moonlanner
01定义

缓存命中

和 AI 多轮对话时,每发一条新消息,软件都会把系统设定和此前的全部对话连同新消息一起,重新发给模型一遍。缓存就是为这部分重复内容准备的。

CACHE HIT什么是缓存命中

一次请求的开头部分,如果与几分钟内已存入缓存的内容逐字一致,模型会直接读取缓存,不再重新处理。这部分称为命中,按远低于原价的折扣价计费;其余未命中的新内容按原价处理,并写入缓存供下一次使用。折扣多少、缓存保留多久,由各厂商、各模型自定。

以 Claude Opus 5.5 为例(本页所有计算均按这组价格)

基础输入价$4.00 / 百万 token不使用缓存 · 原价
写入缓存$5.00 / 百万 token未命中的内容 · 原价 × 1.25
命中读取$0.20 / 百万 token命中的内容 · 原价 × 0.05

Claude Opus 5.5 的 API 标准价(5 分钟缓存),2026-10-16 核对自 Anthropic 官方定价页。Claude 多数其他模型的命中价为原价的 10%;其他厂商的折扣、是否收取写入费各不相同。

02演示

同一段对话,连续发送三次

示例话题:和 AI 讨论马斯克的飞行汽车,按 Claude Opus 5.5 计价。每一行是一次发送的完整内容,蓝色虚线标出上一次发到哪里,虚线左边与上次逐字一致。

第 1 次
上次到此
第 2 次
上次到此
第 3 次
上次到此

演示即将开始。

03动手试

接着聊下去,看每一次花多少钱

先发送第一个问题,再连续点几次「接着问一句」,然后试试另外两个按钮。图中每格代表 1 万 token,系统设定占 3 格。

还没发送
缓存中 · 上一次发送的内容空
本次请求
本次相比不用缓存—
不用缓存
—
使用缓存
—
缓存目前为空。
命中 $0.002 / 格 未命中 $0.05 / 格 不用缓存 $0.04 / 格

示例对话仅用于演示计费方式,不代表对相关产品的判断。

04规则

缓存命中遵循的三条规则

以下以 Anthropic 官方文档为准。其他厂商的缓存同样按开头匹配,但有效期和价格各不相同。

RULE 01

前缀匹配只认从开头起逐字一致的部分

缓存从请求的第一个 token 开始比对,只有与已缓存内容完全相同的连续开头计为命中。出现第一处差异后,其后的全部内容即使与之前相同,也按未命中处理。

请求依次由工具定义 → 系统提示 → 对话消息组成。任一层改动,该层及其后各层的缓存全部失效。
RULE 02

有效期默认 5 分钟,命中即续期

缓存默认保留 5 分钟,从读写它的那次请求开始计时,每次命中都会免费刷新。超过 5 分钟未被使用即失效,下一次请求需按原价重新处理并写入。

API 可选 1 小时缓存,写入价为原价的 2 倍(Opus 5.5:$8 / 百万 token)。
RULE 03

计价 · 以 Claude Opus 5.5 为例写入加价 25%,命中只收 5%

首次写入缓存的内容按原价的 1.25 倍计费,此后每次命中按原价的 5% 计费。只要被命中一次,写入时多付的费用即可收回。

5% 为 Claude Opus 5.5 与 Sonnet 5.5 的命中价;Claude 多数其他模型为 10%。其他厂商另有定价。

另:在 Opus 5.5 上,能被缓存的内容至少需要 512 token,更短的内容按普通输入计费。

05省钱方法

怎样利用缓存规则,提高 AI 的性价比

先算一笔账:同样一段 10 轮对话

系统设定 3 万 token,每轮新增一问一答共 2 万 token,Claude Opus 5.5,只计输入费用。

连续对话,每轮都命中间隔不超过 5 分钟,不改设定
不使用缓存每轮整段按原价
每轮都打断缓存每次改设定,或每次间隔超过 5 分钟

缓存是自动的:使用 Claude Code、Codex 等 AI 工具时,缓存由工具自动处理,无需任何手动设置。

各家的缓存价格和有效期不完全相同,本页数字以 Claude Opus 5.5 为准。缓存虽然是自动的,能不能命中还取决于使用习惯。

使用者能做的:别打断缓存

下面两件事工具替你做不了,养成习惯就能多命中。

对话进行中,不改开头的设定

中途修改系统提示或项目说明、切换模型、增减工具,都会让此前的缓存失效。确需调整时集中一次改完;改动较大时,直接开启新对话。

一项任务连续完成,避免长时间停顿

两条消息间隔超过 5 分钟,下一条就要整段重新处理。同一份资料的问题尽量集中问完,再去做别的事。

开发者能做的:让缓存更容易命中

自己调用 API、搭建 AI 应用时适用。

固定内容放前面,变化内容放后面

系统提示、参考文档、示例这类长期不变的内容放在请求开头;每次不同的问题、日期、变量放在末尾。开头每多一处变动,可命中的部分就短一截。

开启缓存,并用用量字段核对命中

Claude API 在请求顶层加上 cache_control 即可启用自动缓存;响应中的 cache_read_input_tokens 是本次命中的 token 数,可据此确认缓存是否生效。