Fonctionnement
Un modèle lit un prompt depuis le début. Lorsqu’une nouvelle requête commence par les mêmes tokens qu’une requête récente, le fournisseur peut réutiliser ce travail au lieu de le refaire et facture ces tokens au tarif réduit du cache. Seul le début identique compte : dès qu’un token change, tout ce qui suit est à nouveau traité comme une nouvelle entrée.
Les agents, les applications de chat et les outils de questions-réponses sur documents envoient sans cesse les mêmes instructions, définitions d’outils et documents : pour eux, le tarif du cache compte donc plus que le prix d’entrée.
Le prix des tokens en cache
| Modèle | Entrée / 1M | En cache / 1M | Part du prix d’entrée |
|---|---|---|---|
| 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% |
Tarifs sur Zurelay, à jour. La page de chaque modèle présente sa grille tarifaire complète.
Claude met en cache ce que vous indiquez
Claude met en cache les blocs que vous marquez avec cache_control, pendant cinq minutes, ou une heure avec "ttl": "1h". L'écriture dans le cache coûte 1.25 fois le prix d'entrée pour cinq minutes et 2 fois pour une heure. Chez Anthropic, la lecture coûte un dixième du prix d'entrée sur les anciens modèles, 0.05 fois sur Opus et Sonnet 5.5, et 0.025 fois sur Fable 5.1 ; la page de chaque modèle indique le tarif du cache sur Zurelay. Claude Code marque vos prompts pour vous. La plupart des autres modèles mettent automatiquement en cache les débuts de prompt répétés.
Comment profiter du cache
- Placez d'abord ce qui ne change jamais : instructions, définitions d'outils, documents de référence. Puis la conversation, puis la nouvelle question.
- Gardez ce début identique à l'octet près. Un horodatage, un identifiant de requête ou une liste d'outils réordonnée en tête empêche chaque requête de profiter du cache.
- Envoyez rapidement les requêtes suivantes. Les caches expirent au bout de quelques minutes : une série de requêtes rapprochées en profite, mais une requête envoyée une heure plus tard repart de zéro (sauf si vous avez demandé une heure à Claude).
Vérifiez que le cache fonctionne
Les données d'utilisation de chaque réponse indiquent la part provenant du cache : usage.prompt_tokens_details.cached_tokens sur Chat Completions, et cache_read_input_tokens et cache_creation_input_tokens sur l'API Messages d'Anthropic. Si le nombre de tokens en cache reste à zéro sur des requêtes répétées, c'est qu'un élément change au début du prompt.
Pour voir l'effet du cache sur un mois entier, réglez la part mise en cache dans le calculateur de coûts LLM.