Добавление от 20 октября — это минимальный срок кэша в Responses API. Это не часы удаления. Если не указать prompt_cache_options.ttl, значение будет 30m, и запись считается по 1,25× обычной цены входа. 12h пишет по 2,5×. Это полная цена записи, а не надбавка сверх обычного входа. Чтение одинаково для обоих сроков: 0,1× у большинства моделей GPT-5.6 и новее, 0,05× у GPT-6.1 Sol. Счёт читается в cached_tokens, ttl_30m_tokens и ttl_12h_tokens. cache_write_tokens уже равен сумме двух последних.
Текст написан на 21 октября 2026 года по журналу предыдущего дня и руководству по кэшу промпта. Журнал указывает v1/responses. Вчера речь шла о том, какое поле несёт ответ. Здесь счёт читается так же.
Что добавило 20 октября
Журнал говорит, что в API теперь можно выбрать 12-часовой кэш промпта. Руководство ставит переключатель на prompt_cache_options.ttl в Responses API, для GPT-5.6 и новее.
| ttl | Минимум | Ставка записи | Для чего это называет руководство |
|---|---|---|---|
30m, значение по умолчанию | 30 минут | 1,25× обычного входа | Диалоги и близкие шаги агента |
12h | 12 часов | 2,5× обычного входа | Инструкции и справочный материал через долгие промежутки |
OpenAI может хранить запись дольше запрошенного минимума. 12h не задаёт момент удаления и не меняет потолок политики хранения. Он не обещает повторного использования KV и более низкой задержки. Неподдерживаемые значения возвращают 400 invalid_request_error. Параметр prompt_cache_retention старых моделей не меняется. В таблице сравнения GPT-5.5 использует только 24h и не имеет отдельной платы за запись.
Какой API принимает 12h
Таблица пишет 12 часов внутри Responses API. ttl запроса действует на неявную точку и на явные точки без собственного ttl. Одна явная точка перекрывает его через prompt_cache_breakpoint.ttl. Если не заданы оба, срок равен 30m.
Справка создания Chat Completions по-прежнему пишет, что prompt_cache_options.ttl сейчас принимает только 30m. Руководство не даёт 12h на chat/completions. Вызовы моделей Agents API идут по тому же кэшу, что и Responses. Журнал 20 октября называет v1/responses.
Один запрос пишет не больше четырёх точек. Неявный режим занимает одну, для явных остаются три. При mode равном explicit и без явной точки кэш промпта не используется. У GPT-5.6 и новее кэшируемый префикс — не меньше 1 024 видимых входных токенов. Скрытое содержимое OpenAI в этот минимум не входит. Более ранние модели округляют cached_tokens вниз до кратного 128. GPT-5.6 и новее сообщают точную границу, без скрытых токенов.
Как два срока считаются в одном запросе
Точка покрывает весь префикс перед ней. В одном запросе каждый токен тарифицируется один раз, по самому долгому сроку выбранных записей, которые его покрывают. Более поздняя 12-часовая запись даёт 12-часовое покрытие и более ранним точкам внутри этого префикса. Четыре строки руководства:
| Кэш до запроса | Выбранные точки | Чтение | Запись 30 минут | Запись 12 часов |
|---|---|---|---|---|
| Нет | 12h на 2 000, затем 30m на 5 000 | 0 | 3 000 | 2 000 |
| Нет | 30m на 2 000, затем 12h на 5 000 | 0 | 0 | 5 000 |
| Действительные 30 минут до 2 000 | 12h на 5 000 | 0 | 0 | 5 000 |
| Действительные 12 часов до 2 000 | 30m на 5 000 | 2 000 | 3 000 | 0 |
Повышение действительного 30-минутного покрытия до 12 часов заново пишет эти токены по 12-часовой ставке, без зачёта прежней записи. Часть, уже лежащая в действительной 12-часовой записи, остаётся чтением. 30-минутное чтение продлевает покрытие минимум на 30 минут после этого чтения. Если запись уже имеет действительные 12 часов, остаётся более позднее из прежнего срока и 30 минут после чтения. 12-часовые часы не запускаются заново, и новой платы за запись нет.
Как складывать числа usage
У моделей Responses с prompt_cache_options записи лежат в cache_write_tokens_details. ttl_30m_tokens и ttl_12h_tokens не пересекаются и в сумме дают cache_write_tokens. Оба поля возвращаются, одно может быть нулём. cached_tokens считает токены, тарифицированные как чтение. Туда не входят токены, тарифицированные как запись, включая повышение с 30 минут до 12 часов.
{
"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
}
}
}
}
Обычный вход — это 12000 - 4000 - 7000 = 1000. Стоимость входа: обычный вход умножить на цену входа, cached_tokens на цену чтения кэша, ttl_30m_tokens на 1,25× цены входа, ttl_12h_tokens на 2,5×, затем разделить на 1 000 000. Руководство при цене входа 1 доллар за миллион и чтении кэша 0,10 доллара получает 0,01515 доллара. GPT-6.1 Sol читает по 0,05×, а не по 0,1× этого примера. Те же числа токенов при чтении 0,05× — это уже не 0,01515 доллара.
Промах часто значит, что префикс изменился
Кэш хранит тензоры KV, а не исходные токены. Совпасть должен весь отрисованный префикс. Руководство называет настройки, которые меняют префикс: model, tools, parallel_tool_calls, text.format (структурированный вывод добавляет инструкции формата и присланную схему), reasoning.effort, text.verbosity и context_management, когда он переписывает ранний текст. Смена схемы обрывает совпадение с этого места.
Записи лежат на отдельных машинах. Выше 15 запросов в минуту трафик может уйти на машину без этой записи. Кэш не общий между организациями и не пересекает региональные границы обработки. У GPT-5.6 и новее маршрутизацию делает OpenAI. prompt_cache_key больше не нужен, чтобы повысить попадания; им ещё можно разделить учёт по клиентам. Заметка о переносе заменяет prompt_cache_retention на prompt_cache_options.ttl.
Хранить эту карточку usage
От одного вызова сохраните хотя бы эти поля:
{
"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 должен равняться входу минус чтение минус запись. Два поля ttl должны снова давать cache_write_tokens. Если нет, повышение посчитано как чтение, либо cache_write_tokens прибавлен второй раз.
- Валидатор JSON — проверить поля, затем сумму двух счётчиков ttl.
- JSON Diff — два объекта usage: 12-часовая запись или обычный вход.
- JSONPath — ответы, где
ttl_12h_tokensбольше нуля.
Вопросы
Можно ли в Chat Completions поставить ttl равным 12h?
Руководство помещает 12h в Responses API. Справка создания Chat Completions по-прежнему пишет, что ttl сейчас принимает только 30m. Журнал 20 октября называет v1/responses.
12h значит, что запись удалят через 12 часов?
Нет. Это минимальный срок. OpenAI может хранить дольше. Момент удаления не задаётся, потолок хранения не меняется, следующее попадание и более низкая задержка не обещаны.
Ставка 2,5× — это надбавка сверх обычного входа?
Нет. Руководство называет её полной ценой записи. Токен, тарифицированный как 12-часовая запись, не тарифицируется ещё раз как обычный вход. Обычный вход — это input_tokens минус cached_tokens минус cache_write_tokens.
Уже оплаченная 30-минутная запись зачтётся при повышении до 12 часов?
Нет. Действительное 30-минутное покрытие, повышенное до 12 часов, пишется заново по 12-часовой ставке. Токены, уже лежащие в действительной 12-часовой записи, остаются чтением.
Нужно ли прибавлять cache_write_tokens ещё раз?
Нет. Это ttl_30m_tokens плюс ttl_12h_tokens. Две части умножаются на 1,25× и 2,5× цены входа. Ещё одно прибавление cache_write_tokens считает запись дважды.
cached_tokens больше нуля значит, что вызов был быстрее?
Руководство пишет, что минимальный срок решает, можно ли тарифицировать токены как чтение. Он не обещает, что каждый запрос снова использует KV на машине, и не обещает более низкую задержку. Выше 15 запросов в минуту трафик может попасть на машину без этой записи.
Итог
Изменение от 20 октября — выбор минимального срока в Responses API. 30-минутная запись — 1,25×, 12-часовая — 2,5×, чтение остаётся 0,1× или 0,05× у Sol. usage делит записи на два поля ttl. Прибавление cache_write_tokens сверху удваивает запись.
Схема, описание инструмента и идентификатор модели меняют префикс. В карточке храните, что API был responses, отправленный ttl и сходятся ли четыре числа usage с вычитанием.