Como funciona
Um modelo lê o prompt desde o início. Quando uma nova requisição começa com os mesmos tokens de uma requisição recente, o provedor pode reaproveitar esse trabalho em vez de refazê-lo e cobra esses tokens pelo preço reduzido de cache. Só conta o trecho inicial idêntico: basta mudar um token para que ele e tudo o que vem depois voltem a ser entrada nova.
Agentes, apps de chat e sistemas de perguntas e respostas sobre documentos enviam as mesmas instruções, definições de ferramentas e documentos repetidamente, então, para eles, o preço de cache importa mais que o preço de entrada.
Quanto custam os tokens em cache
| Modelo | Entrada / 1M | Em cache / 1M | Cache em relação à entrada |
|---|---|---|---|
| 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% |
Preços atualizados da Zurelay. A página de cada modelo tem a tabela completa de preços.
O Claude armazena em cache o que você marca
O Claude armazena em cache os blocos que você marca com cache_control, por cinco minutos, ou por uma hora com "ttl": "1h". A gravação em cache custa 1.25 vezes o preço de entrada para cinco minutos e 2 vezes para uma hora. Na Anthropic, a leitura custa um décimo nos modelos mais antigos, 0.05 vezes no Opus e no Sonnet 5.5, e 0.025 vezes no Fable 5.1; a página de cada modelo mostra o preço de cache da Zurelay. O Claude Code marca os prompts para você. A maioria dos outros modelos armazena automaticamente em cache o trecho inicial repetido.
Como aproveitar o cache
- Coloque primeiro o que nunca muda: instruções, definições de ferramentas, documentos de referência. Depois, a conversa e, por último, a nova pergunta.
- Mantenha esse início idêntico, byte por byte. Uma data e hora, um ID de requisição ou uma lista de ferramentas reordenada no início impede o uso do cache em todas as requisições.
- Envie as próximas mensagens logo. Os caches expiram em minutos, então uma sequência rápida de requisições aproveita o cache, mas uma requisição uma hora depois começa do zero (a menos que você tenha pedido uma hora ao Claude).
Confira se funcionou
Os dados de uso em cada resposta mostram quanto veio do cache: usage.prompt_tokens_details.cached_tokens no Chat Completions, e cache_read_input_tokens e cache_creation_input_tokens na Messages API da Anthropic. Se a contagem de tokens em cache continuar em zero nas solicitações repetidas, algo no início do prompt está mudando.
Para ver o efeito do cache ao longo de um mês, ajuste a proporção em cache na calculadora de custos de LLM.