Кешування промптів Claude: коли воно окупається
Запис у кеш Claude коштує 1.25x, зчитування 0.1x або менше. Розрахуйте точку беззбитковості для свого префікса та перевірте її через API.
На що витрачаються кошти до того, як кешування промптів почне їх заощаджувати
Кешування промптів дає змогу Claude повторно використовувати початок промпту, не зчитуючи його під час кожного виклику. Уся оцінка зводиться до двох множників базової ціни вхідних даних для вашої моделі. Станом на October 2026 запис у кеш коштує 1.25x базової ціни вхідних даних для часу зберігання 5 minutes або 2x для часу зберігання 1 hour на будь-якій моделі. Зчитування з кешу на більшості моделей коштує 0.1x, але цей множник більше не є однаковим для всіх моделей. Для Claude Fable 5.1 і Claude Mythos 5.1 він становить 0.025x; ці моделі були випущені з таким тарифом September 1, 2026. Для Claude Opus 5.5 і Claude Sonnet 5.5 він становить 0.05x. Для Sonnet 5.5 цей показник зменшили з 0.1x до 0.05x October 7, 2026. У наведених нижче прикладах використано стандартну ціну зчитування 0.1x. Нижча ціна зчитування дещо зміщує точку беззбитковості на вашу користь. У наступному розділі показано, наскільки саме.
Це обмін додаткових витрат зараз на знижку в майбутньому. Один раз ви платите більше, щоб зберегти префікс. Кожен наступний запит, який починається точно такими самими байтами, оплачує цю частину за десятою частиною звичайної ціни вхідних даних або ще дешевше на зазначених вище моделях. Якщо префікс жодного разу не використано повторно протягом часу його зберігання, ви без потреби платите на 25 percent більше.
Беззбитковість в одному алгебраїчному рядку
Позначимо через B базову вартість вхідних даних префікса, якщо надсилати його без кешування. Без кешування N запитів коштують N разів B. За кешування на 5 хвилин перший запит записує префікс за ціною 1.25B, а інші N мінус 1 запитів читають його за ціною 0.1B. Прирівнявши ці значення, отримуємо 0.9N = 1.15, тобто N = 1.28. Уже другий запит дешевший, ніж повна відмова від кешування.
Повторимо розрахунок із записом за ціною 2x для кешу на 1 годину й отримаємо 0.9N = 1.9, тобто N = 2.11. Для довгого кешу потрібні два читання, щоб вийти в беззбитковість, тому він не є варіантом за замовчуванням.
За дешевших читань точка беззбитковості зміщується, але незначно. За ціни читання 0.05x кеш на 5 хвилин дає 0.95N = 1.2, тобто N = 1.26, а за 0.025x — 0.975N = 1.225, також N = 1.26. Для кешу на 1 годину значення зменшується до N = 2.05 і N = 2.03. Практичний висновок однаковий для всіх моделей: кеш на 5 хвилин окупається з другого запиту, а кеш на 1 годину — із третього.
Наведений нижче графік показує вартість для префікса на 20,000 токенів у Claude Opus 5. Станом на October 2026 його базова ставка для вхідних даних становить $5 за мільйон токенів і не змінювалася з August. Opus 5 тепер є застарілою моделлю, хоча вона все ще доступна. Її наступна версія, Claude Opus 5.5, має ціну $4 за мільйон токенів і коефіцієнт читання 0.05x, тому той самий префікс коштує $0.10 для запису та $0.004 для читання. Для моделі за $3 за мільйон токенів зі стандартним коефіцієнтом читання 0.1x помножте кожне значення на 0.6. Форма кривої не змінюється.
Дані, на яких побудовано графік
[
{
"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"
}
]Окремий запит коштує $0.10 без кешування та $0.125 із кешуванням, тому кешування одноразового запиту є чистим збитком. Після другого запиту кеш на 5 хвилин коштує $0.135 проти $0.20. У цей момент кеш на 1 годину все ще дорожчий: $0.21 проти того самого $0.20. Він стає дешевшим за варіант без кешування лише на третьому запиті: $0.22 проти $0.30. Для 20 запитів різниця становить $2.00 проти $0.315.
Влучання в кеш також оновлює запис, тому в опублікованій таблиці цін цей стовпець названо cache hits and refreshes. Отже, активний endpoint може необмежено довго підтримувати запис на 5 хвилин, сплачуючи лише за читання. Термін дії 1 година дає перевагу запису за ціною 2x лише тоді, коли між запитами є реальні паузи.
Вартість низького показника влучань
Реальний трафік не завжди дає влучання. Запит, який не знаходить запис у кеші, але все одно містить breakpoint, тарифікується як запис. Тому коректно моделювати вартість як функцію показника влучань. На графіку нижче показано цей розрахунок для 1,000 запитів, кожен із яких містить однаковий префікс на 20,000 токенів.
Дані, на яких побудовано графік
[
{
"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"
}
]За показника влучань 0 відсотків ви платите $125.00 замість $100.00, а кеш на 1 hour подвоює рахунок до $200.00. Розв’язавши рівняння 1.25 мінус 1.15h = 1, отримаємо, що кеш на 5 minute починає заощаджувати кошти за показника влучань приблизно 22 відсотки. Саме тому за 25 відсотків уже показано $96.25. Такий самий розрахунок для запису з коефіцієнтом 2x дає приблизно 53 відсотки для кешу на 1 hour. Тому за показника влучань 50 відсотків вартість усе ще становить $105.00, тобто перевищує вартість без кешування. За 90 відсотків значення становлять $21.50 і $29.00. За 99 відсотків короткостроковий кеш досягає $11.15, що близько до мінімальної вартості, яка дорівнює одній десятій ціни без кешування.
Для моделі з читанням 0.05x порогові значення знижуються приблизно до 21 відсотка для кешу на 5 minute і до 51 відсотка для кешу на 1 hour. Для читання 0.025x вони знижуються приблизно до 20 і 51 відсотка відповідно. Мінімальна вартість зменшується разом із ціною читання — до однієї двадцятої або однієї сорокової вартості без кешування.
Показник влучань потрібно відстежувати, оскільки після фіксації розміру префікса це єдиний параметр, яким ви можете керувати.
Які префікси варто кешувати
Запит може містити до чотирьох точок кешування префікса, тому потрібно визначити, які блоки цього варті. Кандидатами є блоки, ідентичні побайтно в різних викликах і достатньо великі, щоб це мало значення. Нижче наведено вартість чотирьох поширених варіантів для 1,000 запитів за 90-відсоткового коефіцієнта влучань у кеші з терміном зберігання 5 хвилин.
Дані, на яких побудовано графік
[
{
"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"
}
]Системний промпт без додаткових даних, що містить 2,000 токенів, заощаджує $7.85 на 1,000 запитів порівняно з $10.00 без кешування. За великого обсягу це дає реальну економію, але саме це не робить кешування цікавим. Якщо додати визначення інструментів, обсяг становитиме 8,000 токенів, а економія — $31.40. Документ політики обсягом 25,000 токенів, про який кожен запит ставить запитання, заощаджує $98.12. Останній рядок змінює архітектуру: контекст кодової бази або транскрипту обсягом 120,000 токенів коштує $600.00 без кешування і $129.00 з кешуванням, тобто економія становить $471.00.
Економія зростає разом з обсягом префікса та коефіцієнтом влучань у кеші, і більше ні від чого не залежить. Це змінює уявлення про те, що взагалі варто додавати до промпта: скільки насправді коштує мільйон токенів Claude для будь-яких даних, які ви надсилаєте більше одного разу, коштує десяту частину початкової ціни або ще менше на моделях із дешевшим читанням.
Як це виглядає в щомісячному рахунку
На діаграмі нижче використано префікс розміром 8,000 токенів із попереднього розділу, системний промпт і визначення інструментів за частоти збігів 90 відсотків. Дані масштабовано до щомісячної кількості запитів.
Дані, на яких побудовано графік
[
{
"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"
}
]За 10,000 запитів на місяць економія становить $314.00 — це різниця між $400.00 і $86.00. За 100,000 запитів економія становить $3,140.00. За мільйона запитів рахунок за некешовані вхідні дані становить $40,000.00, а кешування заощаджує $31,400.00 цієї суми. Це стосується лише вхідних токенів. Вихідні дані тарифікуються окремо, і кешування на них не впливає. Пам’ятайте про це, перш ніж обіцяти комусь скорочення рахунку на 90 відсотків. Кешування доповнює ширший набір практик, описаних у матеріалі як контролювати рахунок AI-агента на VPS.
Як перевірити, що кеш працює
Не покладайтеся лише на схему. Перевірте блок usage у відповіді. Кожна відповідь Messages API (application programming interface) містить кількість токенів, записаних у кеш, кількість токенів, прочитаних із кешу, і кількість нових токенів, які потрібно було обробити.
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)Виконайте запит двічі з тим самим документом, але з іншим запитанням. Перший виклик повертає ненульове значення cache_creation_input_tokens і нульове значення cache_read_input_tokens. Другий виклик дає протилежний результат, оскільки префікс уже знайдено. input_tokens враховує лише токени після останньої точки переривання, тому під час коректного другого виклику це значення невелике — зазвичай містить лише нове повідомлення користувача. Обидва виклики тарифікуються, оскільки Claude API не має безкоштовного тарифу, хоча для префікса на 20,000 токенів зазначена вище пара коштує приблизно чотирнадцять центів.
Таку саму перевірку можна виконати з shell для тіла запиту, збереженого у 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'Під час коректного другого виклику виводиться приблизно таке:
{
"input_tokens": 42,
"cache_creation_input_tokens": 0,
"cache_read_input_tokens": 20143,
"output_tokens": 187
}Один рядок показує фактичний результат. Якщо cache_read_input_tokens під час кожного виклику залишається рівним 0, ви щоразу сплачуєте 1.25x за запис у кеш і нічого не отримуєте натомість.
Для часу життя 1 hour точка переривання має параметр time to live (TTL):
{
"type": "text",
"text": "your stable prefix",
"cache_control": {"type": "ephemeral", "ttl": "1h"}
}Існує також автоматичне кешування: одне поле cache_control на верхньому рівні запиту, після якого API керує точками переривання в міру зростання розмови. Це поле використовує один із чотирьох доступних слотів точок переривання. Почніть із цього варіанта. Перейдіть до явних точок переривання, коли потрібно точно визначити межу.
Правило порядку, яке знижує показники cache hit
Кеш зіставляє префікс побайтно від початку запиту, а запит формується у фіксованому порядку: tools, потім system, потім messages. Зміна на будь-якому рівні інвалідовує цей рівень і все, що розташоване після нього. Змініть опис одного tool — і system prompt разом з усією історією повідомлень буде інвалідовано, навіть якщо ви їх не змінювали.
З цього випливає одне правило без винятків. Усе, що змінюється між викликами, має розташовуватися після всього, що не змінюється.
Найчастіше проблему спричиняє timestamp. Рядок із Current time: 2026-08-03T14:07:11Z на початку system prompt гарантує показник hit rate 0 відсотків, оскільки hash префікса відрізняється під час кожного виклику, і жоден попередній запис не може йому відповідати. Перемістіть його в user message, у кінець. Ідентифікатор сесії або nonce для кожного запиту спричиняє таку саму проблему й має таке саме рішення. Документи, отримані окремо для кожного запиту, також мають розташовуватися після кешованого блоку. Інакше вони переміщують кожен стабільний token за межу, яка змінюється.
Друга проблема — встановлення breakpoint на блоці, який змінюється. Записи в кеш виконуються на breakpoint, тому якщо цей блок щоразу відрізняється, стабільний вміст ніколи не зберігається. Під час пошуку кеш знаходить лише записи, які попередні запити створили на власних рухомих breakpoint. Розмістіть cache_control на останньому блоці, вміст якого однаковий для всіх запитів.
Третя проблема — зміна параметра, яку ви не вважали частиною prompt. Для іншої моделі використовується інший кеш. Зміна tool_choice інвалідовує історію повідомлень, хоча tools і system prompt залишаються кешованими. Додавання або видалення tool інвалідовує все.
Мінімальний префікс і непомітна відсутність операції
Префікс, коротший за мінімальний для моделі, не кешується, і система ніяк про це не повідомляє. Немає ні помилки, ні попередження. Запит виконується успішно, а обидва лічильники показують 0. Станом на October 2026 опубліковані мінімальні значення такі:
- 512 токенів для Claude Opus 5 і Claude Fable 5, а також для новіших Opus 5.5, Sonnet 5.5, Fable 5.1 і Haiku 5.5
- 1,024 токени для Claude Sonnet 5 і Claude Opus 4.8
- 4,096 токенів для Claude Haiku 4.5
Якщо обидва лічильники показують 0 для запиту, який, на вашу думку, має використовувати кеш, спочатку перевірте довжину префікса. Саме тому найдешевша модель не обов’язково є найдешевшою для робочого навантаження з кешуванням. Для Haiku 4.5 потрібен префікс, у вісім разів довший, ніж для Opus 5, щоб кешування взагалі почалося. Тому системний промпт на 2,000 токенів кешується в одній моделі, а в іншій непомітно ігнорується.
Де Claude Code використовує кеш і де кешування не допомагає
Claude Code кешує власний префікс. Системний prompt і визначення інструментів розташовані на початку кожного запиту та не змінюються, тому їх записують один раз і зчитують протягом решти сеансу. Тому вартість кожного наступного запиту в довгому сеансі значно нижча, ніж можна припустити за розміром контексту. Це видно в лічильниках, описаних у як Claude Code звітує про використання токенів.
Кешування не допомагає, якщо змінюється початок контексту. Історія розмови доступна лише для додавання, тому звичайні нові запити розширюють префікс, який уже є в кеші. Редагування файлу, прочитаного на початку сеансу, не порушує цю схему, оскільки Claude Code додає повідомлення про зміну файлу, а не переписує попередній результат читання. Схему порушує зміна моделей, оскільки для кожної моделі використовується власний кеш. Підключення MCP server, інструменти якого завантажуються в префікс, також порушує кешування. Те саме відбувається під час compacting розмови. У кожному з цих випадків наступний запит знову записує префікс. Тривала пауза без активності дає такий самий результат, оскільки запис у кеші завершує термін дії, а наступний запит повністю оплачує його запис. Це не помилка. Так працює правило префікса.
Якщо ви натомість пишете власний клієнт, застосуйте цю структуру вже в першому запиті, а не додавайте її пізніше: сформуйте виклик так, як показано в першому застосунку Claude API на VPS, розмістивши стабільні блоки на початку, а змінні — наприкінці.
Режими відмови та їхні прояви
Кожен виклик є записом. cache_creation_input_tokens є ненульовим у кожному запиті, а cache_read_input_tokens залишається рівним 0. Щось у точці зупинки або перед нею змінюється між викликами. Виведіть перші 200 символів зібраного префікса у двох послідовних запитах і порівняйте їх візуально.
Обидва лічильники дорівнюють 0. Префікс коротший за мінімальний розмір моделі або поле cache_control не дійшло до API. Спочатку порахуйте токени префікса, а потім запишіть тіло фактично надісланого запиту.
Читання працює, а потім припиняється. Спочатку є послідовність влучань, потім запис, а після нього знову влучання. Інтервал між запитами був довшим за час життя кешу. Прийміть запис або перейдіть на TTL 1 hour після перевірки, що частка влучань перевищує 53 відсотки або приблизно 51 відсоток для моделі з коефіцієнтом читання 0.05x або 0.025x.
Частка влучань зменшується після розгортання. Було змінено опис інструмента або модель. Обидві зміни інвалідовують увесь префікс. Після кожного розгортання, яке змінює промпт, очікуйте один дорогий цикл записів.
Рахунок збільшився після ввімкнення кешування. Ваша частка влучань нижча за точку беззбитковості. За частки нижче приблизно 22 відсотків для кешу 5 minute надсилати префікс без кешування дешевше, а для кешу 1 hour це так само за частки нижче приблизно 53 відсотків. Для моделей із дешевшим читанням ці пороги становлять приблизно 20–21 відсоток і 51 відсоток.
FAQ
Скільки разів потрібно повторно використати prompt, щоб кешування стало вигідним?
Один раз для кешу на 5 хвилин. Запис коштує 1.25x базової ціни input, а читання на більшості моделей — 0.1x. Тому N запитів без кешу коштують N, а N запитів із кешем — 1.25 плюс 0.1 помножити на N мінус 1. Точка перетину — N = 1.28, тому другий запит уже дає економію. На моделях із читанням за 0.05x або 0.025x точка перетину — N = 1.26, що дає такий самий результат. Для кешу на 1 годину запис коштує 2x, а точка перетину — N = 2.11, або приблизно 2.05 для дешевшого читання. Отже, потрібні два читання.
Чому cache_read_input_tokens завжди дорівнює нулю?
Спочатку перевірте довжину префікса: якщо вона менша за мінімум моделі — 512 токенів для Claude Opus 5 і 4,096 для Claude Haiku 4.5 станом на October 2026, — кешування мовчки пропускається, а обидва лічильники мають значення 0. Якщо префікс достатньо довгий, перевірте, чи немає в точці breakpoint або перед нею даних, які змінюються між викликами, наприклад timestamp або ідентифікатора сесії в system prompt. Якщо лічильники працювали, а потім перестали, проміжок між запитами перевищив час життя кешу.
Чи змінює prompt caching відповіді Claude?
Ні. Кеш зберігає оброблену форму токенів, які ви вже надіслали, а модель в обох випадках отримує той самий prompt. Це функція для керування оплатою та затримкою, а не для зміни поведінки. Тому її можна ввімкнути для робочого prompt без повторного запуску evaluation.
Чи варто платити за кеш на 1 годину?
Лише якщо у вашому трафіку є проміжки понад 5 хвилин, а частка cache hit залишатиметься приблизно вище 53 відсотків або близько 51 відсотка для моделі з дешевшим читанням. У разі промаху запис за 2x коштує в чотири рази дорожче, ніж запис за 1.25x. Невдалий запис у кеш на 1 годину марно витрачає повну базову ціну input для префікса, тоді як невдалий запис у кеш на 5 хвилин — лише чверть цієї ціни. Запис у кеш на 5 хвилин оновлюється під час кожного влучання, тому стабільний трафік підтримує його активність за ціною читання без оплати довшого часу життя.