提示词缓存详解：如何降低 LLM API 费用

工作原理

模型会从头读取提示词。如果新请求开头的 token 与近期某次请求相同，服务商就可以复用此前的计算，而不必重算，并按更低的缓存价格收取这部分 token 的费用。只有开头连续匹配的部分才算命中：只要有一个 token 发生变化，从它开始的所有内容就都会重新算作新增输入。

智能体、聊天应用和文档问答会反复发送相同的指令、工具定义和文档，因此对这些场景而言，缓存价格比输入价格更重要。

缓存 token 如何收费

以上为 Zurelay 实时价格。每个模型的页面均提供完整价目表。

Claude 缓存你标记的内容

Claude 会缓存你用 cache_control 标记的内容，有效期为五分钟；使用 "ttl": "1h" 则可延长至一小时。写入五分钟缓存的费用为输入价格的 1.25 倍，一小时缓存则为 2 倍。在 Anthropic，旧款模型的缓存读取价格为输入价格的十分之一，Opus 和 Sonnet 5.5 为 0.05 倍，Fable 5.1 为 0.025 倍；各模型页面列有 Zurelay 的缓存价格。Claude Code 会自动为你标记提示词。大多数其他模型则会自动缓存开头的重复内容。

如何命中缓存

• 将固定不变的内容放在最前面：指令、工具定义、参考文档。之后放对话，最后放新问题。
• 确保开头的内容逐字节一致。开头出现时间戳、请求 ID，或工具列表顺序发生变化，都会导致每次请求无法命中缓存。
• 尽快发送后续请求。缓存会在几分钟后过期，因此短时间内连续请求可以命中缓存，一小时后再请求则需要重新开始 (除非你为 Claude 设置了一小时缓存)。

检查是否生效

每次响应中的用量信息都会显示缓存用量: Chat Completions 中是 usage.prompt_tokens_details.cached_tokens，Anthropic 的 Messages API 中是 cache_read_input_tokens 和 cache_creation_input_tokens。如果重复请求时缓存用量始终为零，说明提示词开头的某些内容在变化。

想了解缓存对整月费用的影响，可以在 LLM 费用计算器中设置缓存占比。