GPT-5.6がAmazon Bedrockに対応：プロンプトキャッシュで料金90%割引になる仕組み

Amazon Bedrock上でOpenAI系のGPT-5.6ファミリー（Sol / Terra / Luna）が利用できるようになり、企業のAWS環境で高性能モデルを直接使える選択肢が増えました。特に注目されるのが「プロンプトキャッシュ」によるコスト削減（キャッシュヒットした入力トークンに対して最大90%割引）です。ただし「API全体が90%安くなる」わけではありません。本記事は仕組みの解説、導入手順、料金試算（例）、有効なユースケースと注意点を実務目線でまとめます。

GPT-5.6がAmazon Bedrockに対応したら何が変わるか

Bedrock経由でOpenAI系モデルを使うメリット

• AWSの認証・監査・権限管理や既存の運用フローに統合しやすい
• 複数モデル（Sol/Terra/Lunaなど）を同一プラットフォームで比較・切替できる
• 企業向けのガバナンスやデータ取り扱い方針をAWS運用に合わせられる点が強み

GPT-5.6 Sol / Terra / Luna の位置づけ（概要）

• Sol：最高クラスの性能・高単価。複雑な推論や重要業務向け。
• Terra：品質とコストのバランスに優れ、業務アプリやエージェントの本命。
• Luna：低単価・大量処理向け。FAQや分類など定型ワークロードに最適。

※モデル名・提供状況・料金やResponses API／ストリーミング等の対応はリージョンや時点で変わるため、実利用前に公式ドキュメントで必ず確認してください。

Bedrockでの料金体系（基本）

入力トークンと出力トークン

料金は大きく「入力トークン（system/prompts/toolsなど）」と「出力トークン（モデルの返答）」に分かれます。長いプロンプトは入力側のコストを押し上げ、長い応答は出力側のコストを増やします。

モデル別の傾向

• Sol：入力・出力とも単価高（キャッシュによる削減効果が大きい）
• Terra：中間。コスト対品質のバランスが取りやすい
• Luna：単価低。大量リクエストでの累積削減が狙い

プロンプトキャッシュとは何か（仕組み）

プロンプトキャッシュは「同一の長い共通プロンプト（systemやtools定義など）」をサーバ側でキャッシュしておき、2回目以降の処理を軽く/割安にする仕組みです。結果、キャッシュヒットした入力トークンに対して割引（例：最大90%）が適用されます。

キャッシュされやすいプロンプトの例

• 長いsystem prompt（役割、禁止事項、出力フォーマット）
• tools／関数定義（API仕様、ツール一覧）
• 業務ルールや応答方針の固定文

キャッシュされにくいプロンプトの例

• 毎回変わるユーザー入力や検索結果（RAG）
• 短く単発の質問文
• 頻繁に書き換わるコンテキスト

「90%割引」は何に効くのか（重要）

重要なポイントを明確にします：

• 割引対象：主にキャッシュヒットした入力トークン（共通化された部分）。
• 対象外：毎回変わるユーザー入力や多くの場合は出力トークン（返答）は割引対象外。
• 初回：キャッシュ書き込みとして課金が発生し、初回から大幅割引にはならないことが多い。
• キャッシュミス／TTL切れ：再書き込みが発生し、割引が効かない場合がある。

実践的な導入手順（ステップ・バイ・ステップ）

1. モデルとリージョンを確認：利用したいGPT-5.6（Sol/Terra/Luna）がBedrockの対象リージョンでキャッシュ対応か確認する。
2. 共通プロンプトを分離：system、tools、業務ルールを分離し、可変部分（ユーザー入力等）を後段に置く。
3. プロンプトの安定化：表記ゆれや順序を固定、バージョン管理を行う。
4. テストでヒット率を確認：APIレスポンスの利用トークンやキャッシュ読み取り/書き込みの指標を取得する。
5. 費用監視：Cost ExplorerやCloudWatch、APIログを組み合わせて入出力トークン量・モデル別費用を定期的にチェックする。

料金シミュレーション（例：概算・仮の単価を用いた計算）

以下は「考え方」を示すための例で、単価は仮（例示）です。実際の単価はAWS公式を参照してください。

前提（例）

• 共通プロンプト：20,000 tokens
• ユーザー入力：1,000 tokens
• 出力：2,000 tokens
• 実行回数：1,000回/月
• 仮単価（例示）：
  • Sol 入力 0.10 USD / 1k tokens、出力 0.12 USD / 1k tokens
  • キャッシュ読み取り割引：90%（仮定）

キャッシュなし（概算）

毎回の入力トークン = 20,000 + 1,000 = 21,000 tokens → 21 × (単位1k) = 21k

入力コスト（Sol例）＝ 21 × 0.10 USD × 1,000回 = 21 × 0.10 × 1,000 = 2,100 USD

出力コスト＝ 2,000 tokens = 2 × 0.12 USD × 1,000回 = 2 × 0.12 × 1,000 = 240 USD

合計（概算）＝ 2,340 USD / 月（仮の単価での例）

キャッシュあり（概算）

初回：共通20,000は書き込みで通常料金（20k → 20 × 0.10 = 2.0 USD 相当の単発コスト、計上はトークンベースに合わせて調整）。

2回目以降（999回）：共通20,000の読み取りは90%割引 → 読み取り単価は0.01 USD / 1k相当（仮）

共通部分のコスト（999回）＝ 20 × 0.01 × 999 ≈ 199.8 USD

ユーザー入力と出力は毎回通常料金：

• ユーザー入力（1k）×1,000回 = 1 × 0.10 × 1,000 = 100 USD
• 出力（2k）×1,000回 = 2 × 0.12 × 1,000 = 240 USD

合計（概算）≈ 199.8 + 100 + 240 + 初回書き込み分 ≈ 約550 USD（仮）

この例からわかるように、共通プロンプトが非常に長く、かつ高単価の入力部分を毎回送っているワークロードではキャッシュによって大幅にコストが下がる（例：2,340 → 約550 USD）。ただし、上の数値は仮単価を用いた概算です。実際の削減額はモデル別の単価、キャッシュヒット率、出力トークン量、TTLなどで変動します。

効果が大きいユースケース／効果が小さいユースケース

効果が大きい

• AIエージェント：長いsystem promptやtools定義を毎回使う
• RAG（設計次第）：回答方針や出力フォーマットが固定化されているケース
• FAQや大量問い合わせ：システム指示が固定、リクエスト数が多い

効果が小さい

• 毎回プロンプトが大きく変わる処理
• 出力トークンがコストの大半を占める長文生成ワークロード
• 利用頻度が低くTTL内に再利用されない処理

実運用での注意点（必読）

• 公開前に公式ドキュメントで「キャッシュの仕様（対象フィールド、TTL、書き込み／読み取りの課金方法）」を確認すること。
• 初回は書き込み課金が発生するため、短期間での効果は限定的。利用量が一定以上確保できるかを判断する。
• プロンプトの微修正が多いとヒット率が落ちる。表記や並びを安定化すること。
• 出力トークンは原則割引対象外なので、長文出力が多い場合は出力最適化（max_tokens制御や要約）も併用する。
• 機密情報（PII等）を共通プロンプトに含めない。キャッシュに保存される可能性があるためデータガバナンスを徹底する。
• Cost Explorer／CloudWatchとAPIログを組み合わせ、ヒット率・入出力トークン量・モデル別コストを継続監視する。

導入前チェックリスト

• 同一のsystem promptやtools定義を繰り返し使っているか □
• 共通プロンプトが十分なトークン数を持っているか □
• 利用頻度が高くTTL内で再利用される見込みがあるか □
• 出力より入力がコストの比率で大きいか（入力削減で効果が出るか） □
• モデル・リージョンがBedrockでキャッシュ対応か確認済みか □
• プロンプトのバージョン管理と変更運用ルールがあるか □
• 社内のデータ取り扱いルール（PII等）を照らして問題ないか □

よくある質問（FAQ）

Q1. 料金が本当に90%安くなるのですか？

A. 全体が自動的に90%安くなるわけではなく、キャッシュヒットした入力トークン部分に対して割引が適用される、という理解が正しいです。出力や可変入力は対象外のことが多い点に注意してください。

Q2. 1回目のリクエストから安くなりますか？

A. 多くの場合は初回が書き込み扱いとなり、2回目以降の読み取りで割引が効く設計です。

Q3. CloudWatchでキャッシュヒット率は直接見られますか？

A. CloudWatchやCost ExplorerのメトリクスとAPIレスポンス（入出力トークン、読み取り/書き込み指標）を組み合わせて監視するのが現実的です。ヒット率が直接提供されるかは仕様に依存するため公式を確認してください。

Q4. Sol / Terra / Lunaのどれを選べばよいですか？

A. 高品質推論や重要業務ならSol、コストと品質のバランス重視ならTerra、大量の定型処理や分類ならLunaが候補です。共通プロンプトが長い場合は、どのモデルでもキャッシュ前提で設計すると良いです。

参考（必ず公式確認を）

以下の公式ドキュメントや料金ページで最新情報を確認してください（執筆時点の仕様は変わる可能性があります）。

• Amazon Bedrock 公式ドキュメント（Prompt caching / pricing / APIリファレンス）
• AWS 料金ページ（Bedrockのモデル別料金）
• Bedrock Responses API ドキュメント

まとめ：GPT-5.6をBedrockで安く使う鍵は「プロンプト設計」

GPT-5.6がAmazon Bedrockで利用可能になったことで、AWS環境下でOpenAI系高性能モデルを使う選択肢が広がりました。プロンプトキャッシュは「キャッシュヒットした入力トークン」に対して大きな割引をもたらしますが、全体を安くするにはプロンプトの分離・固定化、キャッシュヒット率の向上、出力トークンの最適化など設計上の工夫が不可欠です。公開前に公式仕様と料金を必ず確認し、まずはPoCでヒット率とコスト差を実測してください。

最後に一言：GPT-5.6をBedrockで本番運用するなら、単にモデルを選ぶだけでなく、「どのプロンプトをキャッシュするか」を設計することがコスト最適化の鍵になります。