0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

GPT-5.6 コストガイド:Prompt Caching で 90% 削減、Reasoning Effort

0
Last updated at Posted at 2026-07-10

この記事は Synthorai ブログの記事 GPT-5.6 コストガイド:Prompt Caching で 90% 削減、Reasoning Effort の転載です。原文(多言語対応)はリンク先をご覧ください。

GPT-5.6 コストガイド:Prompt Caching で 90% 削減、Reasoning Effort

GPT-5.6 は 2 つのコストレバーを同時に動かす。キャッシュ済み入力は入力レートの 10% まで下がり(5.x は 50% 引き)、reasoning がデフォルトでオンになったことで、reasoning_effort を送らない場合は none に固定した場合の 1.5 倍のコストになった。これは 50 コールのマトリクスで、しかも回答は同一だった。入力側では最大 4 つのキャッシュブレークポイントを明示的に固定できるようになり、出力側では effort の設定でどれだけの思考に課金されるかが決まる。両方のレバーを、初日に公開された 3 モデル(Sol:入出力 100 万 token あたり $5/$30、Terra:$2.50/$15、Luna:$1/$6)でゲートウェイ経由で実測し、各レートはライブの usage.cost メーターと突き合わせて確認した。

TL;DR

  • キャッシュ済み入力は入力レートの 10% で課金され、各ティアで 100 万 token あたり $0.10/$0.25/$0.50 と実測。5.x は 50% 引き。
  • ブレークポイントは部分的な再利用を実現する。マーカー以降のブロックを変更したところ、2,431 token のうち 1,210 token だけが再課金された。
  • 1,024 token 未満のプレフィックスはキャッシュされず、繰り返しでも黙ってミスすることがある。ヒット率は 100% 未満で見積もること。
  • キャッシュ書き込みは書き込んだ token に 1.25 倍で課金される。一度も読まれない書き込みは、キャッシュしないより高くつく。
  • reasoning_effort を省略すると、4 タスクのマトリクスで none の 1.5 倍のコストになり、回答は同一だった。明示的に固定すること。

2026-07-10 に Synthorai ゲートウェイ経由(OpenAI 互換の chat completions)で実測、OpenAI がこのファミリーを発表 した翌日にあたる。3 モデルはすべて稼働中で、新しいキャッシュ用パラメータはそのまま透過する。

3 ティア、1 世代

命名方式が新しくなった。数字が世代を表し、Sol、Terra、Luna が能力ティアで、従来の pro/mini/nano サフィックスに代わる。3 つとも 100 万 token のコンテキストウィンドウと 128K の最大出力を共有する。以下のレートはいずれも、既知の token 数に対してメーター上の usage.cost とぴったり一致し、キャッシュ済みの列も含めて確認済み:

ティア 入力 /1M 出力 /1M キャッシュ済み入力 /1M(実測)
gpt-5.6-sol $5.00 $30.00 $0.50
gpt-5.6-terra $2.50 $15.00 $0.25
gpt-5.6-luna $1.00 $6.00 $0.10

Sol はフラッグシップで、gpt-5.5 の価格据え置きの後継にあたる。レートカードは $5/$30 で同一。Terra と Luna は同世代の縮小ティアで、それぞれ Sol の半額と 5 分の 1 の価格、かつて mini と nano のサフィックスが占めていた枠を引き継いでいる。token カウントの観点では 3 つは 1 つのモデルと言える。送ったすべてのサンプルで同一のカウントを返した。

ドキュメントに書かれた 5.6 のキャッシュの仕組み

GPT のキャッシュは以前、単一の挙動しかなかった。API が 1,024 トークン以上の繰り返しプレフィックスを自動で検出し、キャッシュ分を半額で課金する。それだけだった。プロバイダ比較記事で GPT の欄を「完全自動」に分類したのはこのためだ。5.6 のキャッシュガイドは、これを 2 モード方式に置き換えた。

{
  "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" }
  ]
}

ガイドの中で押さえておくべきルールを整理すると、次のようになる。

  • ブレークポイントはキャッシュ対象プレフィックスの終端を示す。そのブロックとその前にあるすべてがキャッシュ対象になる。デフォルトの implicit モードは、これまで通り最新メッセージにブレークポイントを自動配置する。explicit モードでは、マークした部分だけがキャッシュされる。
  • 1 リクエストあたりのキャッシュ書き込みは 4 回まで。implicit の自動ブレークポイントがそのうち 1 つを消費するので、デフォルトモードでは明示的なマーカーに 3 枠、explicit モードでは 4 枠が使える。以前の会話ターンで打たれたブレークポイントは、後続のリクエストでは読み取り専用になる。
  • 1,024 トークンの下限は残っている。それ未満のプレフィックスをマークしてもキャッシュされない。
  • ttl: "30m" は保証される最短寿命であって、上限ではない(「少なくとも 30 分……それより長く保持する場合もある」)。これは prompt_cache_retention を置き換えるもので、5.6 では prompt_cache_retention は非推奨だ。つまり、これまでの 24h 拡張保持オプションもなくなった。
  • 確実なマッチングを得る手段が prompt_cache_key。ガイドは、テナントやセッションごとに安定したキーを使い、繰り返しリクエストを同じキャッシュにルーティングすることを推奨している。キーあたり毎分約 15 リクエストというソフトリミットがある。キャッシュは自分の組織のスコープに閉じる。
  • キャッシュ書き込みは 5.6 以降、入力レートの 1.25 倍で課金される。新設された usage.prompt_tokens_details.cache_write_tokens フィールドに記録される。5.x 以前では書き込みは無料だった。

GPT-5.5 以前は新しいパラメータをきれいな 400(prompt_cache_options is not supported on this model)で拒否する。ロールアウトはバージョンでゲートしておくこと。

この設計に既視感があるなら当然だ。コンテンツブロックへのマーカー、4 つのブレークポイント、書き込みプレミアム、スライドする読み取り専用履歴——これは Claude の cache_control がずっと採ってきた形そのものだ。違うのは TTL だ。OpenAI の 30 分保証の下限は、Claude のデフォルト 5 分の 6 倍にあたる。

メーターが示す数字

ドキュメントに書いてあることは主張にすぎない。ここに載せるのは、プローブごとにゲートウェイのメーターが実際に返した値だ。生のレコードはすべて実行ログにある。以下のコストはすべて、ティアごとのレートと 1 桁単位まで一致する。

プローブ 結果
明示的な書き込み、≈3k-token のマーク付きプレフィックス (Luna) cache_write_tokens=3012、$1.25/1M で課金:まさに 1.25 倍のプレミアム
別の質問で繰り返す cached_tokens=3012、マーク全体、$0.10/1M で課金;この呼び出しは書き込み呼び出しより 90% 安い
Sol / Terra の書き込みプレミアム 100 万書き込みトークンあたり $6.25 / $3.125:それぞれ 1.25 倍、桁までぴったり
Sol / Terra のキャッシュレート 100 万あたり $0.50 / $0.25:入力の正確に 10%
621 トークンのマーク付きブロック、2 回 決してキャッシュされない:cache_write=0、cached=0、両方の呼び出しとも全額
1,221 トークンのマーク付きブロック 通常どおり書き込まれる (1,212 書き込み)
2 つのブレークポイント [A][B]、その後 B を変更 cached=1212 (正確にブロック A) + cache_write=1210 (新しい末尾、1.25 倍)
1 リクエストに 5 つのブレークポイント エラーなしで受け入れられ、全 5,548 トークンが書き込まれる (4 書き込みの上限はトークンではなくスロットを数える;後のマークはそれ以前のすべてをカバーする)
Luna で書き込まれたプレフィックス、Terra で再送信 cached=0、再書き込み:キャッシュはモデルごと
キャッシュミス cache_write=0 でも発生しうる:全額、何もキャッシュされず、エラーなし

このうち 3 行は掘り下げる価値がある。

部分再利用は本物であり、ブレークポイントを採用する理由そのものだ。 安定したブロック A に末尾 B を差し替えると、メーターは末尾分だけを再課金した。2,431 トークンのプロンプトのうち、1,212 トークンをキャッシュ済みレートで読み戻し、新しい B の 1,210 トークンを書き込みプレミアムで書き込む。合計はレートカードと 1 桁単位まで一致する。これが Claude ユーザーがプロンプトを組み立てる際に前提にしている、階層化プレフィックスの挙動だ(システムプロンプト、次にツール、次にドキュメントと順にマークする)。GPT の自動モードでは保証しようがない。補足を 1 つ。完全な繰り返しでも、マッチした長さがマーク位置を下回ることがある(あるプローブでは 2,422 トークンの書き込みのうち 1,897 だった)。だから予算はディスカウントレートで見積もり、完全一致のカウントを当てにしないこと。

フロアとサイレントミスが運用上の罠だ。 621トークンのマーク済みブロックは、エラーもゼロ以外の使用ヒントもなしに、2度とも何もキャッシュしなかった。もしあなたの「安定したプレフィックス」が短いシステムプロンプトなら、全額を支払っていても何も知らせてはくれない。そしてミスは書き込みなしに、全額で、同じくらい静かに訪れることがある。ヒット率は分布であって約束ではない。リクエストがどのような経路をたどろうとも、本番環境で cached_tokens を読み取り、5分間のキャッシュ監査が行うようにアラートを設定しよう。

書き込みプレミアムは本物で、損益分岐点を動かす。 書き込みトークンは 3 ティアすべてで入力レートのちょうど 1.25 倍で課金される(Luna は 100 万あたり $1.25、Terra は $3.125、Sol は $6.25)。最終ランのすべてのプローブで 1 桁単位まで一致した。このプレミアムが回収されるのは、プレフィックスが再度読まれたときだけだ。一度もヒットしない書き込みは、キャッシュしない場合より 25% 高くつく。LangChain の記事 で Claude の書き込みプレミアムを計測したときと同じ罠だ。安定に見えるものすべてではなく、繰り返すと分かっているプレフィックスだけをマークすること。

30分の下限は、私たちが調査した範囲では維持されました。書き込みから15分後にキー付きで再読み込みしたところ、完全にキャッシュされた状態(1,313トークン中1,313トークン、10%のレートで調整)で返ってきました。これは従来のインメモリの5~10分という上限をはるかに超えています。そして、同じ間隔で2回目のキー付き調査を行ったところ、同じ結果が繰り返されました。私たちは30分全体を調査したわけではありません。

対比のために、同じワークロードを GPT-5.5 で動かす

公平に比べるなら価格を揃えるのが筋だ。Sol は gpt-5.5 とまったく同じレート表($5/$30)を持つので、直系の後継にあたる。その下に、規模を落とした Terra と Luna が続く。表示価格は同じだが、キャッシュの条件はかなり違う。

gpt-5.5 gpt-5.6-sol
1M あたりの定価 in / out $5.00 / $30.00 $5.00 / $30.00
キャッシュ入力レート 入力の 50%(ドキュメント記載) 入力の 10%(実測)
キャッシュ制御 自動のみ 自動+最大 4 個の明示マーク
寿命 ベストエフォートで 5〜10 分、オプションで 24 時間保持 30 分の保証下限(キー付き)、24 時間オプションは廃止
キャッシュ書き込み料 なし 書き込みトークンに対し入力の 1.25 倍

同じ表示価格でも、キャッシュ条件はアップグレードです。3,000トークンのプレフィックスは、自動キャッシュがヒットすると判断した時、5.5では1コールあたり$0.0075、ウォームなSolでは$0.0015かかり、キャッシュされた分では5倍安くなります。より深い変化は制御と可視性にあります。5.5のヒットは、あなたがトリガーもデバッグもできない不透明なプレフィックス検出に依存しますが、5.6では何をキャッシュすべきか正確にマークでき、prompt_cache_keyで繰り返しをルーティングし、すべての書き込みがusageに反映されるのを確認できます。ミスは今や、あなたが作成したフィールドのゼロとして現れ、沈黙としてではありません。段階的な値下げのパスがその上に重なります。もし5.5がワークロードに対して過剰にサービスを提供していたなら、Terraは料金表全体を半分にし、Lunaはそれを5分の1にし、同じウォームなプレフィックスは$0.00075と$0.0003に下がります。5.5が保持する唯一のものはオプションの24時間保持です。もしあなたのトラフィックが巨大なプレフィックスに対する日次バッチであれば、このトレードオフは逆方向に働きます。そして2つ目のレバーは移行では逆方向に切り込むことに注意してください。5.6はデフォルトで推論するため、reasoning_effortを固定せずに移行された5.5のワークロードは、同じ料金表で新たな出力コストを拾い上げます。

第二のレバー:reasoning effort

キャッシュは入力のコストを左右するが、出力側を握るのは reasoning_effort だ。reasoning トークンは出力レートで課金され、しかもプレフィックスと違ってキャッシュが一切効かない。GPT-5.6 は全ティアで none から xhigh まで受け付ける。ローンチ記事では Sol 向けに max という effort も紹介されているが、chat completions には存在しない(Sol でも Terra でも 400: 'reasoning_effort' does not support 'max' with this model)。したがって、gateway や SDK が使う API 経路では xhigh が実質的な上限になる。

50 コールのマトリクスを走らせた。タスク形状は 4 種類(レビューの分類、ログ行からのフィールド抽出、複数ステップの算数文章題、小さなコード生成タスク)、設定は none から xhigh までとパラメータ省略の 6 通り、対象は Terra と Luna、Sol はスポットチェック。50 個の回答はどの設定でもすべて正解だった。変わったのは請求額だ。いずれも短い出力のコール(可視トークンは数十個)なので、出力レートで課金される数十個の reasoning トークンが合計を支配する。比率の列はコール全体のコストを比較したものだ:

タスク(Luna) none の reasoning トークン デフォルト(省略)時 デフォルトのコスト(none 比)
classify 0 0 1.0x
extract 0 0 1.0x
math 0 24 3.5x
code 0 39 2.5x

わかったことは 3 つ。第一に、5.6 はそれ自体が適応的だ。自明な 2 つの形状ではどの設定でも reasoning トークンは 1 つも消費されず、そこではこのノブはタダだ。第二に、いかにも思考を要しそうな形状(math、code)では、何の効果もないのにデフォルトが reasoning を使う。パラメータを省略すると、同じ正解を得るのに Luna の math と code、Terra の math で none の 2.5〜3.5 倍のコストがかかった(Terra の code はたまたまデフォルトでも消費ゼロだった)。Terra と Luna のグリッド全体を合計すると 1.5 倍だ。第三に、中間の設定(表には載せていない)はダイヤルではなくノイズだ。Terra の math は low で 19 トークン、medium でゼロ、high で 21、xhigh で再びゼロを消費し、Luna の code は high で 41 に対して xhigh で 101 を消費した。この名前は予算ではなく意図であり、GLM 5.2 で計測したのと同じ挙動だ。

すべてのコールで reasoning_effort を明示的に送り、分類、抽出、ルーティング、短い変換にはデフォルトを none にせよ。特定のコール地点でエスカレートするのは、設定を上げると結果が変わることを eval が示したときだけにする。タスクが難しそうだという感覚で上げてはいけない。今回の 4 つの形状は短い出力の API ワークロードだ。本当に難しい複数ステップの作業なら reasoning のコストを払う価値はあるかもしれないが、それは計測に判断させること。

2 つのレバーは相乗効果を持つ。プレフィックスが warm になれば、Luna コールの入力側はリスト価格の 10 分の 1 で済み、短いタスクでは reasoning のデフォルトが残る最大の項目になる。Luna の math コールは none で合計 $0.00007、パラメータ省略で $0.00025 だった。reasoning のデフォルトだけで $0.00018 増えており、これはマネージドなコール全体の 2 倍以上だ。effort を固定せずにキャッシュだけしても、節約分は反対側から漏れ出していく。

ワークロードごとの推奨設定

判断の枠組みがはっきりしたので,gateway を使う顧客には次のように案内している。

ワークロードの形態 推奨事項
チャット、大きく安定した1つのシステムプロンプト implicit のままにする。自動ブレークポイントがカバーし、割引はどちらでも90%
階層化されたプレフィックスを持つエージェント(システム + ツール + ファイル) explicit モード、各安定層をマークし、変動するコンテンツを最後に置く。変更された層はそのマークからのみ再課金される
コンテキストを並べ替えたRAG 取得されたチャンクの上位層に明示的なマークを付ける。並べ替えは末尾のみのコストで済む
cronおよび散発的なジョブ、10〜30分間隔 30分のTTL下限がまさにこれらを対象とする(5.x および Claude のデフォルト5mでは決してヒットしない)。キー付き再読み込みは我々の調査で15分でも完全にヒットした
短いプロンプト(<1,024トークン) キャッシュは適用されない。マーク付けに労力を割かないこと

形状に関係なく: テナントまたはセッションごとに安定した prompt_cache_key を送信し(ドキュメントでは、このキーが信頼できるマッチングの基礎とされています)、マークされたすべてのレイヤーを1,024トークンの下限より上に保ち、サイレントミスが存在するため cached_tokens を監視してください。キャッシュはモデルごとであることを覚えておいてください: ティアをまたぐA/Bテストでは、両側でゼロから再ウォームアップされます。そして、同じコミットで別のレバーも設定してください: 上記のマトリックスに従って reasoning_effort を固定し、評価が別途指示しない限り none にしてください。

tier の選択について言えば,90% の割引は tier そのものより計算式を大きく変える。3,000 token の prefix を再生するワークロードなら,warm な Luna トラフィックではその prefix に 1,000 コールあたり約 $0.30,warm な Sol では $1.50 を払う。キャッシュされる部分の tier 間の差は,output token での差より小さい。だから tier は output の品質と価格で選び,input 側は caching に平準化させればよい。gpt-5.5 から移るなら,Sol は同じ料金表でそのまま乗り換えられるアップグレードで,cache read が 5 倍安く,しかもいつ効くかを制御できる。eval で小さい tier でも通用すると出たら Terra や Luna に下げればよく,料金表はさらに半分か 5 分の 1 になる。

tokenizer は変わっていない

24 個のサンプル(9 言語の物語文,うち 6 言語では技術文とニュース文,Python 関数 1 つ,JSON の tool-call 1 つ)は,完了したすべての比較で GPT-5.5,Sol,Terra,Luna にわたって同一のトークン数になった。5.5 で較正した token budget と cache 下限の見積もりはそのまま使える。言語間の挙動は言語別 tokenizer の記事にあり,5.6 にもそのまま当てはまる。

まとめ

  • 今回のリリースで本当の値下げなのは,cache 割引が 50% から 90% に深まり,30 分の TTL が保証されたことだ。tier 価格が見出しにはなるが,実際の請求額を動かすのは caching の条件のほうだ。
  • 層になった prompt では explicit breakpoint を採用すること。部分的な再利用は理論ではなく実測で確認済みで,メンタルモデルは Claude からそのまま移せる。
  • 1,024 token の下限を守り,prompt_cache_key を送り,cached_tokens を監視する。silent miss も,そもそもキャッシュされていない silent なケースも,どちらも存在する。
  • reasoning_effort は明示的に送り,デフォルトは none にする。管理しないデフォルトは,同じ回答に対して我々の表全体で 1.5 倍,単一タスクでは最大 3.5 倍を課金した。
  • 到達できる上限は xhigh(chat completions 経由で max は 400s)。5.5 からの tokenizer の再ベースラインはない。

FAQ

GPT-5.6 は Claude のような明示的な prompt caching に対応していますか?
対応しています。prompt_cache_options: {"mode": "explicit"} を指定し、content ブロックに prompt_cache_breakpoint マーカーを付けます。書き込みは 1 リクエストあたり最大 4 回まで(implicit モードでは自動 breakpoint が 1 枠を使うため 3 回)。OpenAI 互換の gateway 経由で計測したところ、マーク付きの 3,012 token のプレフィックスは 1 回目の呼び出しで書き込まれ、2 回目にはキャッシュ料金で全量が読み戻されました。

GPT-5.6 でキャッシュされた input のコストはいくらですか?
input 料金の 10% です。3 つのすべての tier で計測しました。Luna は 100 万 token あたり $0.10、Terra は $0.25、Sol は $0.50。GPT-5.x ではキャッシュ token を input の 50% で課金していたので、5.6 のキャッシュ token 料金は 5 倍安くなっています。

GPT-5.6 のキャッシュは GPT-5.5 より優れていますか?
割引の深さと制御性の点では優れています。キャッシュ料金は 50% に対して 10%、明示的な breakpoint は 4 つ使える(5.5 はトリガーもデバッグもできない自動検出のみ)、そしてキー付きで最低 30 分保証される(5.5 はベストエフォートで 5〜10 分)。5.5 に残る唯一の利点はオプションの 24 時間保持 tier ですが、5.6 ではこれが廃止されています。

GPT-5.6のキャッシュはどのくらい保持されますか?
ドキュメントでは少なくとも30分(ttl: "30m" が唯一許容される値です)を保証しており、それより長い場合もあります。このオプションは非推奨となった prompt_cache_retention を置き換えるもので、古い24時間の拡張ティアも含みます。私たちの検証では、書き込みから15分後のキー付き再読み取りは完全にヒットしましたが、30分すべてを検証したわけではありません。

prompt_cache_key は必要ですか?
送信しましょう。ドキュメントでは、テナントやセッションごとに安定したキーを設定することが、5.6での信頼性の高いマッチングの基礎となっており、ソフトリミットはキーあたり毎分約15リクエストです。含めても何のコストもかかりませんし、cached_tokens のモニタリングと組み合わせることが、割引が実際に適用されているかを検証する方法です。

reasoning_effort は GPT-5.6 のコストをどれだけ変えますか?
50 コールのマトリクス(4 種類のタスク形状、6 設定、Terra と Luna)では、すべての設定が正しい答えを返しました。パラメータを省略すると全体で none の 1.5 倍課金され、算術タスクでは最大 3.5 倍に達しました。単純な形状(分類、抽出)では、どの設定も reasoning token をまったく消費しませんでした。none に固定し、eval で必要が確認できたときだけ引き上げてください。

GPT-5.6 Sol で最大の reasoning effort は使えますか?
chat completions 経由では使えません。reasoning_effort: "max" を指定したリクエストは 400 を返し、none から xhigh までを列挙します。これは Sol でも Terra でも同じです。

API ワークロードにはどの GPT-5.6 tier を使うべきですか?
Sol は gpt-5.5 の価格据え置きの後継です($5/$30 の料金体系は同一で、キャッシュ読み込みは 5 倍安い)。Terra と Luna はそれを縮小した tier で、それぞれ半分と 5 分の 1 の価格です。プレフィックスが安定してキー付きになれば、90% のキャッシュ割引で input 側は横ばいになります。ですから output 品質の eval が許す限り tier を下げ、output 価格は tier に任せてください。

0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?