparando as duas requisições, as diferenças se concentram em: endpoint (/v1/chat/completions e /v1/messages), cabeçalho de autenticação (Authorization: Bearer e x-api-key + anthropic-version), parâmetro de cache (prompt_cache_key de nível superior e cache_control de nível superior) e o max_tokens explícito exigido pelo Claude. As duas requisições foram testadas em aihubmix.com (2026-07-10): gpt-5.6-sol retornou cached_tokens: 2816 na segunda chamada; claude-opus-4-8 retornou cache_creation_input_tokens: 3632 na primeira chamada e cache_read_input_tokens: 3632 na segunda. Além do formato da requisição, há três diferenças de mecanismo:

Forma de habilitação: o GPT faz cache automaticamente mesmo sem nenhum parâmetro de cache, e prompt_cache_key serve para aumentar a confiabilidade dos acertos; o Claude exige declaração — ponto de quebra cache_control em nível de bloco de conteúdo, ou cache_control de nível superior no modo automático.
Campos de usage: no GPT, o volume de leitura de cache fica em prompt_tokens_details.cached_tokens; o Claude reporta escrita e leitura separadamente em cache_creation_input_tokens e cache_read_input_tokens, o que facilita conferir escrita e acertos individualmente.
Controle do tempo de vida: o ttl do GPT-5.6 atualmente aceita apenas "30m"; o Claude usa 5 minutos por padrão (refresh gratuito a cada acerto), com opção de "ttl": "1h" (escrita cobrada a 2x).

O que alterar ao trocar de modelo entre protocolos

O gateway da AIHubMix suporta chamadas entre protocolos: a interface compatível com OpenAI pode chamar modelos Claude (o cache_control vai diretamente nos blocos de conteúdo das mensagens em formato OpenAI; a sintaxe está em Cache de prompts); o /v1/messages compatível com Claude também pode chamar o GPT-5.6 (testado e funcional). Ao trocar de modelo, verifique três itens:

Troque model pelo ID do modelo de destino;
Troque a sintaxe do parâmetro de cache: prompt_cache_key / ponto de quebra explícito correspondem ao cache_control do Claude;
Troque o nome do campo de usage: cached_tokens corresponde ao cache_read_input_tokens do Claude.

Caminho recomendado para o cache de prompts: modelos GPT via Chat Completions (o caminho com acerto testado neste artigo); modelos Claude funcionam pelos dois protocolos.

Comparação: cache do GPT-5.6 e das gerações GPT anteriores

Dimensão	Antes do GPT-5.6	GPT-5.6 e posteriores
Escrita de cache	Sem cobrança adicional	1.25x o preço de entrada
Retenção do cache	Limpo após 5–10 minutos de inatividade, no máximo 1 hora	Mínimo de 30 minutos
Controle do cache	Nenhum	Ponto de quebra explícito, modo explicit, correspondência confiável via `prompt_cache_key`
Retenção estendida de 24 horas	Alguns modelos suportam `prompt_cache_retention`	Substituída por `prompt_cache_options.ttl` (atualmente apenas 30m)

A direção das mudanças é consistente: nas gerações anteriores, o cache era gratuito, sem controle e com retenção incerta; o GPT-5.6 cobra pela escrita e, ao mesmo tempo, oferece retenção mínima garantida e meios precisos de controle do cache. Pelos multiplicadores, quando o prefixo é reutilizado em média mais de 1 vez, a economia supera o novo custo de escrita; a retenção garantida de 30 minutos e os pontos de quebra controláveis aumentam a previsibilidade de atingir essa taxa de reutilização.

Comece a usar na AIHubMix

Os três níveis já estão disponíveis, com os IDs de modelo gpt-5.6-sol, gpt-5.6-terra e gpt-5.6-luna. O cache não requer configuração adicional; requisições consecutivas com o mesmo prefixo longo geram acerto:

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... [instrução longa fixa, ≥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)

Se usage.prompt_tokens_details.cached_tokens da segunda chamada for maior que 0, houve acerto (exemplo medido: cached_tokens: 2816). A descrição dos parâmetros, os detalhes de cobrança e a solução de problemas de acerto estão na documentação Cache de Prompt do GPT.

Perguntas Frequentes (FAQ)

Quais interfaces podem chamar o GPT-5.6 na AIHubMix?

Chat Completions (/v1/chat/completions), Responses (/v1/responses) e a interface Messages compatível com Claude (/v1/messages); os três níveis de modelo já estão disponíveis. Para o cache de prompts, a recomendação atual é usar Chat Completions.

Sem alterações no cliente, o que muda na cobrança ao migrar para o GPT-5.6?

O cache de prompts entra em vigor automaticamente: requisições com prefixo a partir de 1.024 tokens geram um item de escrita de cache cobrado a 1.25x o preço de entrada; quando o prefixo é reutilizado, a leitura é cobrada a 0.1x. Em aplicações com alta taxa de reutilização de prefixo, o custo total tende a cair; requisições longas de uso único sem reutilização de prefixo podem desativar o cache com o modo explicit.

Já uso o cache de prompts do Claude; o que preciso alterar para migrar ao GPT-5.6?

A estratégia de estrutura do prompt permanece: conteúdo fixo no início, conteúdo variável no final. O parâmetro muda de cache_control para prompt_cache_breakpoint, com a adição de prompt_cache_key; a retenção muda das duas faixas de 5 minutos/1 hora para o mínimo garantido de 30 minutos.

Como escolher entre os três níveis do GPT-5.6?

Posição oficial: para trabalho profissional complexo e tarefas de código, Sol; para cargas de trabalho do dia a dia, Terra (desempenho equivalente ao GPT-5.5 pela metade do preço); para cenários de grande volume sensíveis a custo, Luna. Os três níveis têm a mesma janela de contexto e a mesma saída máxima, permitindo roteamento em camadas conforme a complexidade da tarefa.

Referências oficiais

As especificações de modelo, o mecanismo de cache e os multiplicadores de cobrança deste artigo vêm das seguintes fontes oficiais:

Anúncio de lançamento do GPT-5.6 (OpenAI, 2026-07-09)
Guia de cache de prompts da OpenAI
OpenAI Pricing
Documentação de cache de prompts da Anthropic

Documentação relacionada no site: Cache de Prompt do GPT · Cache de Prompt do Claude · Cache de prompts

Consulte os preços da série GPT-5.6 no catálogo de modelos ou conheça outras formas de integração na central de documentação.

Última atualização: 2026-07-10

​O que muda nos três níveis do GPT-5.6

​Análise da atualização do mecanismo de cache

​Como avaliar a cobrança de escrita de cache a 1.25x

​Comparação: cache de prompts do GPT-5.6 e do Claude

​Comparação da escrita de cache nos dois protocolos

​O que alterar ao trocar de modelo entre protocolos

​Comparação: cache do GPT-5.6 e das gerações GPT anteriores

​Comece a usar na AIHubMix

​Perguntas Frequentes (FAQ)

​Quais interfaces podem chamar o GPT-5.6 na AIHubMix?

​Sem alterações no cliente, o que muda na cobrança ao migrar para o GPT-5.6?

​Já uso o cache de prompts do Claude; o que preciso alterar para migrar ao GPT-5.6?

​Como escolher entre os três níveis do GPT-5.6?

​Referências oficiais