SSD Nodes Learn Hosting plans →
คู่มือ Matt Connorโดย Matt Connor · อัปเดตเมื่อ 2026-10-23

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

แผนภูมิCost of N requests sharing a 20,000 token prefix (Claude Opus 5, August 2026 prices)
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

แผนภูมิCost of 1,000 requests by cache hit rate, 20,000 token prefix
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

แผนภูมิCost per 1,000 requests at a 90% hit rate, by cached prefix (Claude Opus 5)
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

แผนภูมิMonthly input cost, 8,000 token cached prefix at a 90% hit rate
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

บทความนี้มีประโยชน์หรือไม่

#claude#prompt-caching#api#token-costs#optimization