10 月 20 日に足されたのは Responses API 上の最短キャッシュ時間です。削除の時計ではありません。prompt_cache_options.ttl を省くと 30m で、書き込みは通常入力価格の 1.25 倍です。12h は 2.5 倍です。この倍率は書き込みの総額であり、通常入力の上に乗る追加料金ではありません。読み取りは両方の時間で同じです。GPT-5.6 以降の多くは 0.1 倍、GPT-6.1 Sol は 0.05 倍です。請求は cached_tokens、ttl_30m_tokens、ttl_12h_tokens を見ます。cache_write_tokens はすでに後二者の合計です。
本稿は 2026 年 10 月 21 日時点で、前日の更新ログと、開発者サイトに残っているプロンプトキャッシュの案内に拠ります。ログは v1/responses と書いています。昨日は答えがどのフィールドかを書きました。ここでも一文の「ヒットした」ではなくフィールドを読みます。
10 月 20 日に足されたもの
更新ログは、API で 12 時間のプロンプトキャッシュを選べると書いています。案内は切り替えを Responses API の prompt_cache_options.ttl に置き、対象は GPT-5.6 以降です。
| ttl | 最短 | 書き込み倍率 | 案内が挙げる用途 |
|---|---|---|---|
30m。省略時の既定 | 30 分 | 通常入力の 1.25 倍 | 会話と、近い間隔のエージェント手順 |
12h | 12 時間 | 通常入力の 2.5 倍 | 長い間隔をまたいで使う指示と参照資料 |
OpenAI は求めた最短より長く残せます。12h は削除時刻を定めず、データ保持方針の上限も変えません。次の KV 再利用や遅延の低下も保証しません。対応しない値は 400 invalid_request_error です。古いモデルの prompt_cache_retention は変わりません。対照表では GPT-5.5 は 24h だけで、追加の書き込み倍率はありません。
12h を受け付ける API
対照表は 12 時間を Responses API の中に書いています。リクエストの ttl は暗黙の区切りと、自分の ttl を持たない明示区切りに効きます。一つの明示区切りは prompt_cache_breakpoint.ttl で上書きします。両方を省くと 30m です。
Chat Completions の作成リファレンスは、prompt_cache_options.ttl が今は 30m だけだとまだ書いています。12h を chat/completions に置く出口は案内にありません。Agents API のモデル呼び出しは Responses のキャッシュと同じ振る舞いをたどります。10 月 20 日のログが名指ししたのは v1/responses です。
一つのリクエストが書ける区切りは最大 4 つです。暗黙モードはそのうち 1 つを使うので、明示は 3 つ残ります。mode を explicit にして明示区切りが無いと、プロンプトキャッシュは使われません。GPT-5.6 以降でキャッシュできる接頭辞は、見える入力トークンが少なくとも 1,024 です。OpenAI 側の隠れた内容はこの下限に入りません。それより前のモデルは報告する cached_tokens を 128 の倍数へ切り下げます。GPT-5.6 以降は資格のある境界をそのまま報告し、隠れたトークンは除きます。
一つのリクエストで二つの時間をどう数えるか
区切りはその前の接頭辞全体を覆います。一つのリクエストの中で、各トークンはそれを覆う選択済み書き込みのうち最長の時間で一度だけ課金されます。後ろに 12 時間の書き込みがあると、その接頭辞の中にある前の区切りも 12 時間の覆いになります。案内の四行は次です。
| リクエスト前 | 選んだ区切り | 読み | 30 分の書き | 12 時間の書き |
|---|---|---|---|---|
| なし | 2,000 で 12h、その後 5,000 で 30m | 0 | 3,000 | 2,000 |
| なし | 2,000 で 30m、その後 5,000 で 12h | 0 | 0 | 5,000 |
| 2,000 まで 30 分が有効 | 5,000 で 12h | 0 | 0 | 5,000 |
| 2,000 まで 12 時間が有効 | 5,000 で 30m | 2,000 | 3,000 | 0 |
有効な 30 分の覆いを 12 時間へ上げると、それらのトークンは 12 時間でもう一度書かれ、前の書き込みは戻りません。すでに有効な 12 時間の項目にある部分は読みのままです。30 分の読みは、その読みのあと少なくとも 30 分まで覆いを延ばします。使う項目が有効な 12 時間なら、「元の期限」と「読みの 30 分後」のうち遅い方を残します。12 時間の時計はやり直さず、もう一度の書き込み料金もありません。
usage の数字の足し方
prompt_cache_options を支える Responses モデルは、書き込みを cache_write_tokens_details に分けます。ttl_30m_tokens と ttl_12h_tokens は重ならず、合計が cache_write_tokens です。両方のフィールドが返り、片方は 0 でも構いません。cached_tokens は読みとして課金されたトークンだけを数え、書きとして課金されたもの、30 分から 12 時間への引き上げも含みません。
{
"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
}
}
}
}
通常入力は 12000 - 4000 - 7000 = 1000 です。費用は、通常入力に入力価格、cached_tokens にキャッシュ読み価格、ttl_30m_tokens に入力価格の 1.25 倍、ttl_12h_tokens に 2.5 倍を掛け、1,000,000 で割ります。案内は入力を 100 万あたり 1 ドル、キャッシュ読みを 0.10 ドルとして、この数字の入力費用を 0.01515 ドルと計算しています。GPT-6.1 Sol の読みは 0.05 倍で、この例の 0.1 倍ではありません。同じトークン数を 0.05 倍の読みで計算しても 0.01515 ドルにはなりません。
当たらないときは接頭辞が変わっていることが多い
キャッシュが持つのは KV であり、元のトークンではありません。描画後の接頭辞全体が一致する必要があります。案内が接頭辞を変えると名指しするのは model、tools、parallel_tool_calls、text.format(構造化出力は形式の指示と渡した schema を足します)、reasoning.effort、text.verbosity、そして前文を書き換える context_management です。schema が変わると、その位置から先は古い項目と合いません。
項目は個々の機械にあります。毎分 15 リクエストを超えると、その項目を持たない機械へ振られることがあります。キャッシュは組織をまたがず、処理リージョンの境界もまたぎません。GPT-5.6 以降は OpenAI が経路を決め、prompt_cache_key はヒットの最適化には使いません。顧客ごとの計上を分けることにはまだ使えます。移行の記述は、より前のモデルから GPT-5.6 以降へ移すとき prompt_cache_retention を prompt_cache_options.ttl に替える、と書いています。
残すのはこの用量です
一回の呼び出しから、少なくとも次を残します。
{
"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 は入力から読みと書きを引いた数と一致しなければなりません。二つの ttl フィールドは cache_write_tokens に戻らなければなりません。合わないなら、引き上げの書き込みを読みに数えたか、cache_write_tokens を二度数えたかです。
よくある質問
Chat Completions でも ttl を 12h にできますか?
案内は 12h を Responses API に書いています。Chat Completions の作成リファレンスは、ttl が今は 30m だけだとまだ書いています。10 月 20 日のログが名指ししたのは v1/responses です。
12h は 12 時間後に必ず消えますか?
消えません。最短の保持時間です。OpenAI はもっと長く残せます。削除時刻は定めず、保持方針の上限も変えず、次のヒットや低い遅延も保証しません。
2.5 倍は通常入力の上に乗る追加料金ですか?
違います。案内は書き込みの総額だと書いています。12 時間の書き込みとして課金されたトークンは、通常入力としてはもう一度課金されません。通常入力は input_tokens から cached_tokens と cache_write_tokens を引いた数です。
すでに払った 30 分の書き込みは、12 時間へ上げると戻りますか?
戻りません。有効な 30 分の覆いを 12 時間へ上げると、それらのトークンは 12 時間でもう一度書かれます。すでに有効な 12 時間の項目にある部分は読みのままです。
請求で cache_write_tokens をもう一度足しますか?
足しません。それは ttl_30m_tokens と ttl_12h_tokens の和です。二つの分量を入力価格の 1.25 倍と 2.5 倍で掛けます。cache_write_tokens をさらに足すと、書き込みが二度入ります。
cached_tokens が 0 より大きいと、その呼び出しは速かったのですか?
案内は、最短時間が読み価格で課金できるかを決めるのであり、毎回機械上の KV を再利用することや、遅延が下がることは保証しない、と書いています。毎分 15 を超える流量は、その項目を持たない機械へ振られることもあります。
整理
10 月 20 日の変更は、Responses API 上の最短時間の選択です。30 分の書き込みは 1.25 倍、12 時間の書き込みは 2.5 倍、読みは 0.1 倍、Sol では 0.05 倍のままです。usage は書き込みを二つの ttl フィールドに分けます。cache_write_tokens をその上に足すと、書き込みが二重になります。
schema、ツール定義、モデル名は接頭辞を変えます。記録には API が responses であること、送った ttl、四つの用量数字が引き算と合うかを残します。