Cómo funciona
Un modelo lee un prompt desde el principio. Cuando una petición nueva empieza con los mismos tokens que una reciente, el proveedor puede reutilizar ese trabajo en lugar de rehacerlo, y factura esos tokens a un precio de caché más bajo. Solo cuenta el inicio coincidente: un token cambiado y todo lo que viene después vuelve a ser entrada nueva.
Los agentes, las apps de chat y las consultas sobre documentos envían una y otra vez las mismas instrucciones, definiciones de herramientas y documentos, así que en ellos el precio de caché importa más que el de entrada.
Cuánto cuestan los tokens en caché
| Modelo | Entrada / 1M | En caché / 1M | Proporción en caché |
|---|---|---|---|
| Claude Opus 5.5 | $1.40 | $0.07 | 5% |
| Claude Sonnet 5.5 | $0.79 | $0.079 | 10% |
| GPT-6 Astra | $2.50 | $0.25 | 10% |
| GPT-6 Sol | $0.50 | $0.05 | 10% |
| Gemini 3.1 Pro | $0.50 | $0.08 | 16% |
| Gemini 3.8 Flash | $0.22 | $0.032 | 14.5% |
| DeepSeek V4.1 Flash | $0.03 | $0.00074 | 2.5% |
| Qwen 3.8 Max | $1.20 | $0.15 | 12.5% |
Precios en Zurelay, en directo. La página de cada modelo tiene su lista de precios completa.
Claude cachea lo que marcas
Claude cachea los bloques que marcas con cache_control, durante cinco minutos, o una hora con "ttl": "1h". Escribir en la caché cuesta 1,25 veces el precio de entrada durante cinco minutos y 2 veces durante una hora. En Anthropic, leerla de vuelta cuesta una décima parte en modelos antiguos, 0,05 veces en Opus y Sonnet 5.5, y 0,025 veces en Fable 5.1; la página de cada modelo tiene el precio en caché de Zurelay. Claude Code marca sus prompts por ti. La mayoría de los demás modelos cachean por su cuenta un inicio repetido.
Cómo aprovechar la caché
- Pon primero lo que nunca cambia: instrucciones, definiciones de herramientas, documentos de referencia. Luego la conversación, y después la pregunta nueva.
- Mantén ese inicio idéntico byte a byte. Un timestamp, un request ID o una lista de herramientas reordenada al principio hace que todas las peticiones fallen la caché.
- Envía los seguimientos pronto. Las cachés caducan en minutos, así que una ráfaga de peticiones acierta y una petición una hora después empieza de cero (salvo que le hayas pedido a Claude una hora).
Comprueba que funciona
El uso en cada respuesta indica cuánto vino de la caché: usage.prompt_tokens_details.cached_tokens en Chat Completions, y cache_read_input_tokens y cache_creation_input_tokens en la Messages API de Anthropic. Si el recuento en caché sigue en cero en solicitudes repetidas, algo al principio del prompt está cambiando.
Para ver qué hace el caching a lo largo de un mes, ajusta la proporción en caché en la calculadora de costes de LLM.