Como funciona
Um modelo lê um prompt desde o início. Quando um novo pedido começa com os mesmos tokens de um pedido recente, o fornecedor pode reutilizar esse trabalho em vez de o repetir e faturar esses tokens ao preço reduzido da cache. Só conta o início que coincide: basta alterar um token para que tudo a partir daí volte a ser considerado nova entrada.
Os agentes, as aplicações de chat e os sistemas de perguntas e respostas sobre documentos enviam repetidamente as mesmas instruções, definições de ferramentas e documentos, pelo que, nestes casos, o preço da cache importa mais do que o preço de entrada.
Quanto custam os tokens em cache
| Modelo | Entrada / 1M | Em cache / 1M | Preço em cache / 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 na Zurelay, em tempo real. A página de cada modelo tem a respetiva tabela de preços completa.
O Claude guarda em cache o que marcar
O Claude guarda em cache os blocos que marcar com cache_control durante cinco minutos, ou durante uma hora com "ttl": "1h". A escrita na 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 Sonnet 5.5 e 0.025 vezes no Fable 5.1; a página de cada modelo indica o preço da cache na Zurelay. O Claude Code marca os prompts por si. A maioria dos outros modelos guarda automaticamente em cache os inícios repetidos.
Como aproveitar a cache
- Coloque primeiro o que nunca muda: instruções, definições de ferramentas e documentos de referência. Depois a conversa e, por fim, a nova pergunta.
- Mantenha esse início exatamente igual, byte a byte. Uma marca temporal, um ID de pedido ou uma lista de ferramentas reordenada no início impede o aproveitamento da cache em todos os pedidos.
- Envie os pedidos de seguimento pouco depois. As caches expiram ao fim de minutos, pelo que uma sequência rápida de pedidos aproveita a cache, mas um pedido uma hora depois começa do zero (a menos que tenha pedido ao Claude uma duração de uma hora).
Verifique se funcionou
Os dados de utilização de cada resposta indicam quanto veio da cache: usage.prompt_tokens_details.cached_tokens em 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 a zero em pedidos repetidos, algo no início do prompt está a mudar.
Para ver o efeito da cache ao longo de um mês, defina a percentagem em cache na calculadora de custos de LLM.