Prompt caching 定價解析（2026）：各家快取到底能省多少
用 520 個模型的實際價格資料，比較各供應商的快取讀取折扣與寫入溢價，並以每天 1,000 次請求、20k token 前綴的實例算出開不開快取的月成本差與損益兩平點。
1. 什麼是 prompt caching，這份資料能回答什麼
正式環境裡的 LLM 流量大多是重複的。客服機器人每個問題都帶著同一份 5,000 token 的政策文件；coding agent 每一輪都重送 system prompt、tool schema 和到目前為止的整段對話。Prompt caching 讓供應商重用已經處理過的 prompt 前綴，這部分 token 以較低的「快取輸入」價格計費，而不是完整的 input 價格。對前綴占比高的工作負載，這通常是帳單上最大的一個槓桿，比大多數換模型的決定影響更大。
本文用本站自己的價格資料庫來量化這個槓桿。資料截至 2026-10-05：在目錄裡 520 個有定價的模型中（不含 :batch 變體與 ~latest 別名；其中 67 個是標價 $0 的免費版本），286 個標有快取輸入價（占 453 個付費模型的 63%），77 個（17%）標有獨立的快取寫入價；下文各供應商的模型數只計付費模型。我們對每個模型計算兩個比值：快取讀取折扣（cached input ÷ input）與快取寫入溢價（cache write ÷ input）。
有一個前提會影響下面所有結論：這些是 OpenRouter 的路由價，反映的是 OpenRouter 目前預設路由到的 endpoint。真正決定能不能命中快取的供應商規則（快取條目保留多久、可快取的最短 prompt 長度、要明確標記快取斷點還是由供應商自動快取）都不在價格資料裡，所以本文不陳述這些細節，請查各家官方文件。價格資料能給我們的是：快取讀取價、有的話的寫入價，以及部分模型的長 prompt 分級價。
2. 各家的快取讀取折扣
先看整體：目錄裡的中位數模型，快取 token 以 input 價的 12.5% 計費；有快取價的模型中 44% 在 10% 或更低，其中 286 個裡剛好有 109 個定價為 input 的十分之一。但底下的分布很寬，選模型時真正有影響的正是這個分布。
| 供應商 | 有快取價的模型數 | 快取價 ÷ input 中位數 | 範圍 | 是否標有快取寫入價 |
|---|---|---|---|---|
| OpenAI | 56 / 77 | 10% | 5%–203%* | 14 個模型（GPT-5.6、GPT-6 系列），input 的 1.25 倍 |
| Anthropic | 24 / 24 | 10% | 2.5%–12% | 全部 24 個，input 的 1.2–1.25 倍 |
| 23 / 31 | 10% | 10%–56% | 20 個模型，固定 $0.04–$0.38/M（低於 input） | |
| Qwen（阿里） | 31 / 59 | 20% | 9%–70% | 19 個模型，多數為 input 的 1.25 倍 |
| Mistral AI | 19 / 26 | 10% | 10%–11% | 無 |
| Z.ai（智譜） | 16 / 17 | 19% | 10%–100%* | 無 |
| xAI | 15 / 15 | 25% | 10%–25% | 無 |
| DeepSeek | 13 / 17 | 38%* | 2%–100%* | 無 |
| 小米 | 8 / 8 | 2% | 0.8%–20% | 無 |
| MiniMax | 6 / 8 | 10% | 10%–20% | 無 |
| 月之暗面（Moonshot AI） | 5 / 7 | 25% | 16%–33% | 無 |
| NVIDIA | 4 / 9 | 55% | 20%–75% | 無 |
* 包含快取價等於或高於 input 價的列，這通常代表混合 endpoint，而不是真的沒有折扣（例如 gpt-oss-120b 的 input 是 $0.037/M，快取價卻是 $0.075/M；DeepSeek V4 Flash 兩者都是 $0.03/M）。比值達到 100% 以上時，請當作資料品質警示，到供應商官網核對。
有三個明顯的規律。第一，折扣隨世代加深。OpenAI 的 GPT-4o 系列、o1、o3-mini 快取輸入是 input 的 50%；GPT-4.1、o3、o4-mini 是 25%；GPT-5 系列是 10%；GPT-6.1 Sol 是 5%（$0.10/M 對 $2.00/M），快取價只有 GPT-6 Sol（$0.20/M）的一半。Anthropic 也有同樣的趨勢：Claude Sonnet 與 Opus 檔位是 10%，但 Claude Opus 5.5 是 5%（$4.00/M 的 input 對 $0.20/M），Claude Fable 5.1 是 2.5%（$10.00/M 對 $0.25/M，Fable 5 則是 $1.00/M）。
第二，極端值出在低價團隊。小米的 MiMo-V2.6 Pro 快取輸入價 $0.0036/M，input 為 $0.435/M，折扣高達 99.2%。DeepSeek V4.1 Flash 是 $0.30/M 對 $0.006/M（2%），DeepSeek V3.2 則是整齊的 10%（$0.28/M 對 $0.028/M）。另一端，NVIDIA 與一些小型代管商只給 20–75% 的折扣，命中快取省下的錢遠不如別處。
第三，涵蓋度不均。NVIDIA 9 個付費模型裡只有 4 個、月之暗面 7 個裡只有 5 個標有快取價。如果你要拿長前綴工作負載比較模型，沒有快取價的模型（目錄裡有 25 家提供付費模型的供應商完全沒標）等於每個 token 都以全價計費。
用這張表的一個快速算法：prompt 中可快取部分的有效價格是 h × r + (1 − h) × w，以 input 價的比例表示。命中率 80% 時，讀取價 10% 且沒有寫入溢價的模型，前綴以標價的 28% 計費（0.8 × 0.10 + 0.2 × 1.00）；5% 的模型是 24%；讀取價 10% 但寫入價 1.25 倍的模型是 33%（0.8 × 0.10 + 0.2 × 1.25）；折扣只有 50% 的模型，即使命中率 100% 也降不到標價的一半以下。
3. 誰對快取寫入另外收費
快取讀取只是價格結構的一半。部分供應商在前綴第一次被存入時，還會收高於正常 input 的費率。從價格資料來看：
- Anthropic：每個模型都收。24 個模型裡有 23 個的寫入價是 input 的 1.25 倍（Claude 3 Haiku 是 1.2 倍）。例如 Claude Sonnet 4.6 是 input $3.00/M、寫入 $3.75/M、讀取 $0.30/M。24 個 Anthropic 模型中，還有 21 個在資料裡帶有另一個獨立的
input_cache_write_1h價格，一律是 input 的 2 倍（Sonnet 4.6 為 $6.00/M），說明一般的寫入價對應的是存活較短的檔位。確切的時長不在資料裡，請查 Anthropic 文件。 - OpenAI：只有最新的系列。14 個模型標有寫入價，為 input 的 1.25 倍（GPT-5.6 Sol/Luna/Terra、GPT-6 與 GPT-6.1 系列）。GPT-5.4、GPT-5.5 以及更早的模型只標讀取價，所以快取未命中只是以正常 input 計費。
- Qwen：集中在 Plus/Max/Flash 檔位。19 個模型標有寫入價，多數為 input 的 1.25 倍（例如 Qwen3.7 Plus 是 $0.40/M 對 input $0.32/M）。
- Google：有數字，但不是溢價。20 個 Gemini 列標有
cache_write值，但它低於 input 價（Pro 模型為 $0.375/M，Gemini 3.6–3.8 Flash 為 $0.0417/M），而且在 input 價相差 15 倍（$0.10 到 $1.50/M）的各個 Flash 模型上都是同一個 $0.0833/M。不隨 input 縮放的數字，看起來更像儲存類費用而不是 input 的倍數。下文不把它當作寫入溢價，預算前請先讀 Google 的文件。 - 其餘我們檢查過的（DeepSeek、月之暗面、Z.ai、MiniMax、xAI、Mistral、小米等）：沒有寫入價。快取未命中以正常 input 計費，命中則是純折扣。
實際的後果是風險不對稱。沒有寫入價時，快取不可能虧錢；有 1.25 倍寫入價時，一個寫入後從未被重用的前綴，會比完全不用快取多花 25%。
4. 實算範例：20k token 前綴，每天 1,000 次請求
設想一個助理，有 20,000 token 的前綴（system prompt 加 tool 定義），每次請求都完全相同。每次請求另外帶 500 個新的 input token，回傳 400 個 output token。流量是每天 1,000 次，每月 30,000 次。令 P = 20,000（前綴 token），n = 500，o = 400，每百萬 token 價格分別為 p（input）、r（快取讀取）、w（寫入；模型沒有寫入溢價時取 p）、q（output）。前綴快取命中率為 h 時：
每次請求成本 = ( P × [ h × r + (1 − h) × w ] + n × p + o × q ) ÷ 1,000,000
不用快取時令 h = 0、w = p。價格取自資料庫（截至 2026-10-05）：
| 模型 | Input $/M | 快取讀取 $/M | 寫入 $/M | Output $/M |
|---|---|---|---|---|
| Claude Sonnet 4.6 | $3.00 | $0.30 | $3.75 | $15.00 |
| GPT-5.4 | $2.50 | $0.25 | 無 | $15.00 |
| GPT-6.1 Sol | $2.00 | $0.10 | $2.50 | $10.00 |
| Gemini 3.1 Pro Preview | $2.00 | $0.20 | 不適用（見第 3 節） | $12.00 |
| Kimi K2.6 | $0.95 | $0.16 | 無 | $4.00 |
| DeepSeek V3.2 | $0.28 | $0.028 | 無 | $0.42 |
30,000 次請求的月成本，三種前綴命中率：
| 模型 | 不用快取 | h = 100% | h = 90% | h = 50% | 損益兩平 h |
|---|---|---|---|---|---|
| Claude Sonnet 4.6 | $2,025 | $405 | $612（−70%） | $1,440（−29%） | 21.7% |
| GPT-5.4 | $1,718 | $368 | $503（−71%） | $1,043（−39%） | 任何命中都划算 |
| GPT-6.1 Sol | $1,350 | $210 | $354（−74%） | $930（−31%） | 20.8% |
| Gemini 3.1 Pro Preview | $1,374 | $294 | $402（−71%） | $834（−39%） | 任何命中都划算 |
| Kimi K2.6 | $632 | $158 | $206（−67%） | $395（−37%） | 任何命中都划算 |
| DeepSeek V3.2 | $177 | $26 | $41（−77%） | $102（−43%） | 任何命中都划算 |
怎麼讀：這幾個模型的前綴都占未快取帳單的 87–95%，所以快取價決定了結果，output 價格幾乎沒影響（output 只占未快取總額的 3–11%）。手算驗證一列：Sonnet 4.6 不用快取，每次請求是 20,500 × $3.00 ÷ 1M + 400 × $15.00 ÷ 1M = $0.0615 + $0.0060 = $0.0675，乘以 30,000 得 $2,025。命中率 90% 時，前綴成本是 20,000 × (0.9 × $0.30 + 0.1 × $3.75) ÷ 1M = $0.0129，總額為 $612。還要注意，模型之間的絕對差距遠大於快取的效果：開了快取的 DeepSeek V3.2 每月 $26，約是開了快取的 Sonnet 4.6 的 1/15，當然這還沒問品質差異值不值。要用自己的用量估算未快取那一側，可以用費用計算機。
損益兩平。付費寫入一次性多花 w − p，之後每次讀取省 p − r，所以需要的重用次數是：
重用次數 k > (w − p) ÷ (p − r) 或換成命中率： h > (w − p) ÷ (w − r)
Sonnet 4.6 是 (3.75 − 3.00) ÷ (3.00 − 0.30) = 0.28 次，也就是重用一次就已經回本，換成命中率形式是 21.7%。GPT-6.1 Sol 是 0.26 次（20.8%）。1 小時寫入檔位更嚴格：(6.00 − 3.00) ÷ 2.70 = 1.11，Sonnet 4.6 需要在時間窗內重用兩次。沒有寫入溢價時（w = p）分子為零，任何命中都省錢。真正的難點不在重用次數，而在你的流量能不能讓快取條目一直活著，這取決於供應商的快取存活時間。每天 1,000 次均勻分布，大約每 86 秒一次，但真實流量是一陣一陣的。
5. 快取幫不上忙的情況
- output 占主導的呼叫。快取只折扣 input。維持 500 個新 token，把前綴縮到 2,000、output 提到 2,000 token，在 Sonnet 4.6 上：不用快取每次 $0.0375，完全命中是 $0.0321，只省 14%，而不是 80%。
- 前綴其實不穩定。快取依賴 prompt 開頭共同的部分。放在 prompt 頂部的時間戳、使用者名稱或被重新排序的 tool 清單，會讓它後面的所有內容都不同。靜態內容放前面，每次請求才變的內容放最後。
- 流量低或集中爆發。如果請求之間快取條目已過期，就要反覆付寫入費。對 1.25 倍寫入價的模型，命中率低於約 22% 比不用快取更糟。
- prompt 低於供應商的最低長度，或模型沒有快取價。可快取的最短長度因供應商而異，也不在價格資料裡，請查文件。目錄裡 37% 的付費模型沒有標快取價。
- 長 prompt 分級價。55 個模型帶有超過 prompt 長度門檻才生效的覆蓋價。GPT-5.4 超過 272,000 prompt token 後變為 input $5.00、快取 $0.50、output $22.50；Gemini 3.1 Pro 超過 200,000 後變為 $4.00 / $0.40 / $18.00。折扣比例不變，但基數變了。
- 可疑資料。混合 endpoint 的模型出現 100% 的比值，通常是路由造成的假象，不是真的有這種報價。
6. 依賴快取之前的檢查清單
- 量出你的穩定前綴占比：每次請求中，從 prompt 開頭起完全相同的 token 數。
- 查出模型的三個價格（input、快取讀取、寫入），計算 (w − p) ÷ (w − r)。
- 閱讀供應商文件，確認快取存活時間、最低長度，以及快取是自動還是需要手動開啟。
- 把請求間隔與快取存活時間對照，估一個現實的命中率，而不是 100%。
- 重排 prompt，靜態內容在前，可變內容在後；保持 tool 清單穩定。
- 記錄 API 回傳的快取 token 數，用一週的帳單對照。
- 如果有呼叫會跨過價格分級門檻，用長 prompt 的尾部情形重算一次。
按 token 計費的基礎可參考token 定價指南；同一個模型為什麼在不同平台價格不同，可參考為什麼 LLM 價格因平台而異。