OpenAI weist das Lesen aus dem Cache mit 0,10 Dollar pro Million Token aus. Dieser Tarif ist für wiederkehrende Aufgaben interessant, vorbehaltlich der Prüfung ihrer tatsächlichen Qualität.
Ein Referenzdossier kann bei jeder neuen Anfrage an ein Modell erneut gelesen werden. In der Preisgestaltung von GPT-6.1 Sol berechnet OpenAI zwischengespeicherte Eingaben mit 0,10 Dollar pro Million Token, gegenüber 2 Dollar für Standardeingaben. Die Ausgabe kostet 10 Dollar pro Million. Die Standardpreise für Ein- und Ausgabe betragen ein Fünftel derjenigen von GPT-6 Astra; dieses Verhältnis garantiert keine um den Faktor fünf geteilte Gesamtrechnung.
Die Startseite stellt das Modell als Weiterentwicklung von GPT-6 Sol vor, verfügbar in Work, Codex und über die API. Sie berichtet von Fortschritten bei mehreren Bewertungen professioneller Arbeit und weist zugleich darauf hin, dass Tests in einer Forschungsumgebung oder über die API vom Einsatz in der Produktion abweichen können. Dieser Vorbehalt begleitet die Leistungsvergleiche.
Einen Kontext bewahren, der bewahrt zu werden verdient
Für ein Redaktionsteam oder eine Kollektionsleitung könnte die Wiederverwendung einen freigegebenen Korpus von Referenzen betreffen. Man muss aber wissen, welche Fassung des Styleguides, des Katalogs oder des Briefings noch gültig ist. Ein günstigeres Lesen einer überholten Anweisung schafft keine nützliche Einsparung.
Die Bewertung sollte daher zwei Kontrollen verbinden: die Qualität der Antworten und die Gültigkeit des wiederverwendeten Kontexts. Ein nach jedem Fehler korrigiertes Dossier würde zeigen, ob sich die Verbesserung auf die nächsten Arbeiten überträgt. Menschliche Korrekturen, Nachfragen und Prüfzeit gingen in die Gesamtkosten ein.
Der Cache-Preis liefert einen präzisen Einkaufsparameter. Die Entscheidung, ihm mehr Arbeit anzuvertrauen, hängt von einem anderen Nachweis ab: der Fähigkeit, die richtigen Referenzen zu behalten, ohne alte Fehler weiterzutragen. Dieser Nachweis muss anhand der Dokumente und Anforderungen des Teams erbracht werden.
Cette publication est également disponible en :
