OpenAI libera cache de prompts por 12 horas: quando compensa?

A OpenAI anunciou em 20 de outubro de 2026 uma opção de cache de prompts por pelo menos 12 horas na Responses API. A mudança permite reaproveitar contexto entre chamadas mais espaçadas, mas cobra mais pela gravação inicial. Para automações com instruções estáveis, vale comparar o custo de escrever o cache com a quantidade de reutilizações esperadas. O anúncio consta no changelog oficial da API.

O que muda no cache de prompts por 12 horas?

A documentação de prompt caching apresenta duas durações mínimas para modelos compatíveis: 30 minutos, padrão, e 12 horas na Responses API. A gravação custa, respectivamente, 1,25 e 2,5 vezes a tarifa comum de entrada. São multiplicadores totais da gravação, não adicionais somados à entrada comum.

O ponto para uma empresa é o intervalo entre os usos. Um processo executado pela manhã e retomado à tarde tem uma necessidade diferente de uma sequência de chamadas feita em poucos minutos. Escolher a janela maior sem olhar esse padrão pode elevar o gasto inicial sem trazer reutilização suficiente.

Quem pode usar e qual configuração conferir?

O guia associa a nova opção a GPT-5.6 e posteriores na Responses API, com prefixo mínimo de 1.024 tokens visíveis. A configuração é feita em prompt_cache_options.ttl, com o valor 12h; o comportamento dos modelos anteriores usa outros parâmetros. Confira a matriz por geração antes de alterar uma integração.

O Brasil aparece entre os países com acesso à API. Isso não comprova a habilitação de um modelo em toda conta ou a exposição do parâmetro em qualquer conector. O anúncio é de um recurso de API: não confirma uma função equivalente em um plano do aplicativo ChatGPT.

Para n8n, Make ou um backend próprio, a primeira checagem é o pedido efetivamente enviado. Se o conector não expõe a opção, não basta acrescentar um campo solto ao fluxo. Verifique o mapeamento e a referência de criação de respostas, depois use um caminho de integração que aceite os campos necessários. Não validamos módulos dessas plataformas para este recurso.

Quanto custa: um exemplo com GPT-6.1 Sol

A tabela oficial de preços informa, para GPT-6.1 Sol no processamento Standard e contexto Short, US$ 2 por milhão de tokens de entrada, US$ 0,10 por milhão de entrada em cache e US$ 5 por milhão para gravação de 12 horas. Outros modos e condições têm preços diferentes.

Considere, hipoteticamente, um trecho fixo de 10 mil tokens. Pela tarifa acima, uma entrada comum desse trecho custa US$ 0,02; gravá-lo por 12 horas custa US$ 0,05; uma leitura integral do trecho em cache custa US$ 0,001.

• Em duas chamadas, uma gravação e uma leitura somariam US$ 0,051, contra US$ 0,04 de duas entradas comuns.
• Em dez chamadas, uma gravação e nove leituras somariam US$ 0,059, contra US$ 0,20 de dez entradas comuns.

São contas sobre um prefixo idêntico, com reutilização integral e sem nova gravação. Não incluem pergunta variável, respostas, ferramentas, impostos ou conversão cambial. O segundo cenário é mais barato nessa parcela; o primeiro é mais caro. Nenhum deles prevê a fatura de um atendimento real.

Aplicação prática: instruções estáveis em um fluxo de atendimento

Imagine uma automação que classifica solicitações com as mesmas regras de encaminhamento. O procedimento hipotético seria separar regras estáveis, exemplos necessários e dados específicos de cada solicitação. A equipe poderia então comparar execuções com as duas durações, mantendo a mesma tarefa e registrando os resultados.

Antes de alterar a configuração, eu definiria três verificações: o intervalo habitual entre chamadas, quantas solicitações reutilizam o material e com que frequência as regras mudam. Uma operação com regras editadas várias vezes ao dia precisa considerar esse retrabalho. Uma operação de baixo volume não deve assumir que a janela maior compensará só porque o contexto é longo.

Também manteria uma versão identificada das instruções. Quando uma política comercial muda, a prioridade é o agente receber o conteúdo correto. Cache não deve virar justificativa para continuar usando uma regra antiga. Para organizar essa parte do processo, consulte o guia de atualização da base de conhecimento no n8n.

Como verificar o resultado sem prometer economia

A referência de retorno da Responses API documenta informações de uso, incluindo tokens de entrada, saída, leitura de cache e gravação. Esses dados ajudam a conferir se a reutilização esperada aconteceu. A cobrança não deve ser estimada apenas pelo total de chamadas.

Como método de avaliação, mantenha uma amostra com tarefa, versão das instruções, intervalo entre execuções e uso retornado. Some as parcelas cobradas e compare cenários equivalentes. Se mudar simultaneamente modelo, tamanho do contexto e configuração do cache, ficará difícil atribuir a diferença a uma única alteração.

Confira também a qualidade das respostas. Um custo menor não compensa encaminhamentos errados ou informação desatualizada. Este artigo não executou chamadas para medir ganho e não apresenta um benchmark de velocidade. A decisão recomendada é medir antes de aplicar a configuração a toda a operação.

Retenção e dados: 12 horas não é prazo de exclusão

O guia esclarece que a duração solicitada é mínima, não um prazo de apagamento. Não use esse valor como política de privacidade. As regras de dados da plataforma precisam ser verificadas junto às exigências do projeto e às opções efetivamente contratadas.

Na prática, não acrescente informações de clientes ao trecho compartilhado só para torná-lo maior. Defina quais dados a tarefa realmente exige e como o fluxo separa solicitações. Para casos com dados sensíveis ou compromissos específicos de retenção, valide a configuração aplicável antes de ativar o recurso.

Quando vale experimentar?

Vale avaliar o cache de 12 horas quando o mesmo material necessário é reutilizado em chamadas espaçadas e há volume suficiente para compensar a gravação. Para uso esporádico, contexto em mudança ou conector sem suporte confirmado, investigue essas condições primeiro. A novidade amplia uma opção de configuração; a vantagem econômica depende do padrão real de uso.