一句话结论： 提示缓存（prompt caching，把请求里重复的前缀复用起来、不必每次重新计算）能把重复部分的输入 Token 单价压到牌价的 10%，DeepSeek 上低至 2%；但整单的大模型 API（应用程序接口）价格降幅取决于命中率——命中率不够高时，缓存写入费会让账单比不用缓存更贵。
数据口径：价格为美元、按每百万 Token（$/MTok，MTok 即 Million Tokens）计价，统计时间 2026 年 9 月，取自各厂商官方定价页。表 2 的测算为估算值，估算方法在表下注明。
关键数据表
表 1：四家厂商的缓存计费结构（$/MTok，2026 年 9 月）
| 厂商与型号 | 基础输入 | 缓存写入 | 缓存读取 | 存储费 | 缓存有效期 |
|---|---|---|---|---|---|
| Anthropic Claude Sonnet 5 | $2 | 1.25×（5 分钟）/ 2×（1 小时） | 0.1× = $0.20 | 无 | 5 分钟，命中免费续期；可付费选 1 小时 |
| Anthropic Claude Opus 5 | $5 | 1.25× / 2× | 0.1× = $0.50 | 无 | 同上 |
| Anthropic Claude Fable 5.1 | $10 | 1.25× / 2× | 0.025× = $0.25 | 无 | 同上 |
| OpenAI gpt-5.6-terra | $2.00 | 1.25× = $2.50 | 0.1× = $0.20 | 无 | 30 分钟 |
| OpenAI gpt-5.6-luna | $0.20 | 1.25× = $0.25 | 0.1× = $0.02 | 无 | 30 分钟 |
| OpenAI gpt-5.5 及更早 | $5.00（gpt-5.5） | 无写入费 | 0.1× = $0.50 | 无 | 内存档约 5–10 分钟空闲，或 24 小时档 |
| DeepSeek deepseek-flash | $0.15 错峰 / $0.30 高峰 | 无写入费 | $0.003 / $0.006 ≈ 0.02× | 未单列 | 未公开 |
| DeepSeek deepseek-v4-pro | $0.66 错峰 / $1.32 高峰 | 无写入费 | $0.022 / $0.044 ≈ 0.033× | 未单列 | 未公开 |
| Google Gemini 3.8 Flash | $0.75 | 未单列写入倍率 | 0.1× = $0.075 | $0.50 / MTok / 小时 | 自定义 |
| Google Gemini 3.1 Pro Preview（≤200k） | $2.00 | 未单列 | 0.1× = $0.20 | $4.50 / MTok / 小时 | 自定义 |
一句话读法：Anthropic 与 OpenAI 的新型号走「写入加价、读取打折」；DeepSeek 走「无写入费、读取近乎免费」；Gemini 走「读取打折 + 按小时收存储费」。三条成本曲线的形状完全不同，不能只看折扣倍数。
表 2：同一负载在三种策略下的 Token 成本（估算值）
估算前提：系统提示加知识库前缀 20,000 Token，每次请求追加 500 Token 新输入、生成 500 Token 输出，共 1,000 次请求，模型选 Claude Sonnet 5（输入 $2 / 输出 $10 每 MTok）。估算方法为按各计费项的 Token 数乘以对应单价后求和，不含重试、失败请求与网络成本。
| 场景 | 输入侧成本 | 输出成本 | 合计 |
|---|---|---|---|
| 不使用缓存 | 20,500 × 1,000 × $2/MTok = $41.00 | $5.00 | $46.00 |
| 5 分钟缓存，命中率 99.9% | 写入 $0.05 + 读取 $4.00 + 尾部未缓存 $1.00 = $5.05 | $5.00 | $10.05（−78.2%） |
| 5 分钟缓存，命中率 0 | 每请求重复写入 20,000 × 1.25 + 500 → $51.00 | $5.00 | $56.00（+21.7%） |
分点论证
1. 缓存省的是「重复前缀」，不是「全部输入」
计费只对落在缓存断点之前、且逐 Token 与上次一致的那段内容生效。表 2 里可缓存的是 20,000 Token 的系统提示与知识库，每次新增的 500 Token 永远按未缓存价计费。所以「缓存命中率 90%」不等于「账单降 90%」——分母里混着本来就无法缓存的部分。
2. 写入倍率决定了回本需要几次命中
- 5 分钟档（Anthropic、OpenAI GPT-5.6 及更新）：写入 1.25×、读取 0.1×。写一次、读一次的总代价是 1.25 + 0.1 = 1.35，对比两次全价输入的 2.0，已在回本线内。
- 1 小时档（Anthropic）：写入 2×、读取 0.1×。2 + 0.1×3 = 2.3，对比 3.0 才划算，因此需要累计命中 3 次（含写入那一次）才回本。
- 长序列摊薄：10 次请求共享一次写入，总输入成本从 10× 降到 1.25 + 0.9 = 2.15×，约省 78.5%。
Anthropic 官方定价页给出的判据是「5 分钟档命中一次即回本，1 小时档要命中两次」，与我们上面的算式一致，可自行核对。
3. 折扣越深，越要把命中率当成第一指标
DeepSeek 的价差最极端：deepseek-flash 错峰时缓存命中 $0.003、未命中 $0.15，相差 50 倍；deepseek-v4-pro 为 $0.022 与 $0.66，相差 30 倍。Anthropic 与 OpenAI 的标准折扣是 90%（0.1×），Fable 5.1 与 Mythos 5.1 上进一步压到 97.5%（0.025×）。
但折扣只作用在能命中的那部分 Token 上，这也是大模型 API 价格降幅与命中率强绑定的原因。前缀里任何一处逐 Token 变化，都会让该位置之后的内容全部失效——DeepSeek 按完整前缀单元匹配，中间插一个字符就可能整段丢命中。
4. 输出 Token 不在缓存的作用范围内
Claude Sonnet 5 上输出 $10/MTok 是输入 $2/MTok 的 5 倍，gpt-5.6-terra 上输出 $12 是输入 $2 的 6 倍。表 2 中输入侧从 $41 降到 $5.05，输出侧的 $5.00 一动不动。在输出占比高的场景——长文生成、代码生成、带长推理链的大模型推理——缓存对总 Token 成本的天花板很明显，此时模型分级和输出长度控制比缓存更有效。
适用边界与反例
反例一：命中率趋近 0 时，缓存反而更贵。 见表 2 第三行，写入倍率 1.25× 若每次请求都重新写入而从不命中，输入成本从 $41 涨到 $51，涨幅 24.4%，整单涨 21.7%。常见触发条件：前缀里混进了时间戳、请求 ID、随机排序的 few-shot 样本，或者负载分散在多个实例上、缓存路由不到同一台机器。
反例二：Gemini 的存储费会让低频场景倒挂。 Gemini 显式缓存除按缓存输入单价（0.1×）计费，还按小时收存储费：Gemini 3.1 Pro Preview 为 $4.50/MTok/小时，Gemini 3.8 Flash 为 $0.50。以一个 20,000 Token 的缓存挂满 1 小时为例（估算值）：
- 期间发 10 次请求：无缓存输入 $0.40；缓存方案 = 存储 $0.09 + 缓存输入 $0.04 = $0.13，省 67%。
- 期间发 3 次请求：缓存方案 $0.102 对比无缓存 $0.12，只省 15%。
- 期间只发 1 次请求：缓存方案 $0.094 对比无缓存 $0.04，反而贵 1.35 倍。
存储费按时间走而不是按用量走，这是它与其他三家的关键差别。另外 Google 定价页标注，2027 年 1 月 1 日起 Gemini 3.8 Flash 系列标准输入价由 $0.75 上调至 $1.50，缓存价同步翻倍，做长期预算时要按新价重算。
反例三：最小缓存长度是硬门槛，且不报错。 Anthropic 的门槛依型号从 512 Token（Opus 5、Fable 5.1）到 4,096 Token（Haiku 4.5、Opus 4.6）不等；OpenAI GPT-5.6 及更新为 1,024 Token；Gemini 3.x Flash 为 4,096 Token。低于门槛的请求会被静默按无缓存处理，不返回错误。验证方法是查响应里的 usage 字段：Anthropic 上若 cache_creation_input_tokens 与 cache_read_input_tokens 同时为 0，说明这次根本没写进缓存。
反例四：TTL 与请求间隔不匹配。 TTL（Time To Live，缓存存活时间）在 Anthropic 上默认 5 分钟，命中即免费续期，因此请求间隔稳定小于 5 分钟时应当继续用 5 分钟档，而不是去买写入倍率翻倍的 1 小时档。反过来，用户可能几分钟才回一句的对话、或耗时超过 5 分钟的 agent 子任务，5 分钟档会持续过期，这时 1 小时档才成立。OpenAI GPT-5.6 及更新的 TTL 为 30 分钟，部分早期型号可选内存档（约 5–10 分钟空闲）或 24 小时档。
行动建议
- 先量命中率，再谈省钱。 上线前用缓存读取 Token 数除以总输入 Token 数得到真实命中率。低于「写一次、读一次」的临界点，缓存就是纯支出。
- 把稳定内容往前放。 系统提示、工具定义、知识库文档、固定示例放最前，时间戳、会话 ID、用户输入放最后。缓存对前缀是逐 Token 匹配，顺序本身就是成本。
- 给前缀划定缓存断点，而不是全量缓存。 Anthropic 支持在内容块上标记
cache_control断点，断点本身不额外计费；OpenAI 自 GPT-5.6 起支持显式断点，最后一处断点之后的内容按未缓存价计费、不收写入费。把易变内容挡在断点之后最划算。 - 按请求间隔选 TTL。 间隔小于 5 分钟用 5 分钟档；间隔落在 5 分钟到 1 小时之间、且频次高于每小时一次，1 小时档才值得买。
- 把缓存与批量折扣、模型分级叠起来算。 Anthropic 的 Batch API 与缓存倍率可叠加，先打五折再叠缓存折扣，与只叠缓存相比，绝对值差别很大。顺序不同，对整体大模型 API 价格的影响也不同。
- 低频、长前缀场景优先考虑隐式缓存或无写入费方案。 Gemini 2.5 及之后默认开启隐式缓存、命中折扣自动传导；DeepSeek 无写入费、命中即近乎免费，小流量下比显式缓存更安全。具体费率请以各厂商当日定价页为准。
以上测算均基于公开定价页，属估算值，未计入重试、失败请求、数据驻留加价与批量折扣的叠加差异，实际账单以厂商账单为准。本文不构成采购或投资建议。
IDCToken · 2026 年 9 月 21 日
相关阅读
- 大模型 API 价格对照：主流厂商每百万 Token 报价 — 本文所有输入/输出单价的出处与横向对比
- Token 成本怎么算：输入、输出与缓存的计费口径 — 把表 2 的测算方法拆成可复用公式
- 显存与量化：本地部署大模型的显存预算怎么算 — 把按 Token 计价的成本换算回自有 GPU 口径