Claude 提示詞快取損益平衡怎麼算?
快取寫入成本是 1.25x,讀取成本為 0.1x 或更低。用公式算出第二次使用即回本,並從 Claude API 驗證成本。
提示詞快取產生節省前的成本
提示詞快取可讓 Claude 重複使用提示詞的前段內容,不必在每次呼叫時重新讀取。整體成本取決於模型基本輸入價格的 2 個倍率。截至 2026 年 10 月,所有模型的快取寫入成本,在 5 minute 生命週期中為基本輸入價格的 1.25x,在 1 hour 生命週期中則為 2x。大多數模型的快取讀取成本為 0.1x,但目前各模型的讀取倍率已不再相同。Claude Fable 5.1 與 Claude Mythos 5.1 的讀取倍率為 0.025x,這 2 個模型於 2026 年 9 月 1 日以此倍率推出。Claude Opus 5.5 與 Claude Sonnet 5.5 的讀取倍率為 0.05x;Sonnet 5.5 也在 2026 年 10 月 7 日由 0.1x 下調至此倍率。以下計算範例使用標準的 0.1x 讀取倍率。較低的讀取成本會讓損益平衡點稍微有利於您,下一節將說明具體幅度。
這項取捨是現在支付附加費,換取日後享有折扣。您需要先支付一次額外費用來儲存前綴。之後每個以完全相同位元組開頭的請求,該部分只需支付一般輸入價格的十分之一;使用上述模型時,費用還會更低。若前綴在其生命週期內從未重複使用,您就會平白多支付 25 percent。
一次寫清楚損益平衡點
將未使用快取時送出的前綴基本輸入成本記為 B。未使用快取時,N 次請求的成本為 N 乘以 B。使用 5 分鐘快取時,第一次請求會以 1.25B 寫入前綴,其餘 N 減 1 次請求則以 0.1B 讀取。令兩者相等,可得 0.9N = 1.15,因此 N = 1.28。第二次請求的成本已低於完全不使用快取。
將 1 小時快取的寫入成本 2x 代入相同計算,可得 0.9N = 1.9,因此 N = 2.11。長效快取需要兩次讀取後才達到損益平衡,這就是它不是預設選項的原因。
讀取成本更低時,損益平衡線會移動,但幅度不大。讀取成本為 0.05x 時,5 分鐘快取的計算為 0.95N = 1.2,因此 N = 1.26;讀取成本為 0.025x 時,則為 0.975N = 1.225,同樣得到 N = 1.26。1 小時快取則分別降至 N = 2.05 與 N = 2.03。實務上的結論在所有模型都相同:5 分鐘快取從第二次請求開始產生效益,1 小時快取則從第三次請求開始產生效益。
下圖以 Claude Opus 5 的 20,000 token 前綴計算成本。其基本輸入價格截至 October 2026 為每百萬 token $5,自 August 起未變動。Opus 5 現在已是舊版模型,但仍可使用。其後繼模型 Claude Opus 5.5 的價格為每百萬 $4,讀取成本為 0.05x,因此相同前綴的寫入成本為 $0.10,讀取成本為 $0.004。若使用標準 0.1x 讀取成本、每百萬 $3 的模型,所有數值乘以 0.6 即可。曲線形狀不會改變。
此圖表背後的資料
[
{
"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"
}
]單次請求未使用快取的成本為 $0.10,使用快取的成本為 $0.125,因此只使用一次的提示詞若啟用快取,純粹是成本損失。第二次請求時,5 分鐘快取的成本為 $0.135,低於未使用快取的 $0.20。此時 1 小時快取仍未達損益平衡,成本為 $0.21,高於相同的未使用快取成本 $0.20;直到第三次請求才低於未使用快取的成本:$0.22,相較於 $0.30。在 20 次請求時,未使用快取的成本為 $2.00,使用 5 分鐘快取的成本則為 $0.315。
快取命中也會重新整理該項目,因此已發布的價格表將該欄命名為快取命中與重新整理。流量繁忙的端點因此能以讀取價格讓 5 分鐘項目持續存在;只有在流量確實存在間隔時,1 小時的存留時間才值得其 2x 的寫入成本。
命中率過低的成本
實際網路流量會發生未命中。請求若未命中快取,但仍包含 breakpoint,會按寫入計費,因此應將成本建模為命中率的函數。下圖以 1,000 個請求為例,每個請求都包含相同的 20,000 token 前綴。
此圖表背後的資料
[
{
"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"
}
]命中率為 0 percent 時,費用為 $125.00,而不是 $100.00;1 hour 快取則會使費用加倍至 $200.00。解方程式 1.25 minus 1.15h = 1,可得 5 minute 快取的成本約在命中率 22 percent 時開始低於未快取,因此命中率達到 25 percent 時,費用已是 $96.25。以 2x 寫入費用計算,1 hour 快取的門檻約為 53 percent,因此命中率 50 percent 時仍需 $105.00,高於未快取的成本。在 90 percent 時,兩者的費用分別為 $21.50 與 $29.00。在 99 percent 時,短期快取的費用降至 $11.15,接近未快取價格十分之一的下限。
若模型的讀取費用為 0.05x,門檻會降至 5 minute 快取約 21 percent、1 hour 快取約 51 percent。若讀取費用為 0.025x,門檻則約為 20 percent 與 51 percent。讀取價格越低,下限也越低,分別可降至未快取成本的二十分之一或四十分之一。
前綴大小固定後,應監測命中率,因為這是唯一仍可控制的輸入值。
哪些前綴值得設為斷點
一次請求最多可有 4 個快取斷點,因此問題在於哪些區塊值得設定斷點。候選區塊必須在不同呼叫之間逐位元組相同,且大小足以產生影響。下表以 5 分鐘快取、90% 命中率為條件,計算 1,000 次請求中 4 種常見結構的成本。
此圖表背後的資料
[
{
"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"
}
]只有 2,000 個 token 的系統提示,與未使用快取的 $10.00 相比,每 1,000 次請求可節省 $7.85。大規模使用時確實能省下實際成本,但這還不是快取有趣之處。加入工具定義後,前綴長度達到 8,000 個 token,可節省 $31.40。每次請求都會針對內容提問的 25,000 個 token 政策文件,可節省 $98.12。最後一列才是會改變架構的情況:120,000 個 token 的程式碼庫或對話記錄內容,未使用快取時成本為 $600.00,使用快取後為 $129.00,可節省 $471.00。
節省金額只會隨前綴大小與命中率增加,不受其他因素影響。這會改變哪些內容值得放入提示的判斷:一百萬個 Claude token 的實際成本 對於傳送超過 1 次的內容,成本會降至標價的十分之一,若使用讀取成本較低的模型,還可能更低。
每月帳單上的實際金額
下圖以先前的 8,000 token 前綴、系統提示與工具定義為基礎,採用 90% 命中率,並將其換算為每月請求量。
此圖表背後的資料
[
{
"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"
}
]每月 10,000 次請求可節省 $314.00,也就是 $400.00 與 $86.00 之間的差額。每月 100,000 次請求可節省 $3,140.00。每月 1,000,000 次請求時,未快取的輸入帳單為 $40,000.00,快取可從中省下 $31,400.00。以上僅計算輸入 token。輸出 token 另行計價,快取不會降低輸出費用。在向任何人承諾帳單可降低 90% 前,請記住這點。快取只是 控制 VPS 上 AI agent 帳單的整體做法之一。
如何確認快取正在運作
不要只相信設計。請讀取回應中的 usage 區塊。每個 Messages API(應用程式設計介面)回應都會回報寫入的快取 token、讀取的快取 token,以及必須處理的新 token 數量。
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)使用相同文件和不同問題執行兩次。第一次呼叫會回報非零的 cache_creation_input_tokens,而 cache_read_input_tokens 為 0。第二次則相反,因為系統已找到前綴。input_tokens 只計算最後一個 breakpoint 之後的 token,因此健康的第二次呼叫通常很小,通常只有新的使用者訊息。兩次呼叫都會計費,因為 Claude API 沒有免費方案;不過,以前述定價計算,20,000 token 的前綴每組呼叫約為 14 美分。
從 shell 執行相同檢查時,可針對已儲存至 request.json 的請求本文:
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'健康的第二次呼叫會輸出類似以下內容:
{
"input_tokens": 42,
"cache_creation_input_tokens": 0,
"cache_read_input_tokens": 20143,
"output_tokens": 187
}其中一行會顯示實際情況。如果 cache_read_input_tokens 在多次呼叫中都維持為 0,代表每次都支付 1.25x 的寫入費用,卻完全沒有取得任何快取內容。
若要設定 1 hour 的存留時間,breakpoint 會帶有存留時間(TTL):
{
"type": "text",
"text": "your stable prefix",
"cache_control": {"type": "ephemeral", "ttl": "1h"}
}另外也可使用自動快取:在請求最上層加入單一 cache_control 欄位,之後由 API 隨對話增長自動管理 breakpoint。這會占用 4 個 breakpoint slot 其中之一。請先從這個方式開始。需要精確決定邊界位置時,再改用明確的 breakpoint。
會摧毀命中率的排序規則
快取會從請求開頭逐位元組比對前綴,而請求會依固定順序組成:先是 tools,再來是 system,最後是 messages。任一層級發生變更,都會使該層級及其後的所有內容失效。只要編輯一段 tool 描述,system prompt 與完整的訊息歷史也會一併失效,即使你並未修改它們。
因此只有一項毫無例外的規則:每次呼叫都會變動的內容,必須排在所有不會變動的內容之後。
最常見的問題是 timestamp。在 system prompt 頂端加入一行 Current time: 2026-08-03T14:07:11Z,會保證命中率為 0%,因為每次呼叫的前綴雜湊都不同,先前的任何項目都不可能與它相符。請將它移到 user message 的末尾。session identifier 或每次請求使用的 nonce 也會以相同方式造成問題,修正方式也相同。每次請求都不同的擷取文件,也應放在快取區塊之後,否則它們會把所有穩定 token 推到會移動的邊界之後。
第二個問題是把斷點放在會變動的區塊上。快取會在斷點寫入;因此,如果該區塊每次都不同,就永遠不會儲存任何穩定內容,而回溯查找只會找到先前請求在各自變動的斷點寫入的項目。請將 cache_control 放在跨請求內容完全相同的最後一個區塊上。
第三個問題是你未將某項參數變更視為 prompt 內容。不同的 model 會使用不同的快取。變更 tool_choice 會使訊息歷史失效,但 tools 與 system prompt 仍會保留在快取中。新增或移除 tool 則會使所有內容失效。
最小前綴與無提示的無操作
短於模型最小長度的前綴不會被快取,而且不會顯示任何提示。不會發生錯誤,也不會出現警告。請求會成功,但兩個計數器都會顯示 0。截至 2026 年 10 月,已公布的最小長度如下:
- Claude Opus 5、Claude Fable 5,以及較新的 Opus 5.5、Sonnet 5.5、Fable 5.1 和 Haiku 5.5:512 個 tokens
- Claude Sonnet 5 和 Claude Opus 4.8:1,024 個 tokens
- Claude Haiku 4.5:4,096 個 tokens
如果某個請求應已使用快取,但兩個計數器都顯示 0,請先檢查前綴長度。這也是最便宜的模型不一定最適合快取工作負載的原因。Haiku 4.5 需要長度達到 Opus 5 的 8 倍,快取才會啟用。因此,長度為 2,000 個 tokens 的系統提示會在其中一個模型上建立快取,卻會在另一個模型上遭到無提示地忽略。
Claude Code 會為你快取的位置,以及無法快取的位置
Claude Code 會快取自己的前綴。系統提示與工具定義位於每個請求的前端,且不會變動,因此只會寫入一次,之後在工作階段中重複讀取。這就是為什麼長時間工作階段的每回合成本,遠低於內容大小所顯示的數值;相關資訊也會顯示在 Claude Code 回報 token 使用量的方式所述的計數器中。
如果內容接近上下文開頭發生變更,快取就無法協助。對話記錄只能附加內容,因此一般的新回合會延伸已快取的前綴。在工作階段早期讀取的檔案遭到編輯,也不會破壞這項機制,因為 Claude Code 會附加檔案已變更的註記,而不是重寫先前讀取的內容。切換模型則會破壞快取,因為每個模型都有自己的快取。連線至工具會載入前綴的 MCP server 也會破壞快取,壓縮對話同樣如此。這些操作都會使下一回合再次寫入前綴。長時間閒置也會造成相同結果,因為快取項目會過期,下一回合必須完整寫入。這些都不是 bug,而是前綴規則依照其定義正常運作的結果。
如果你改為自行撰寫 client,應從第一個請求就採用正確的配置,不要事後補救。請依照 在 VPS 上建立第一個 Claude API 應用程式的方式建立呼叫,先放置穩定區塊,最後再放置易變區塊。
失敗模式與可觀察到的現象
每次呼叫都是寫入。 每次請求的 cache_creation_input_tokens 都不是 0,而 cache_read_input_tokens 維持為 0。斷點之前或斷點處的某些內容在不同呼叫之間有所變更。連續發出兩次請求,分別輸出組合後前綴的前 200 個字元,再逐一比對。
兩個計數器都是 0。 前綴短於模型最低要求,或 cache_control 欄位從未傳送到 API。先計算前綴的 token 數量,再記錄實際送出的請求本文。
讀取起初正常,之後停止。 先連續命中,接著發生一次寫入,之後又恢復命中。這表示兩次請求之間的間隔超過快取生命週期。接受這次寫入;或者確認命中率超過 53%,再改用 1 hour TTL。若使用讀取成本為 0.05x 或 0.025x 的模型,門檻約為 51%。
部署後命中率下降。 工具描述遭到編輯,或模型有所變更。這兩種情況都會使整個前綴失效。每次部署變更提示時,都應預期先進行一輪成本較高的寫入。
啟用快取後帳單金額上升。 命中率低於損益平衡點。使用 5 minute cache 時,低於約 22% 便不如直接未快取地傳送前綴;使用 1 hour cache 時,低於約 53% 也有相同情況。對於讀取成本較低的模型,這些門檻約為 20% 至 21%,以及 51%。
FAQ
提示需要重複使用幾次,快取才會開始划算?
在 5 分鐘快取中,使用 1 次就會開始划算。寫入成本是基礎輸入價格的 1.25 倍,而多數模型的讀取成本是 0.1 倍。因此,N 次未快取請求的成本為 N;N 次使用快取的成本則為 1.25 加上 0.1 乘以 N 減 1。兩者在 N = 1.28 時相等,因此第 2 次請求就已經比較划算。讀取成本為 0.05 倍或 0.025 倍的模型,其交叉點為 N = 1.26,結論相同。1 小時快取的寫入成本為 2 倍,交叉點為 N = 2.11;讀取成本較低時約為 2.05,因此需要讀取 2 次。
為什麼 cache_read_input_tokens 一直是 0?
先檢查前綴長度:若低於模型最低要求,Claude Opus 5 為 512 tokens,Claude Haiku 4.5 則為 4,096 tokens(截至 October 2026),系統會靜默略過快取,兩個計數器都會顯示 0。若前綴長度足夠,請檢查是否有內容在斷點位置或之前於不同請求間變更,例如 system prompt 中的時間戳記或工作階段識別碼。若計數器原本正常,後來停止增加,表示兩次請求的間隔超過了快取存留時間。
提示快取會改變 Claude 的回答嗎?
不會。快取儲存的是你先前傳送之 tokens 的處理結果,模型看到的提示內容不變。這是計費與延遲功能,不會改變模型行為。因此,你可以在現有提示上啟用快取,無須重新執行評估。
我應該付費使用 1 小時快取嗎?
只有在流量間隔會超過 5 分鐘,且命中率仍能達到約 53% 以上時,才值得使用;若模型的讀取成本較低,門檻約為 51%。發生未命中時,2 倍的寫入成本是 1.25 倍寫入成本的 4 倍。1 小時快取的寫入未命中時,會浪費該前綴完整的基礎輸入價格;5 分鐘快取的寫入未命中則只浪費其中的四分之一。5 分鐘項目每次命中時都會更新,因此穩定流量可持續以讀取價格維持快取,不必支付較長存留時間的成本。