跳转到主要内容
选择适合工作负载的 GPT-5.6 层级,只替换模型 ID,然后重新测试推理 effort、工具、延迟和成本。在评估通过之前,保留之前的 GPT-5 模型作为回退。

选择层级

三者的上下文窗口都是 1,050,000 token,输出上限为 128K token。每个层级还有一个 Pro ID(openai/gpt-5.6-sol-pro、-terra-pro、-luna-pro),它会替你发送 reasoning.mode: "pro"。 OpenAI 自己的 gpt-5.6 别名指向 gpt-5.6-sol;在 Phaseo 上,请直接调用各层级的 ID。层级别名 openai/gpt-sol-latest、openai/gpt-terra-latest 和 openai/gpt-luna-latest 会跟随各层级的最新模型,而 openai/gpt-sol-latest 已经指向比 GPT-5.6 更新的模型。只有在你希望未来版本自动前滚时才使用它们。

更新请求

GPT-5.6 在每个层级都新增了最高推理预算 max。只在额外的延迟和成本值得时使用它。
GPT-5.6 还新增了:
  • reasoning.mode: "pro",用于更难的任务,无需更换模型;
  • reasoning.context(auto、current_turn 或 all_turns),用于控制保留哪些推理内容;
  • 面向大量使用工具的工作流的 beta 多智能体支持和 Programmatic Tool Calling;
  • 通过 prompt_cache_options 和缓存断点实现的显式提示词缓存。在 GPT-5.6 上,prompt_cache_options.ttl 取代了 prompt_cache_retention,Phaseo 不会把后者发送给 GPT-5.6 模型。

查看价格

OpenAI 标准层级的每 1M token 价格,适用于输入不超过 272K token 的请求: 输入超过 272K token 的请求价格更高:Sol 输入 $10.00、输出 $45.00,Terra 为 $4.00 和 $18.00,Luna 为 $0.40 和 $1.80,缓存价格按相同比例调整。在 2026 年 11 月 30 日之前,适用 OpenAI 的 Sol 促销价:272K token 以内输入 $4.00、输出 $20.00。其他层级和提供商的当前价格请查看模型页面。 缓存读取按输入价格的 10% 计费,30 分钟写入按 1.25 倍,12 小时写入按 2.5 倍。每个输入 token 只按其中一种价格计费。用量把缓存读取和写入计入 input_tokens(在 Chat Completions 上为 prompt_tokens),并在 cache_write_tokens 中报告写入;参见用量和价格字段。

缓存重复的上下文

把提示词中稳定的部分放进可缓存的块,并把请求特有的文本放在它后面:
  • prompt_cache_breakpoint 会缓存到其所在块为止(含该块)的全部内容。在 explicit 模式下,OpenAI 只缓存你设置的断点。
  • 块级 cache_control(例如 {"type": "ephemeral"})同样有效;Phaseo 会把它作为 prompt_cache_breakpoint 发送给 GPT-5.6。两种标记都会作为缓存断点传给 Claude,因此回退到 Claude 时仍然会缓存。
  • ttl 为 30m(默认)或 12h。哪些路由接受它,请参见 OpenAI 上的 12 小时缓存;其他字段请参见 OpenAI 保留时长和选项。

要测试的内容

  • 推理和输出质量: 每个层级在你将开放的 effort 级别下的表现,包括质量优先场景下的 max;困难任务上标准模式与 reasoning.mode: "pro" 的对比;各级别下的 schema 通过率和工具调用质量。
  • 成本和延迟: 各 effort 下的延迟、相对当前基线的输出 token 增长、重复提示词的缓存读写比例,以及每个成功任务的成本,而不是每 token 价格。

上线

  1. 保留之前的 GPT-5 模型作为 models 中的回退。
  2. 在 max 于类似生产的提示词上得到验证之前,把它放在配置开关或预设之后。
  3. 把缓存写入量与缓存读取分开监控。
  4. 只有在评估确认了任务成功率、成本和延迟之后,才把 GPT-5.6 设为默认模型。

来源

最后修改于 2026年11月5日