วิธีคำนวณจุดคุ้มทุน Claude Prompt Caching ให้ประหยัดจริง
วิเคราะห์ความคุ้มค่าของ Claude Prompt Caching เมื่อค่าเขียนสูงกว่าปกติ 1.25 เท่าและค่าอ่านลดเหลือ 0.1 เท่า เรียนรู้วิธีคำนวณจุดคุ้มทุนที่แท้จริงเพื่อลดต้นทุน API ของคุณให้ต่ำที่สุด
ต้นทุนของ Prompt caching ก่อนที่จะเริ่มประหยัดค่าใช้จ่าย
Prompt caching ช่วยให้ Claude สามารถนำส่วนหน้าของ prompt กลับมาใช้ใหม่ได้แทนที่จะต้องอ่านซ้ำในทุกการเรียกใช้งาน โดยการตัดสินใจทั้งหมดขึ้นอยู่กับตัวคูณสองค่าเมื่อเทียบกับราคา input พื้นฐานของโมเดล ณ เดือนตุลาคม 2026 การเขียน cache มีค่าใช้จ่าย 1.25 เท่าของราคา input พื้นฐานสำหรับอายุการใช้งาน 5 นาที หรือ 2 เท่าสำหรับอายุการใช้งาน 1 ชั่วโมงในทุกโมเดล ส่วนการอ่าน cache มีค่าใช้จ่าย 0.1 เท่าในโมเดลส่วนใหญ่ แต่ตัวคูณสำหรับการอ่านไม่ได้เท่ากันในทุกกรณีอีกต่อไป โดยมีค่าอยู่ที่ 0.025 เท่าสำหรับ Claude Fable 5.1 และ Claude Mythos 5.1 ซึ่งเปิดตัวด้วยอัตราดังกล่าวเมื่อวันที่ 1 กันยายน 2026 และอยู่ที่ 0.05 เท่าสำหรับ Claude Opus 5.5 และ Claude Sonnet 5.5 โดย Sonnet 5.5 ได้รับการปรับลดจาก 0.1 เท่ามาเป็นอัตรานี้เมื่อวันที่ 7 ตุลาคม 2026 ตัวเลขที่คำนวณด้านล่างนี้ใช้ค่าการอ่านมาตรฐานที่ 0.1 เท่า การอ่านที่ถูกลงจะช่วยให้จุดคุ้มทุนขยับมาเป็นประโยชน์ต่อคุณมากขึ้นเล็กน้อย ซึ่งส่วนถัดไปจะแสดงให้เห็นว่ามากน้อยเพียงใด
การแลกเปลี่ยนนี้คือการจ่ายส่วนเพิ่มในตอนนี้เพื่อแลกกับส่วนลดในภายหลัง คุณจ่ายเพิ่มหนึ่งครั้งเพื่อจัดเก็บ prefix จากนั้นทุกคำขอในภายหลังที่เริ่มต้นด้วยชุดข้อมูลเดียวกันทุกประการจะจ่ายค่า input ในส่วนนั้นเพียงหนึ่งในสิบของราคาปกติ หรือน้อยกว่านั้นในโมเดลที่ระบุไว้ข้างต้น หาก prefix ใดไม่เคยถูกนำกลับมาใช้ซ้ำภายในอายุการใช้งานของมัน คุณจะเสียค่าใช้จ่ายเพิ่มขึ้น 25 เปอร์เซ็นต์โดยไม่ได้รับผลตอบแทนใดๆ
จุดคุ้มทุนในสมการบรรทัดเดียว
ให้ B คือต้นทุนพื้นฐานของ prefix หากส่งโดยไม่มีการทำแคช หากไม่มีการแคช คำขอ N ครั้งจะมีต้นทุนเท่ากับ N คูณ B แต่ถ้าใช้แคช 5 นาที คำขอแรกจะเขียน prefix ที่ 1.25B และคำขอที่เหลืออีก N ลบ 1 ครั้งจะอ่านที่ 0.1B เมื่อตั้งสมการให้เท่ากันจะได้ 0.9N = 1.15 ดังนั้น N = 1.28 ซึ่งหมายความว่าคำขอที่สองก็มีราคาถูกกว่าการไม่ใช้แคชแล้ว
หากคำนวณซ้ำด้วยการเขียนที่ 2 เท่าของแคช 1 ชั่วโมง จะได้ 0.9N = 1.9 ดังนั้น N = 2.11 แคชระยะยาวต้องมีการอ่านอย่างน้อยสองครั้งจึงจะคุ้มทุน ซึ่งเป็นเหตุผลว่าทำไมจึงไม่ใช่ตัวเลือกเริ่มต้น
เมื่อราคาการอ่านถูกลง เส้นกราฟจะขยับไปแต่ไม่มากนัก ที่การอ่าน 0.05 เท่า แคช 5 นาทีจะได้ 0.95N = 1.2 ดังนั้น N = 1.26 และที่ 0.025 เท่าจะได้ 0.975N = 1.225 ซึ่ง N = 1.26 เช่นกัน ส่วนแคช 1 ชั่วโมงจะลดลงเหลือ N = 2.05 และ N = 2.03 คำตอบในทางปฏิบัติจะเหมือนกันในทุกโมเดล คือแคช 5 นาทีจะคุ้มทุนตั้งแต่คำขอที่สอง ส่วนแคช 1 ชั่วโมงจะคุ้มทุนตั้งแต่คำขอที่สามเป็นต้นไป
แผนภูมิด้านล่างแสดงราคาสำหรับ prefix ขนาด 20,000 token บน Claude Opus 5 โดยมีอัตราค่า input พื้นฐานอยู่ที่ $5 ต่อล้าน token ณ เดือนตุลาคม 2026 ซึ่งไม่เปลี่ยนแปลงจากเดือนสิงหาคม ปัจจุบัน Opus 5 เป็นโมเดลรุ่นเก่าแม้ว่าจะยังคงใช้งานได้อยู่ ส่วนโมเดลรุ่นถัดมาอย่าง Claude Opus 5.5 มีราคาอยู่ที่ $4 ต่อล้าน token พร้อมการอ่านที่ 0.05 เท่า ดังนั้น prefix ขนาดเดียวกันที่นั่นจะมีค่าใช้จ่ายในการเขียน $0.10 และการอ่าน $0.004 ให้ปรับสเกลตัวเลขทุกตัวด้วย 0.6 สำหรับโมเดลราคา $3 ต่อล้าน token ที่การอ่านมาตรฐาน 0.1 เท่า รูปร่างของเส้นกราฟจะยังคงเดิม
ข้อมูลเบื้องหลังแผนภูมินี้
[
{
"requests": 1,
"uncached_usd": "0.10",
"cached_5m_usd": "0.125",
"cached_1h_usd": "0.20"
},
{
"requests": 2,
"uncached_usd": "0.20",
"cached_5m_usd": "0.135",
"cached_1h_usd": "0.21"
},
{
"requests": 3,
"uncached_usd": "0.30",
"cached_5m_usd": "0.145",
"cached_1h_usd": "0.22"
},
{
"requests": 5,
"uncached_usd": "0.50",
"cached_5m_usd": "0.165",
"cached_1h_usd": "0.24"
},
{
"requests": 10,
"uncached_usd": "1.00",
"cached_5m_usd": "0.215",
"cached_1h_usd": "0.29"
},
{
"requests": 20,
"uncached_usd": "2.00",
"cached_5m_usd": "0.315",
"cached_1h_usd": "0.39"
}
]คำขอเดียวมีต้นทุนอยู่ที่ $0.10 หากไม่ใช้แคช และ $0.125 หากใช้แคช ดังนั้นการทำแคชสำหรับ prompt ที่ใช้เพียงครั้งเดียวจึงเป็นการขาดทุนโดยเปล่าประโยชน์ เมื่อถึงคำขอที่สอง แคช 5 นาทีจะมีต้นทุนอยู่ที่ $0.135 เทียบกับ $0.20 ในขณะที่แคช 1 ชั่วโมงยังคงมีต้นทุนสูงกว่าที่จุดนั้นคือ $0.21 เทียบกับ $0.20 และจะคุ้มทุนกว่าการไม่ใช้แคชก็ต่อเมื่อถึงคำขอที่สามเท่านั้น คือ $0.22 เทียบกับ $0.30 และเมื่อถึง 20 คำขอ ส่วนต่างจะอยู่ที่ $2.00 เทียบกับ $0.315
การเกิด cache hit จะเป็นการรีเฟรชรายการนั้นด้วย ซึ่งเป็นเหตุผลว่าทำไมตารางราคาที่เผยแพร่จึงเรียกคอลัมน์นั้นว่า cache hits and refreshes ดังนั้น endpoint ที่มีการใช้งานหนาแน่นจะคงรายการแคช 5 นาทีไว้ได้เรื่อยๆ ด้วยราคาการอ่าน ส่วนอายุแคช 1 ชั่วโมงจะคุ้มค่ากับต้นทุนการเขียนที่ 2 เท่าก็ต่อเมื่อ traffic ของคุณมีช่วงว่างเว้นระยะห่างที่ชัดเจนเท่านั้น
ต้นทุนที่เกิดจากอัตราการเข้าถึงแคชต่ำ
การพลาดแคช (miss) จากทราฟฟิกจริงมีต้นทุน คำขอที่พลาดแคชแต่ยังคงมี breakpoint จะถูกคิดค่าใช้จ่ายในฐานะการเขียน (write) ดังนั้นวิธีที่ถูกต้องในการจำลองต้นทุนนี้คือการคำนวณตามฟังก์ชันของอัตราการเข้าถึงแคช (hit rate) แผนภูมิด้านล่างแสดงการคำนวณสำหรับคำขอ 1,000 รายการ โดยแต่ละรายการมี prefix ขนาด 20,000 token เท่ากัน
ข้อมูลเบื้องหลังแผนภูมินี้
[
{
"hit_rate_percent": 0,
"cost_5m_usd": "125.00",
"cost_1h_usd": "200.00",
"uncached_usd": "100.00"
},
{
"hit_rate_percent": 25,
"cost_5m_usd": "96.25",
"cost_1h_usd": "152.50",
"uncached_usd": "100.00"
},
{
"hit_rate_percent": 50,
"cost_5m_usd": "67.50",
"cost_1h_usd": "105.00",
"uncached_usd": "100.00"
},
{
"hit_rate_percent": 75,
"cost_5m_usd": "38.75",
"cost_1h_usd": "57.50",
"uncached_usd": "100.00"
},
{
"hit_rate_percent": 90,
"cost_5m_usd": "21.50",
"cost_1h_usd": "29.00",
"uncached_usd": "100.00"
},
{
"hit_rate_percent": 95,
"cost_5m_usd": "15.75",
"cost_1h_usd": "19.50",
"uncached_usd": "100.00"
},
{
"hit_rate_percent": 99,
"cost_5m_usd": "11.15",
"cost_1h_usd": "11.90",
"uncached_usd": "100.00"
}
]ที่อัตราการเข้าถึงแคช 0 เปอร์เซ็นต์ คุณจะต้องจ่าย $125.00 แทนที่จะเป็น $100.00 และแคชที่มีอายุ 1 ชั่วโมงจะทำให้ค่าใช้จ่ายเพิ่มขึ้นเป็นสองเท่าที่ $200.00 เมื่อแก้สมการ 1.25 ลบ 1.15h = 1 จะพบว่าแคชระยะเวลา 5 นาทีจะเริ่มประหยัดค่าใช้จ่ายได้ที่อัตราการเข้าถึงแคชประมาณ 22 เปอร์เซ็นต์ ซึ่งเป็นเหตุผลว่าทำไมที่ 25 เปอร์เซ็นต์จึงแสดงค่าเป็น $96.25 การคำนวณแบบเดียวกันสำหรับค่าใช้จ่ายการเขียนที่เพิ่มขึ้น 2 เท่า จะได้จุดคุ้มทุนที่ประมาณ 53 เปอร์เซ็นต์สำหรับแคช 1 ชั่วโมง ดังนั้นที่อัตราการเข้าถึงแคช 50 เปอร์เซ็นต์จึงยังมีค่าใช้จ่ายอยู่ที่ $105.00 ซึ่งสูงกว่าเส้นกรณีไม่ใช้แคช ที่อัตรา 90 เปอร์เซ็นต์ ทั้งสองกรณีจะอยู่ที่ $21.50 และ $29.00 ตามลำดับ และที่ 99 เปอร์เซ็นต์ แคชระยะสั้นจะมีค่าใช้จ่ายอยู่ที่ $11.15 ซึ่งใกล้เคียงกับระดับต่ำสุดที่หนึ่งในสิบของราคาแบบไม่ใช้แคช
สำหรับโมเดลที่มีค่าใช้จ่ายการอ่าน 0.05 เท่า เกณฑ์จุดคุ้มทุนจะลดลงเหลือประมาณ 21 เปอร์เซ็นต์สำหรับแคช 5 นาที และ 51 เปอร์เซ็นต์สำหรับแคช 1 ชั่วโมง ส่วนที่ค่าใช้จ่ายการอ่าน 0.025 เท่า เกณฑ์จะลดลงเหลือประมาณ 20 และ 51 เปอร์เซ็นต์ตามลำดับ โดยระดับราคาต่ำสุดจะลดลงตามราคาการอ่าน ไปอยู่ที่หนึ่งในยี่สิบหรือหนึ่งในสี่สิบของต้นทุนแบบไม่ใช้แคช
อัตราการเข้าถึงแคช (hit rate) คือตัวเลขที่คุณควรวัดผล เพราะเป็นปัจจัยเดียวที่คุณสามารถควบคุมได้หลังจากกำหนดขนาด prefix เรียบร้อยแล้ว
คำนำหน้าแบบใดที่คุ้มค่าต่อการตั้ง breakpoint
คำขอหนึ่งรายการสามารถมี cache breakpoint ได้สูงสุด 4 จุด ดังนั้นคำถามคือบล็อกข้อมูลใดที่ควรได้รับ breakpoint เหล่านี้ บล็อกที่เป็นตัวเลือกคือบล็อกที่มีเนื้อหาเหมือนกันทุกไบต์ในทุกการเรียกใช้งาน และมีขนาดใหญ่พอที่จะสร้างความแตกต่างได้ แผนภูมิด้านล่างแสดงราคาของรูปแบบทั่วไป 4 รูปแบบ โดยคำนวณจากการเรียกใช้งาน 1,000 ครั้ง ที่อัตรา hit rate 90 เปอร์เซ็นต์บน cache ระยะเวลา 5 นาที
ข้อมูลเบื้องหลังแผนภูมินี้
[
{
"label": "System prompt",
"prefix_size_tokens": "2,000",
"uncached_usd": "10.00",
"cached_usd": "2.15",
"saved_usd": "7.85"
},
{
"label": "System plus tools",
"prefix_size_tokens": "8,000",
"uncached_usd": "40.00",
"cached_usd": "8.60",
"saved_usd": "31.40"
},
{
"label": "Policy document",
"prefix_size_tokens": "25,000",
"uncached_usd": "125.00",
"cached_usd": "26.88",
"saved_usd": "98.12"
},
{
"label": "Codebase context",
"prefix_size_tokens": "120,000",
"uncached_usd": "600.00",
"cached_usd": "129.00",
"saved_usd": "471.00"
}
]ระบบ prompt ที่ใช้โทเค็นเปล่าขนาด 2,000 ช่วยประหยัดค่าใช้จ่ายได้ $7.85 ต่อการเรียกใช้งาน 1,000 ครั้ง เมื่อเทียบกับราคา $10.00 กรณีไม่ใช้ cache ซึ่งถือเป็นเงินจำนวนมากเมื่อใช้งานในปริมาณมาก แต่ก็ไม่ใช่สิ่งที่ทำให้การทำ caching น่าสนใจที่สุด หากเพิ่มคำจำกัดความของเครื่องมือ (tool definitions) เข้าไป คุณจะอยู่ที่ 8,000 โทเค็น และประหยัดได้ $31.40 ส่วนเอกสารนโยบายขนาด 25,000 โทเค็นที่ทุกคำขอต้องมีการสอบถามข้อมูล จะช่วยประหยัดได้ $98.12 แถวสุดท้ายคือจุดที่เปลี่ยนสถาปัตยกรรม: บริบทของ codebase หรือ transcript ขนาด 120,000 โทเค็น มีค่าใช้จ่าย $600.00 หากไม่ใช้ cache และ $129.00 หากใช้ cache ซึ่งเป็นการประหยัดค่าใช้จ่ายได้ถึง $471.00
การประหยัดค่าใช้จ่ายจะแปรผันตามขนาดของคำนำหน้า (prefix) และอัตรา hit rate เท่านั้น โดยไม่มีปัจจัยอื่น สิ่งนี้เปลี่ยนมุมมองว่าอะไรที่คุ้มค่าที่จะใส่ไว้ใน prompt ตั้งแต่แรก: ต้นทุนที่แท้จริงของ Claude tokens หนึ่งล้านโทเค็น จะลดลงเหลือหนึ่งในสิบของราคาหน้าป้าย หรือน้อยกว่านั้นในโมเดลที่มีค่าอ่านข้อมูลถูกกว่า สำหรับข้อมูลใดก็ตามที่คุณส่งมากกว่าหนึ่งครั้ง
ลักษณะค่าใช้จ่ายในใบแจ้งหนี้รายเดือน
แผนภูมิด้านล่างนี้ใช้จำนวน token ส่วนนำ 8,000 จากด้านบน รวมกับ system prompt และคำจำกัดความของเครื่องมือ โดยคิดอัตราการเรียกใช้ cache สำเร็จที่ 90 เปอร์เซ็นต์ และคำนวณสเกลตามปริมาณคำขอรายเดือน
ข้อมูลเบื้องหลังแผนภูมินี้
[
{
"label": "10k requests",
"uncached_usd": "400.00",
"cached_usd": "86.00",
"saved_usd": "314.00"
},
{
"label": "100k requests",
"uncached_usd": "4,000.00",
"cached_usd": "860.00",
"saved_usd": "3,140.00"
},
{
"label": "1M requests",
"uncached_usd": "40,000.00",
"cached_usd": "8,600.00",
"saved_usd": "31,400.00"
}
]ที่ปริมาณ 10,000 คำขอต่อเดือน คุณจะประหยัดค่าใช้จ่ายได้ $314.00 ซึ่งเป็นส่วนต่างระหว่าง $400.00 และ $86.00 หากเป็น 100,000 คำขอ ยอดประหยัดจะอยู่ที่ $3,140.00 และที่ระดับหนึ่งล้านคำขอ ค่าใช้จ่ายสำหรับ input token แบบไม่ใช้ cache จะอยู่ที่ $40,000.00 โดยการใช้ caching จะช่วยลดค่าใช้จ่ายลงได้ $31,400.00 ตัวเลขเหล่านี้เป็นเพียงค่าใช้จ่ายของ input token เท่านั้น ส่วน output token จะถูกคิดราคาแยกต่างหากและ caching ไม่ส่งผลต่อค่าใช้จ่ายในส่วนนี้ ซึ่งเป็นสิ่งที่ควรคำนึงถึงก่อนที่คุณจะรับปากใครว่าจะสามารถลดค่าใช้จ่ายลงได้ถึง 90 เปอร์เซ็นต์ การใช้ caching ควรทำควบคู่ไปกับแนวทางปฏิบัติอื่นๆ ในการ ควบคุมค่าใช้จ่ายของ AI agent บน VPS
วิธีพิสูจน์ว่าแคชทำงานอยู่
อย่าเชื่อเพียงแค่การออกแบบ ให้ตรวจสอบบล็อกการใช้งาน (usage block) ในการตอบกลับ ทุกการตอบกลับของ Messages API จะรายงานจำนวนโทเค็นที่เขียนลงแคช, จำนวนโทเค็นที่อ่านจากแคช และจำนวนโทเค็นใหม่ที่ต้องประมวลผลจริง
from anthropic import Anthropic
client = Anthropic()
resp = client.messages.create(
model="claude-opus-5",
max_tokens=512,
system=[
{
"type": "text",
"text": POLICY_DOCUMENT,
"cache_control": {"type": "ephemeral"},
}
],
messages=[{"role": "user", "content": question}],
)
u = resp.usage
print("write:", u.cache_creation_input_tokens)
print("read: ", u.cache_read_input_tokens)
print("fresh:", u.input_tokens)ให้รันคำสั่งเดิมสองครั้งด้วยเอกสารชุดเดียวกันแต่เปลี่ยนคำถาม การเรียกครั้งแรกจะรายงานค่า cache_creation_input_tokens ที่ไม่ใช่ศูนย์ และค่า cache_read_input_tokens ที่เป็นศูนย์ ส่วนการเรียกครั้งที่สองจะให้ผลลัพธ์ตรงกันข้าม เนื่องจากระบบพบส่วนนำ (prefix) ที่แคชไว้แล้ว ค่า input_tokens จะนับเฉพาะโทเค็นที่อยู่หลังจุดพัก (breakpoint) ล่าสุดเท่านั้น ดังนั้นในการเรียกครั้งที่สองที่ทำงานปกติ ค่านี้จะมีขนาดเล็ก ซึ่งมักจะเป็นเพียงข้อความใหม่ของผู้ใช้เท่านั้น การเรียกทั้งสองครั้งมีค่าใช้จ่าย เนื่องจาก Claude API ไม่มีระดับการใช้งานฟรี แม้ว่าส่วนนำขนาด 20,000 โทเค็นที่กล่าวถึงข้างต้นจะมีค่าใช้จ่ายรวมกันประมาณสิบสี่เซนต์ก็ตาม
การตรวจสอบแบบเดียวกันจากเชลล์ โดยเทียบกับเนื้อหาคำขอที่คุณบันทึกไว้ใน request.json:
curl -s https://api.anthropic.com/v1/messages \
-H "x-api-key: $ANTHROPIC_API_KEY" \
-H "anthropic-version: 2023-06-01" \
-H "content-type: application/json" \
-d @request.json | jq '.usage'การเรียกครั้งที่สองที่ทำงานปกติจะแสดงผลลัพธ์ในลักษณะนี้:
{
"input_tokens": 42,
"cache_creation_input_tokens": 0,
"cache_read_input_tokens": 20143,
"output_tokens": 187
}มีบรรทัดหนึ่งที่บอกความจริงกับคุณ หากค่า cache_read_input_tokens ยังคงเป็น 0 ในทุกการเรียก แสดงว่าคุณกำลังจ่ายค่าเขียนเพิ่ม 1.25 เท่าในทุกครั้ง และไม่ได้รับประโยชน์ใดๆ จากการแคชเลย
สำหรับอายุการใช้งาน 1 ชั่วโมง จุดพักจะมีค่าเวลาในการคงอยู่ (TTL) กำกับไว้:
{
"type": "text",
"text": "your stable prefix",
"cache_control": {"type": "ephemeral", "ttl": "1h"}
}นอกจากนี้ยังมีระบบแคชอัตโนมัติ โดยใช้ฟิลด์ cache_control เพียงฟิลด์เดียวที่ระดับบนสุดของคำขอ ซึ่ง API จะจัดการจุดพักให้โดยอัตโนมัติเมื่อบทสนทนายาวขึ้น ระบบนี้จะใช้ช่องจุดพักของคุณไปหนึ่งช่องจากทั้งหมดสี่ช่อง ให้เริ่มต้นด้วยวิธีนี้ก่อน แล้วค่อยเปลี่ยนไปใช้การกำหนดจุดพักแบบระบุตำแหน่งเอง (explicit breakpoints) เมื่อคุณต้องการตัดสินใจเลือกจุดแบ่งที่แน่นอนด้วยตนเอง
กฎการจัดลำดับที่ทำลายอัตราการเข้าถึงแคช (hit rate)
แคชจะจับคู่ข้อมูลแบบไบต์ต่อไบต์จากจุดเริ่มต้นของคำขอ โดยคำขอจะถูกประกอบขึ้นตามลำดับที่กำหนดไว้ตายตัว ได้แก่ tools ตามด้วย system และปิดท้ายด้วย messages การเปลี่ยนแปลงในระดับใดก็ตามจะทำให้ระดับนั้นและทุกสิ่งที่ตามมาเป็นโมฆะ หากคุณแก้ไขคำอธิบายของ tool เพียงหนึ่งรายการ จะส่งผลให้ system prompt และประวัติข้อความทั้งหมดกลายเป็นโมฆะตามไปด้วย แม้ว่าคุณจะไม่ได้แตะต้องส่วนเหล่านั้นเลยก็ตาม
กฎข้อนี้จึงไม่มีข้อยกเว้น: สิ่งใดก็ตามที่มีการเปลี่ยนแปลงระหว่างการเรียกใช้งาน จะต้องวางไว้หลังสิ่งที่ไม่มีการเปลี่ยนแปลงเสมอ
สิ่งที่มักเป็นปัญหาคือ timestamp บรรทัดที่ระบุ Current time: 2026-08-03T14:07:11Z ไว้ที่ส่วนบนสุดของ system prompt จะทำให้อัตราการเข้าถึงแคชเหลือ 0 เปอร์เซ็นต์อย่างแน่นอน เพราะค่า hash ของ prefix จะแตกต่างกันในทุกการเรียกใช้งาน และไม่มีรายการก่อนหน้าใดสามารถจับคู่ได้ ให้ย้ายข้อมูลดังกล่าวไปไว้ใน user message ที่ส่วนท้ายแทน ตัวระบุเซสชัน (session identifier) หรือ nonce ประจำคำขอ (per-request nonce) ก็ส่งผลเสียในลักษณะเดียวกันและใช้วิธีแก้ไขแบบเดียวกัน เอกสารที่ดึงมาซึ่งแตกต่างกันในแต่ละคำขอควรวางไว้หลังบล็อกที่แคชไว้เช่นกัน มิฉะนั้นเอกสารเหล่านั้นจะผลักดัน token ที่คงที่ทั้งหมดไปอยู่หลังขอบเขตที่เปลี่ยนแปลงตลอดเวลา
ปัญหาที่สองคือการวางจุดพัก (breakpoint) ไว้บนบล็อกที่มีการเปลี่ยนแปลง การเขียนแคชจะเกิดขึ้นที่จุดพัก ดังนั้นหากบล็อกนั้นแตกต่างกันทุกครั้ง จะไม่มีข้อมูลที่คงที่ถูกจัดเก็บไว้เลย และการตรวจสอบย้อนหลังจะพบเพียงรายการที่คำขอก่อนหน้าเขียนไว้ที่จุดพักซึ่งเปลี่ยนแปลงไปเรื่อยๆ ของตนเองเท่านั้น ให้วาง cache_control ไว้ที่บล็อกสุดท้ายที่มีเนื้อหาเหมือนกันในทุกคำขอ
ปัญหาที่สามคือการเปลี่ยนแปลงพารามิเตอร์ที่คุณอาจไม่ได้มองว่าเป็นเนื้อหาของ prompt โมเดลที่ต่างกันจะมีแคชที่ต่างกัน การเปลี่ยน tool_choice จะทำให้ประวัติข้อความกลายเป็นโมฆะ แม้ว่า tools และ system prompt จะยังคงถูกแคชไว้อยู่ก็ตาม การเพิ่มหรือลบ tool จะทำให้ทุกอย่างกลายเป็นโมฆะทั้งหมด
คำนำหน้าขั้นต่ำและการทำงานแบบเงียบ (no-op)
คำนำหน้าที่สั้นกว่าค่าขั้นต่ำของโมเดลจะไม่ถูกแคช และระบบจะไม่แจ้งเตือนใดๆ ทั้งสิ้น ไม่มีการแสดงข้อผิดพลาดหรือคำเตือน คำขอจะทำงานสำเร็จและตัวนับทั้งสองค่าจะแสดงเป็น 0 ณ เดือนตุลาคม 2026 ค่าขั้นต่ำที่ประกาศไว้มีดังนี้:
- 512 โทเค็นสำหรับ Claude Opus 5 และ Claude Fable 5 รวมถึงรุ่นใหม่กว่าอย่าง Opus 5.5, Sonnet 5.5, Fable 5.1 และ Haiku 5.5
- 1,024 โทเค็นสำหรับ Claude Sonnet 5 และ Claude Opus 4.8
- 4,096 โทเค็นสำหรับ Claude Haiku 4.5
หากตัวนับทั้งสองค่าแสดงเป็น 0 ในคำขอที่คุณคาดว่าควรจะถูกแคช ให้ตรวจสอบความยาวของคำนำหน้าเป็นอันดับแรก นี่คือเหตุผลว่าทำไมโมเดลที่ราคาถูกที่สุดจึงไม่ได้เป็นตัวเลือกที่ประหยัดที่สุดเสมอไปสำหรับภาระงานที่ต้องใช้การแคช Haiku 4.5 ต้องการคำนำหน้าที่ยาวกว่า Opus 5 ถึงแปดเท่าก่อนที่ระบบแคชจะเริ่มทำงาน ดังนั้น system prompt ขนาด 2,000 โทเค็นจึงถูกแคชในโมเดลหนึ่ง แต่ถูกเพิกเฉยอย่างเงียบๆ ในอีกโมเดลหนึ่ง
ตำแหน่งที่ Claude Code ทำการแคชข้อมูลให้คุณ และตำแหน่งที่ไม่สามารถทำได้
Claude Code จะทำการแคชส่วน prefix ของตนเอง โดย system prompt และคำนิยามของเครื่องมือ (tool definitions) จะถูกวางไว้ที่ส่วนหน้าของทุกคำขอและไม่มีการเปลี่ยนแปลง ดังนั้นข้อมูลเหล่านี้จะถูกเขียนเพียงครั้งเดียวและอ่านซ้ำตลอดช่วงเวลาของเซสชัน นี่คือเหตุผลที่ค่าใช้จ่ายต่อเทิร์นของเซสชันที่ยาวนานนั้นต่ำกว่าขนาดของบริบท (context size) ที่ปรากฏอยู่มาก และค่านี้จะแสดงอยู่ในตัวนับที่อธิบายไว้ใน วิธีการที่ Claude Code รายงานการใช้โทเค็น
ส่วนที่ไม่สามารถช่วยคุณได้คือการเปลี่ยนแปลงที่เกิดขึ้นใกล้กับส่วนเริ่มต้นของบริบท ประวัติการสนทนาเป็นการเพิ่มข้อมูลต่อท้ายเท่านั้น ดังนั้นเทิร์นใหม่ทั่วไปจึงเป็นการขยาย prefix ที่ถูกแคชไว้แล้ว การแก้ไขไฟล์ที่ถูกอ่านไปในช่วงต้นของเซสชันจะไม่ทำให้การแคชเสียหาย เนื่องจาก Claude Code จะใช้วิธีเพิ่มบันทึกว่าไฟล์มีการเปลี่ยนแปลงแทนที่จะเขียนทับข้อมูลการอ่านก่อนหน้า สิ่งที่ทำให้การแคชเสียหายคือการสลับโมเดล เนื่องจากแต่ละโมเดลมีแคชเป็นของตนเอง การเชื่อมต่อ MCP server ที่มีเครื่องมือโหลดเข้าไปใน prefix ก็ทำให้แคชเสียหายเช่นกัน รวมถึงการบีบอัดบทสนทนาด้วย สิ่งเหล่านี้ทำให้เทิร์นถัดไปต้องเขียน prefix ใหม่อีกครั้ง การทิ้งช่วงว่างไว้นานเกินไปก็ส่งผลเช่นเดียวกัน เนื่องจากรายการในแคชจะหมดอายุและเทิร์นถัดไปจะต้องเสียค่าใช้จ่ายในการเขียนข้อมูลใหม่ทั้งหมด สิ่งเหล่านี้ไม่ใช่บั๊ก แต่เป็นกฎของ prefix ที่ทำงานตามที่ระบุไว้ทุกประการ
หากคุณกำลังเขียนไคลเอนต์ของคุณเอง ให้ใช้โครงสร้างจากคำขอแรกแทนการนำมาปรับใช้ภายหลัง โดยสร้างการเรียกใช้งานในลักษณะเดียวกับ แอป Claude API แรกบน VPS คือวางบล็อกที่เสถียรไว้ส่วนหน้าและบล็อกที่มีการเปลี่ยนแปลงไว้ส่วนท้าย
รูปแบบความล้มเหลวและสิ่งที่คุณจะพบ
ทุกการเรียกคือการเขียน (Write) cache_creation_input_tokens ไม่เป็นศูนย์ในทุกคำขอ ในขณะที่ cache_read_input_tokens ยังคงเป็น 0 แสดงว่ามีบางอย่างที่จุดพัก (breakpoint) หรือก่อนหน้านั้นเปลี่ยนแปลงไประหว่างการเรียก ให้พิมพ์อักขระ 200 ตัวแรกของ prefix ที่คุณประกอบขึ้นมาในสองคำขอที่ต่อเนื่องกันแล้วเปรียบเทียบด้วยสายตา
ตัวนับทั้งสองเป็น 0 prefix มีความยาวต่ำกว่าค่าขั้นต่ำของโมเดล หรือฟิลด์ cache_control ไม่เคยไปถึง API ให้เริ่มจากการนับโทเค็นของ prefix ก่อน จากนั้นจึงบันทึก log ของ request body ที่คุณส่งไปจริง
การอ่าน (Read) ทำงานได้แล้วหยุดไป มีช่วงที่ hit ได้สำเร็จ ตามด้วยการเขียน แล้วกลับมา hit ได้อีกครั้ง ระยะห่างระหว่างคำขอนานกว่าอายุของข้อมูล (lifetime) ให้ยอมรับการเขียนนั้น หรือเปลี่ยนไปใช้ TTL 1 ชั่วโมงหลังจากที่คุณตรวจสอบแล้วว่าอัตรา hit ของคุณสูงกว่า 53 เปอร์เซ็นต์ หรือประมาณ 51 เปอร์เซ็นต์สำหรับโมเดลที่มีค่าการอ่าน 0.05x หรือ 0.025x
อัตรา hit ลดลงหลังจากการ deploy มีการแก้ไขคำอธิบายเครื่องมือหรือเปลี่ยนโมเดล ซึ่งทั้งสองกรณีจะทำให้ prefix ทั้งหมดไม่ถูกต้อง (invalidate) ให้คาดการณ์ว่าจะมีรอบการเขียนที่มีค่าใช้จ่ายสูงเกิดขึ้นหนึ่งครั้งหลังจากการ deploy ทุกครั้งที่มีการแก้ไข prompt
ค่าใช้จ่ายเพิ่มขึ้นหลังจากคุณเปิดใช้งานการแคช (Caching) อัตรา hit ของคุณต่ำกว่าจุดคุ้มทุน หากต่ำกว่าประมาณ 22 เปอร์เซ็นต์สำหรับการแคช 5 นาที การส่ง prefix โดยไม่แคชจะมีราคาถูกกว่า และหากต่ำกว่าประมาณ 53 เปอร์เซ็นต์ก็จะเป็นเช่นเดียวกันสำหรับการแคช 1 ชั่วโมง สำหรับโมเดลที่มีค่าการอ่านถูกกว่า จุดคุ้มทุนเหล่านี้จะอยู่ที่ประมาณ 20 ถึง 21 เปอร์เซ็นต์ และ 51 เปอร์เซ็นต์ตามลำดับ
FAQ
ต้องใช้ prompt ซ้ำกี่ครั้งจึงจะคุ้มค่ากับการทำ caching?
เพียงครั้งเดียวสำหรับ cache ระยะเวลา 5 นาที การเขียนข้อมูลมีค่าใช้จ่าย 1.25 เท่าของ input พื้นฐาน และการอ่านมีค่าใช้จ่าย 0.1 เท่าในโมเดลส่วนใหญ่ ดังนั้นคำขอที่ไม่ได้ใช้ cache จำนวน N ครั้งจะมีค่าใช้จ่ายเท่ากับ N ในขณะที่คำขอที่ใช้ cache จำนวน N ครั้งจะมีค่าใช้จ่ายเท่ากับ 1.25 บวกด้วย 0.1 คูณกับ N ลบ 1 จุดคุ้มทุนอยู่ที่ N = 1.28 ดังนั้นคำขอที่สองจึงเริ่มคุ้มทุนแล้ว สำหรับโมเดลที่มีค่าอ่าน 0.05 เท่าหรือ 0.025 เท่า จุดคุ้มทุนจะอยู่ที่ N = 1.26 ซึ่งให้ผลลัพธ์เดียวกัน สำหรับ cache ระยะเวลา 1 ชั่วโมงที่มีค่าเขียน 2 เท่า จุดคุ้มทุนจะอยู่ที่ N = 2.11 หรือประมาณ 2.05 สำหรับการอ่านที่ถูกกว่า ดังนั้นจึงต้องมีการอ่านอย่างน้อยสองครั้ง
ทำไมค่า cache_read_input_tokens ถึงเป็นศูนย์เสมอ?
ให้ตรวจสอบความยาวของ prefix ก่อน หากต่ำกว่าค่าขั้นต่ำของโมเดล ซึ่งอยู่ที่ 512 tokens สำหรับ Claude Opus 5 และ 4,096 tokens สำหรับ Claude Haiku 4.5 ณ เดือนตุลาคม 2026 ระบบจะข้ามการทำ caching ไปโดยไม่มีการแจ้งเตือนและตัวนับทั้งสองจะแสดงค่าเป็น 0 หาก prefix มีความยาวเพียงพอ ให้ตรวจสอบเนื้อหาที่มีการเปลี่ยนแปลงระหว่างการเรียกใช้งานซึ่งวางอยู่ ณ หรือก่อนจุดตัด (breakpoint) เช่น timestamp หรือตัวระบุ session ใน system prompt หากตัวนับเคยทำงานปกติแต่หยุดไป แสดงว่าช่วงเวลาว่างระหว่างคำขอแต่ละครั้งยาวนานกว่าอายุของ cache
การทำ prompt caching ส่งผลต่อคำตอบของ Claude หรือไม่?
ไม่ส่งผล Cache จะจัดเก็บรูปแบบที่ประมวลผลแล้วของ tokens ที่คุณส่งไปก่อนหน้า และโมเดลจะเห็น prompt รูปแบบเดิมไม่ว่าจะใช้วิธีใดก็ตาม นี่เป็นฟีเจอร์สำหรับการเรียกเก็บเงินและลด latency ไม่ใช่การเปลี่ยนแปลงพฤติกรรมของโมเดล ซึ่งหมายความว่าคุณสามารถเปิดใช้งานฟีเจอร์นี้กับ prompt ที่ใช้งานได้ดีอยู่แล้วโดยไม่จำเป็นต้องรันการประเมินผล (evaluations) ใหม่
ฉันควรจ่ายเงินสำหรับ cache ระยะเวลา 1 ชั่วโมงหรือไม่?
ควรจ่ายก็ต่อเมื่อ traffic ของคุณมีช่วงว่างยาวนานกว่า 5 นาที และอัตราการเรียกใช้ cache (hit rate) ของคุณยังคงสูงกว่าประมาณ 53 เปอร์เซ็นต์ หรือประมาณ 51 เปอร์เซ็นต์สำหรับโมเดลที่มีค่าอ่านถูกกว่า ในกรณีที่เกิด cache miss ค่าเขียน 2 เท่าจะมีราคาแพงกว่าค่าเขียน 1.25 เท่าถึงสี่เท่า การเกิด cache miss ในการเขียนแบบ 1 ชั่วโมงจะทำให้เสียค่าใช้จ่ายเท่ากับราคา input พื้นฐานของ prefix ทั้งหมด ในขณะที่การเกิด cache miss ในการเขียนแบบ 5 นาทีจะเสียค่าใช้จ่ายเพียงหนึ่งในสี่เท่านั้น การเขียนแบบ 5 นาทีจะถูกรีเฟรชทุกครั้งที่เกิด cache hit ดังนั้นหากมี traffic ที่สม่ำเสมอจะช่วยรักษา cache ให้คงอยู่ได้โดยจ่ายเพียงราคาค่าอ่านเท่านั้น โดยไม่จำเป็นต้องจ่ายค่าธรรมเนียมสำหรับอายุการใช้งานที่ยาวนานกว่า