Después de que OpenAI añadiera 12 horas de caché de prompts a la API Responses el 20 de octubre, ¿qué números de usage deciden la factura?

A 21 de octubre de 2026: 12 horas es una vida mínima en la API Responses. Una escritura de 30 minutos es 1,25× y una de 12 horas es 2,5×. La factura está en cached_tokens y dos campos ttl. No sumes cache_write_tokens otra vez.

Lo añadido el 20 de octubre es una vida mínima de caché en la API Responses. No es un reloj de borrado. Si omites prompt_cache_options.ttl, el valor es 30m y la escritura se cobra a 1,25× el precio de entrada ordinario. 12h escribe a 2,5×. Esos multiplicadores son el precio total de la escritura, no un recargo sobre la entrada ordinaria. La lectura es la misma en ambas vidas: 0,1× en la mayoría de modelos GPT-5.6 y posteriores, y 0,05× en GPT-6.1 Sol. La factura está en cached_tokens, ttl_30m_tokens y ttl_12h_tokens. cache_write_tokens ya es la suma de los dos últimos.

Este texto está escrito para el 21 de octubre de 2026, a partir del registro del día anterior y de la guía de caché de prompts. El registro señala v1/responses. Ayer se trataba de qué campo lleva la respuesta. Aquí la factura se lee igual.

Qué añadió de verdad el 20 de octubre

El registro dice que ya se puede elegir un caché de prompts de 12 horas en la API. La guía pone el interruptor en prompt_cache_options.ttl de la API Responses, para GPT-5.6 y posteriores.

ttlVida mínimaTarifa de escrituraPara qué lo nombra la guía
30m, el valor por defecto si se omite30 minutos1,25× la entrada ordinariaConversaciones y pasos de agente cercanos
12h12 horas2,5× la entrada ordinariaInstrucciones y material de referencia con huecos más largos

OpenAI puede conservar una entrada más tiempo del mínimo pedido. 12h no fija una hora de borrado ni cambia el tope de la política de retención. Tampoco promete reutilizar los tensores KV ni una latencia menor. Los valores no admitidos devuelven 400 invalid_request_error. Esto no cambia prompt_cache_retention de los modelos anteriores. En la tabla, GPT-5.5 solo usa 24h y no tiene un cargo extra de escritura.

Qué API acepta 12h

La tabla escribe las 12 horas dentro de la API Responses. El ttl de la petición vale para el punto implícito y para los puntos explícitos que no traen su propio ttl. Un punto explícito lo sustituye con prompt_cache_breakpoint.ttl. Si faltan los dos, la vida es 30m.

La referencia de creación de Chat Completions sigue listando prompt_cache_options.ttl como un valor que por ahora solo acepta 30m. La guía no ofrece 12h en chat/completions. Las llamadas de modelo de la API Agents siguen el mismo caché que Responses. El registro del 20 de octubre nombra v1/responses.

Una petición escribe como mucho cuatro puntos. El modo implícito ocupa uno, y quedan tres para los explícitos. Con mode en explicit y ningún punto explícito, la petición no usa caché de prompts. En GPT-5.6 y posteriores, un prefijo cacheable necesita al menos 1.024 tokens de entrada visibles. El contenido oculto de OpenAI no cuenta para ese mínimo. Los modelos anteriores redondean cached_tokens hacia abajo a un múltiplo de 128. GPT-5.6 y posteriores informan el límite exacto, sin los tokens ocultos.

Cómo se cobran dos vidas en una petición

Un punto cubre todo el prefijo anterior. Dentro de una petición, cada token se cobra una vez, con la vida más larga de las escrituras seleccionadas que lo cubren. Una escritura posterior de 12 horas da también cobertura de 12 horas a los puntos anteriores dentro de ese prefijo. Las cuatro filas de la guía:

Caché previaPuntos elegidosLecturasEscrituras de 30 minEscrituras de 12 h
Ninguna12h en 2.000 y luego 30m en 5.00003.0002.000
Ninguna30m en 2.000 y luego 12h en 5.000005.000
30 minutos válidos hasta 2.00012h en 5.000005.000
12 horas válidas hasta 2.00030m en 5.0002.0003.0000

Subir una cobertura válida de 30 minutos a 12 horas vuelve a escribir esos tokens a la tarifa de 12 horas, sin crédito por la escritura anterior. Lo que ya está en una entrada válida de 12 horas sigue siendo lectura. Una lectura de 30 minutos renueva la cobertura al menos 30 minutos después de esa lectura. Si la entrada ya tiene 12 horas válidas, se queda lo más tardío entre el vencimiento existente y 30 minutos después de la lectura. No reinicia un reloj de 12 horas y no cobra otra escritura.

Cómo sumar los números de usage

En los modelos Responses que admiten prompt_cache_options, las escrituras se parten en cache_write_tokens_details. ttl_30m_tokens y ttl_12h_tokens no se solapan y suman cache_write_tokens. Vuelven los dos campos, y uno puede ser cero. cached_tokens cuenta tokens cobrados como lectura. Excluye los cobrados como escritura, incluida una subida de 30 minutos a 12 horas.

{
  "usage": {
    "input_tokens": 12000,
    "input_tokens_details": {
      "cached_tokens": 4000,
      "cache_write_tokens": 7000,
      "cache_write_tokens_details": {
        "ttl_30m_tokens": 3000,
        "ttl_12h_tokens": 4000
      }
    }
  }
}

La entrada ordinaria es 12000 - 4000 - 7000 = 1000. El coste de entrada es la entrada ordinaria por el precio de entrada, cached_tokens por el precio de lectura de caché, ttl_30m_tokens por 1,25× el precio de entrada y ttl_12h_tokens por 2,5×, dividido entre 1.000.000. La guía, con 1 $ por millón de entrada y 0,10 $ de lectura de caché, obtiene 0,01515 $ para ese reparto. GPT-6.1 Sol lee a 0,05×, que no es el 0,1× de ese ejemplo. Los mismos conteos a 0,05× no siguen siendo 0,01515 $.

Un fallo suele ser un prefijo cambiado

El caché guarda tensores KV, no los tokens originales. Tiene que coincidir todo el prefijo renderizado. La guía nombra ajustes que cambian el prefijo: model, tools, parallel_tool_calls, text.format (la salida estructurada añade instrucciones de formato y el esquema enviado), reasoning.effort, text.verbosity y context_management cuando reescribe el texto anterior. Si cambia el esquema, el prefijo deja de coincidir desde ese cambio.

Las entradas viven en máquinas concretas. Por encima de 15 peticiones por minuto, el tráfico puede ir a una máquina que no tiene la entrada. Los cachés no cruzan organizaciones ni fronteras regionales de procesamiento. En GPT-5.6 y posteriores, OpenAI enruta solo. prompt_cache_key ya no sirve para optimizar aciertos; sí puede separar la contabilidad por cliente. La nota de migración sustituye prompt_cache_retention por prompt_cache_options.ttl.

Guarda esta ficha de uso

De una llamada, guarda al menos estos campos:

{
  "api": "responses",
  "model": "gpt-6.1-sol",
  "request_ttl": "30m",
  "input_tokens": 12000,
  "cached_tokens": 4000,
  "cache_write_tokens": 7000,
  "ttl_30m_tokens": 3000,
  "ttl_12h_tokens": 4000,
  "ordinary_input_tokens": 1000
}

ordinary_input_tokens tiene que ser la entrada menos las lecturas menos las escrituras. Los dos campos ttl tienen que volver a sumar cache_write_tokens. Si no, una subida se contó como lectura, o cache_write_tokens se sumó una segunda vez.

  • Validador JSON — comprueba que los campos están y que los dos ttl suman.
  • JSON Diff — compara dos objetos usage y mira si lo añadido es una escritura de 12 horas o entrada ordinaria.
  • JSONPath — saca las respuestas cuyo ttl_12h_tokens es mayor que cero.

Preguntas

¿Chat Completions puede poner ttl en 12h?

La guía pone 12h en la API Responses. La referencia de creación de Chat Completions sigue diciendo que ttl solo acepta 30m por ahora. El registro del 20 de octubre nombra v1/responses.

¿12h significa que la entrada se borra a las 12 horas?

No. Es una vida mínima. OpenAI puede conservarla más tiempo. No fija una hora de borrado, no cambia el tope de retención y no promete el siguiente acierto ni una latencia menor.

¿La tarifa de 2,5× es un recargo sobre la entrada ordinaria?

No. La guía dice que es el precio total de la escritura. Un token cobrado como escritura de 12 horas no se cobra también como entrada ordinaria. La entrada ordinaria es input_tokens menos cached_tokens menos cache_write_tokens.

Si ya pagué una escritura de 30 minutos, ¿se abona al subir a 12 horas?

No. Una cobertura válida de 30 minutos subida a 12 horas se vuelve a escribir a la tarifa de 12 horas. Lo que ya está en una entrada válida de 12 horas sigue siendo lectura.

¿Hay que sumar cache_write_tokens otra vez?

No. Es ttl_30m_tokens más ttl_12h_tokens. Multiplica esas dos partes por 1,25× y 2,5× el precio de entrada. Sumar cache_write_tokens encima cuenta la escritura dos veces.

¿cached_tokens por encima de cero significa que la llamada fue más rápida?

La guía dice que la vida mínima decide si los tokens pueden cobrarse como lectura. No promete que cada petición reutilice los KV de una máquina, ni una latencia menor. Por encima de 15 peticiones por minuto, el tráfico también puede ir a una máquina sin la entrada.

Cierre

El cambio del 20 de octubre es una elección de vida mínima en la API Responses. Una escritura de 30 minutos es 1,25×, una de 12 horas es 2,5×, y la lectura sigue en 0,1×, o 0,05× en Sol. usage parte las escrituras en dos campos ttl. Sumar cache_write_tokens encima duplica la escritura.

Un esquema, una definición de herramienta y el identificador del modelo cambian el prefijo. En la ficha, guarda que la API era responses, el ttl enviado y si los cuatro números de uso siguen cumpliendo la resta.