Après les 12 heures de cache d’invite ajoutées par OpenAI à l’API Responses le 20 octobre, quels chiffres de usage décident la facture ?

Au 21 octobre 2026 : 12 heures est une durée minimale sur l’API Responses. Une écriture de 30 minutes vaut 1,25×, une de 12 heures vaut 2,5×. La facture se lit dans cached_tokens et deux champs ttl. N’ajoutez pas cache_write_tokens une seconde fois.

L’ajout du 20 octobre est une durée minimale de cache sur l’API Responses. Ce n’est pas une horloge de suppression. Sans prompt_cache_options.ttl, la valeur est 30m, facturée à 1,25× le prix d’entrée ordinaire. 12h écrit à 2,5×. Ces multiplicateurs sont le prix total de l’écriture, pas un supplément sur l’entrée ordinaire. La lecture est la même pour les deux durées : 0,1× sur la plupart des modèles GPT-5.6 et suivants, 0,05× sur GPT-6.1 Sol. La facture se lit dans cached_tokens, ttl_30m_tokens et ttl_12h_tokens. cache_write_tokens est déjà la somme des deux derniers.

Ce texte est écrit pour le 21 octobre 2026, d’après le journal du jour précédent et le guide de cache d’invite. Le journal indique v1/responses. Hier, il s’agissait du champ qui porte la réponse. Ici, la facture se lit de la même façon.

Ce que le 20 octobre a vraiment ajouté

Le journal dit qu’on peut maintenant choisir un cache d’invite de 12 heures dans l’API. Le guide place le réglage sur prompt_cache_options.ttl de l’API Responses, pour GPT-5.6 et après.

ttlDurée minimaleTaux d’écritureUsage indiqué par le guide
30m, défaut si omis30 minutes1,25× l’entrée ordinaireConversations et étapes d’agent rapprochées
12h12 heures2,5× l’entrée ordinaireConsignes et références réutilisées sur de plus longs écarts

OpenAI peut garder une entrée plus longtemps. 12h ne fixe pas d’heure de suppression et ne change pas le plafond de rétention. Il ne promet pas non plus une réutilisation des tenseurs KV ni une latence plus basse. Les valeurs non prises en charge renvoient 400 invalid_request_error. Cela ne change pas prompt_cache_retention des modèles plus anciens. Dans le tableau, GPT-5.5 n’accepte que 24h et n’a pas de surcoût d’écriture.

Quelle API accepte 12h

Le tableau place les 12 heures dans l’API Responses. Le ttl de la requête s’applique au point de rupture implicite et aux points explicites sans ttl propre. Un point explicite le remplace avec prompt_cache_breakpoint.ttl. Sans les deux, la durée est 30m.

La référence de création Chat Completions indique encore que prompt_cache_options.ttl n’accepte que 30m. Le guide n’offre pas 12h sur chat/completions. Les appels de modèle de l’API Agents suivent le cache de Responses. Le journal du 20 octobre nomme v1/responses.

Une requête écrit au plus quatre points de rupture. Le mode implicite en occupe un, il en reste trois pour l’explicite. Avec mode à explicit et aucun point explicite, il n’y a pas de cache d’invite. À partir de GPT-5.6, un préfixe mettable en cache compte au moins 1 024 jetons d’entrée visibles. Le contenu caché d’OpenAI ne compte pas. Les modèles plus anciens arrondissent cached_tokens au multiple de 128 inférieur. GPT-5.6 et après rapportent la frontière exacte, hors jetons cachés.

Deux durées dans une même requête

Un point de rupture couvre tout le préfixe qui le précède. Dans une requête, chaque jeton est facturé une fois, à la plus longue durée des écritures sélectionnées qui le couvrent. Une écriture de 12 heures plus loin donne aussi une couverture de 12 heures aux points précédents dans ce préfixe. Les quatre lignes du guide :

Cache avantPoints choisisLecturesÉcritures 30 minÉcritures 12 h
Aucun12h à 2 000, puis 30m à 5 00003 0002 000
Aucun30m à 2 000, puis 12h à 5 000005 000
30 minutes valides jusqu’à 2 00012h à 5 000005 000
12 heures valides jusqu’à 2 00030m à 5 0002 0003 0000

Passer une couverture de 30 minutes encore valide à 12 heures réécrit ces jetons au tarif de 12 heures, sans crédit pour l’écriture précédente. La part déjà dans une entrée de 12 heures valide reste une lecture. Une lecture de 30 minutes prolonge la couverture d’au moins 30 minutes après cette lecture. Si l’entrée a déjà 12 heures valides, on garde le plus tardif entre l’expiration existante et 30 minutes après la lecture. L’horloge de 12 heures ne repart pas, et il n’y a pas une nouvelle écriture.

Comment additionner les chiffres de usage

Sur les modèles Responses qui acceptent prompt_cache_options, les écritures sont dans cache_write_tokens_details. ttl_30m_tokens et ttl_12h_tokens ne se recouvrent pas et leur somme vaut cache_write_tokens. Les deux champs reviennent, l’un peut valoir 0. cached_tokens compte les jetons facturés en lecture, pas ceux facturés en écriture, y compris une montée de 30 minutes vers 12 heures.

{
  "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
      }
    }
  }
}

L’entrée ordinaire est 12000 - 4000 - 7000 = 1000. Le coût d’entrée : entrée ordinaire fois le prix d’entrée, cached_tokens fois le prix de lecture cache, ttl_30m_tokens fois 1,25× le prix d’entrée, ttl_12h_tokens fois 2,5×, puis divisé par 1 000 000. Le guide, à 1 $ le million en entrée et 0,10 $ en lecture cache, obtient 0,01515 $. GPT-6.1 Sol lit à 0,05×, pas au 0,1× de cet exemple. Les mêmes comptes à 0,05× ne valent pas encore 0,01515 $.

Un raté vient souvent d’un préfixe changé

Le cache stocke des tenseurs KV, pas les jetons d’origine. Tout le préfixe rendu doit correspondre. Le guide cite model, tools, parallel_tool_calls, text.format (la sortie structurée ajoute le format et le schéma), reasoning.effort, text.verbosity et context_management quand il réécrit le texte précédent. Changer le schéma casse la correspondance à partir de ce changement.

Les entrées vivent sur des machines distinctes. Au-dessus de 15 requêtes par minute, le trafic peut aller vers une machine sans l’entrée. Les caches ne traversent ni les organisations ni les frontières régionales de traitement. À partir de GPT-5.6, OpenAI route seul. prompt_cache_key n’optimise plus les succès ; il peut encore séparer la comptabilité par client. La note de migration remplace prompt_cache_retention par prompt_cache_options.ttl.

Garder cette fiche d’usage

Garder au moins ces champs d’un appel :

{
  "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 doit égaler l’entrée moins les lectures moins les écritures. Les deux champs ttl doivent redonner cache_write_tokens. Sinon une montée a été comptée en lecture, ou cache_write_tokens a été ajouté une seconde fois.

  • Validateur JSON — vérifier les champs, puis la somme des deux compteurs ttl.
  • JSON Diff — deux objets usage : écriture de 12 heures ou entrée ordinaire.
  • JSONPath — les réponses dont ttl_12h_tokens est au-dessus de zéro.

FAQ

Chat Completions peut-il mettre ttl à 12h ?

Le guide place 12h sur l’API Responses. La référence de création Chat Completions dit encore que ttl n’accepte que 30m. Le journal du 20 octobre nomme v1/responses.

12h veut-il dire une suppression au bout de 12 heures ?

Non. C’est une durée minimale. OpenAI peut garder l’entrée plus longtemps. Il n’y a pas d’heure de suppression, pas de changement du plafond de rétention, et pas de promesse de succès suivant ni de latence plus basse.

Le taux 2,5× est-il un supplément sur l’entrée ordinaire ?

Non. Le guide parle du prix total de l’écriture. Un jeton facturé en écriture de 12 heures n’est pas aussi facturé en entrée ordinaire. L’entrée ordinaire est input_tokens moins cached_tokens moins cache_write_tokens.

Une écriture de 30 minutes déjà payée est-elle créditée lors du passage à 12 heures ?

Non. Une couverture de 30 minutes encore valide passée à 12 heures est réécrite au tarif de 12 heures. Les jetons déjà dans une entrée de 12 heures valide restent des lectures.

Faut-il ajouter cache_write_tokens une seconde fois ?

Non. Il vaut ttl_30m_tokens plus ttl_12h_tokens. Multipliez ces deux parts par 1,25× et 2,5×. Ajouter cache_write_tokens compte l’écriture deux fois.

cached_tokens au-dessus de zéro veut-il dire que l’appel a été plus rapide ?

Le guide dit que la durée minimale décide du tarif de lecture. Elle ne promet pas que chaque requête réutilise les KV sur une machine, ni une latence plus basse. Au-dessus de 15 requêtes par minute, le trafic peut atteindre une machine sans l’entrée.

En bref

Le changement du 20 octobre est un choix de durée minimale sur l’API Responses. Une écriture de 30 minutes vaut 1,25×, une écriture de 12 heures vaut 2,5×, et la lecture reste à 0,1×, ou 0,05× sur Sol. usage sépare les écritures en deux champs ttl. Ajouter cache_write_tokens par-dessus compte l’écriture deux fois.

Un schéma, une définition d’outil et l’identifiant du modèle changent le préfixe. Sur la fiche, gardez l’API responses, le ttl envoyé, et si les quatre chiffres d’usage respectent encore la soustraction.