Hoe het werkt
Een model leest een prompt vanaf het begin. Als een nieuw verzoek met dezelfde tokens begint als een recent verzoek, kan de aanbieder dat werk hergebruiken in plaats van het opnieuw te doen. Voor die tokens geldt dan een lager cachetarief. Alleen het overeenkomende begin telt: zodra één token verandert, is alles vanaf dat punt weer nieuwe input.
Agents, chatapps en apps voor vragen over documenten sturen steeds dezelfde instructies, tooldefinities en documenten mee. Voor hen is het cachetarief dus belangrijker dan het inputtarief.
Wat gecachete tokens kosten
| Model | Input / 1M | Gecachet / 1M | Cachetarief als aandeel |
|---|---|---|---|
| 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% |
Actuele tarieven op Zurelay. Op de pagina van elk model vind je de volledige prijslijst.
Claude cachet wat je markeert
Claude cachet de blokken die je met cache_control markeert vijf minuten lang, of een uur met "ttl": "1h". Naar de cache schrijven kost 1.25 keer het inputtarief voor vijf minuten en 2 keer voor een uur. Bij Anthropic kost teruglezen een tiende op oudere modellen, 0.05 keer op Opus en Sonnet 5.5 en 0.025 keer op Fable 5.1; op de pagina van elk model vind je het cachetarief van Zurelay. Claude Code markeert de prompts voor je. De meeste andere modellen cachen een herhaald begin automatisch.
Zo benut je de cache
- Zet wat nooit verandert vooraan: instructies, tooldefinities, referentiedocumenten. Daarna het gesprek en dan de nieuwe vraag.
- Houd dat begin byte voor byte gelijk. Een tijdstempel, een verzoek-ID of een anders gesorteerde toollijst bovenaan zorgt ervoor dat elk verzoek de cache mist.
- Stuur vervolgvragen snel. Caches verlopen na enkele minuten, dus kort opeenvolgende verzoeken benutten de cache. Een verzoek een uur later begint opnieuw (tenzij je bij Claude een uur hebt ingesteld).
Controleer of het werkt
Het verbruik in elke respons laat zien hoeveel er uit de cache kwam: usage.prompt_tokens_details.cached_tokens bij Chat Completions, en cache_read_input_tokens en cache_creation_input_tokens bij de Messages API van Anthropic. Blijft het aantal gecachete tokens bij herhaalde verzoeken op nul staan, dan verandert er iets aan het begin van de prompt.
Stel het gecachete aandeel in de LLM-kostencalculator in om te zien wat caching over een hele maand oplevert.