Prompt caching 定价解析（2026）：各家缓存到底能省多少
用 520 个模型的实际价格数据，比较各提供商的缓存读取折扣与写入溢价，并以每天 1,000 次请求、20k token 前缀的实例算出开不开缓存的月成本差与盈亏平衡点。
1. 什么是 prompt caching，这份数据能回答什么
生产环境里的 LLM 流量大多是重复的。客服机器人每个问题都带着同一份 5,000 token 的政策文档；coding agent 每一轮都重发 system prompt、tool schema 和到目前为止的整段对话。Prompt caching 让提供商复用已经处理过的 prompt 前缀，这部分 token 按较低的"缓存输入"价格计费，而不是完整的 input 价格。对前缀占比高的工作负载，这通常是账单上最大的一个杠杆，比大多数换模型的决定影响更大。
本文用本站自己的价格数据库来量化这个杠杆。数据截至 2026-10-05：在目录里 520 个有定价的模型中（不含 :batch 变体和 ~latest 别名；其中 67 个是标价 $0 的免费版本），286 个标有缓存输入价（占 453 个付费模型的 63%），77 个（17%）标有单独的缓存写入价；下文各提供商的模型数只计付费模型。我们对每个模型计算两个比值：缓存读取折扣（cached input ÷ input）和缓存写入溢价（cache write ÷ input）。
有一个前提会影响下面所有结论：这些是 OpenRouter 的路由价，反映的是 OpenRouter 当前默认路由到的 endpoint。真正决定能不能命中缓存的提供商规则（缓存条目保留多久、可缓存的最短 prompt 长度、要显式标记缓存断点还是由提供商自动缓存）都不在价格数据里，所以本文不陈述这些细节，请查各家官方文档。价格数据能给我们的是：缓存读取价、有的话的写入价，以及部分模型的长 prompt 分级价。
2. 各家的缓存读取折扣
先看总体：目录里的中位数模型，缓存 token 按 input 价的 12.5% 计费；有缓存价的模型中 44% 在 10% 或更低，其中 286 个里恰好有 109 个定价为 input 的十分之一。但底下的分布很宽，选模型时真正有影响的正是这个分布。
| 提供商 | 有缓存价的模型数 | 缓存价 ÷ input 中位数 | 范围 | 是否标有缓存写入价 |
|---|---|---|---|---|
| OpenAI | 56 / 77 | 10% | 5%–203%* | 14 个模型（GPT-5.6、GPT-6 系列），input 的 1.25 倍 |
| Anthropic | 24 / 24 | 10% | 2.5%–12% | 全部 24 个，input 的 1.2–1.25 倍 |
| 23 / 31 | 10% | 10%–56% | 20 个模型，固定 $0.04–$0.38/M（低于 input） | |
| Qwen（阿里） | 31 / 59 | 20% | 9%–70% | 19 个模型，多数为 input 的 1.25 倍 |
| Mistral AI | 19 / 26 | 10% | 10%–11% | 无 |
| Z.ai（智谱） | 16 / 17 | 19% | 10%–100%* | 无 |
| xAI | 15 / 15 | 25% | 10%–25% | 无 |
| DeepSeek | 13 / 17 | 38%* | 2%–100%* | 无 |
| 小米 | 8 / 8 | 2% | 0.8%–20% | 无 |
| MiniMax | 6 / 8 | 10% | 10%–20% | 无 |
| 月之暗面（Moonshot AI） | 5 / 7 | 25% | 16%–33% | 无 |
| NVIDIA | 4 / 9 | 55% | 20%–75% | 无 |
* 包含缓存价等于或高于 input 价的行，这通常意味着混合 endpoint，而不是真的没有折扣（例如 gpt-oss-120b 的 input 是 $0.037/M，缓存价却是 $0.075/M；DeepSeek V4 Flash 两者都是 $0.03/M）。比值达到 100% 以上时，请当作数据质量警示，到提供商官网核对。
有三个明显的规律。第一，折扣随世代加深。OpenAI 的 GPT-4o 系列、o1、o3-mini 缓存输入是 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 对 $2.00/M），缓存价只有 GPT-6 Sol（$0.20/M）的一半。Anthropic 也有同样的趋势：Claude Sonnet 和 Opus 档位是 10%，但 Claude Opus 5.5 是 5%（$4.00/M 的 input 对 $0.20/M），Claude Fable 5.1 是 2.5%（$10.00/M 对 $0.25/M，Fable 5 则是 $1.00/M）。
第二，极端值出在低价团队。小米的 MiMo-V2.6 Pro 缓存输入价 $0.0036/M，input 为 $0.435/M，折扣高达 99.2%。DeepSeek V4.1 Flash 是 $0.30/M 对 $0.006/M（2%），DeepSeek V3.2 则是整齐的 10%（$0.28/M 对 $0.028/M）。另一端，NVIDIA 和一些小型托管方只给 20–75% 的折扣，命中缓存省下的钱远不如别处。
第三，覆盖度不均。NVIDIA 9 个付费模型里只有 4 个、月之暗面 7 个里只有 5 个标有缓存价。如果你要拿长前缀工作负载比较模型，没有缓存价的模型（目录里有 25 个提供付费模型的提供商完全没标）等于每个 token 都按全价计费。
用这张表的一个快速算法：prompt 中可缓存部分的有效价格是 h × r + (1 − h) × w，以 input 价的比例表示。命中率 80% 时，读取价 10% 且没有写入溢价的模型，前缀按标价的 28% 计费（0.8 × 0.10 + 0.2 × 1.00）；5% 的模型是 24%；读取价 10% 但写入价 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% 也降不到标价的一半以下。
3. 谁对缓存写入另外收费
缓存读取只是价格结构的一半。部分提供商在前缀第一次被存入时，还会收高于正常 input 的费率。从价格数据来看：
- Anthropic：每个模型都收。24 个模型里有 23 个的写入价是 input 的 1.25 倍（Claude 3 Haiku 是 1.2 倍）。例如 Claude Sonnet 4.6 是 input $3.00/M、写入 $3.75/M、读取 $0.30/M。24 个 Anthropic 模型中，还有 21 个在数据里带有另一个独立的
input_cache_write_1h价格，一律是 input 的 2 倍（Sonnet 4.6 为 $6.00/M），说明一般的写入价对应的是存活较短的档位。确切的时长不在数据里，请查 Anthropic 文档。 - OpenAI：只有最新的系列。14 个模型标有写入价，为 input 的 1.25 倍（GPT-5.6 Sol/Luna/Terra、GPT-6 与 GPT-6.1 系列）。GPT-5.4、GPT-5.5 以及更早的模型只标读取价，所以缓存未命中只是按正常 input 计费。
- Qwen：集中在 Plus/Max/Flash 档位。19 个模型标有写入价，多数为 input 的 1.25 倍（例如 Qwen3.7 Plus 是 $0.40/M 对 input $0.32/M）。
- Google：有数字，但不是溢价。20 个 Gemini 行标有
cache_write值，但它低于 input 价（Pro 模型为 $0.375/M，Gemini 3.6–3.8 Flash 为 $0.0417/M），而且在 input 价相差 15 倍（$0.10 到 $1.50/M）的各个 Flash 模型上都是同一个 $0.0833/M。不随 input 缩放的数字，看起来更像存储类费用而不是 input 的倍数。下文不把它当作写入溢价，预算前请先读 Google 的文档。 - 其余我们检查过的（DeepSeek、月之暗面、Z.ai、MiniMax、xAI、Mistral、小米等）：没有写入价。缓存未命中按正常 input 计费，命中则是纯折扣。
实际的后果是风险不对称。没有写入价时，缓存不可能亏钱；有 1.25 倍写入价时，一个写入后从未被复用的前缀，会比完全不用缓存多花 25%。
4. 实算示例：20k token 前缀，每天 1,000 次请求
设想一个助手，有 20,000 token 的前缀（system prompt 加 tool 定义），每次请求都完全相同。每次请求另外带 500 个新的 input token，返回 400 个 output token。流量是每天 1,000 次，每月 30,000 次。令 P = 20,000（前缀 token），n = 500，o = 400，每百万 token 价格分别为 p（input）、r（缓存读取）、w（写入；模型没有写入溢价时取 p）、q（output）。前缀缓存命中率为 h 时：
每次请求成本 = ( P × [ h × r + (1 − h) × w ] + n × p + o × q ) ÷ 1,000,000
不用缓存时令 h = 0、w = p。价格取自数据库（截至 2026-10-05）：
| 模型 | Input $/M | 缓存读取 $/M | 写入 $/M | Output $/M |
|---|---|---|---|---|
| Claude Sonnet 4.6 | $3.00 | $0.30 | $3.75 | $15.00 |
| GPT-5.4 | $2.50 | $0.25 | 无 | $15.00 |
| GPT-6.1 Sol | $2.00 | $0.10 | $2.50 | $10.00 |
| Gemini 3.1 Pro Preview | $2.00 | $0.20 | 不适用（见第 3 节） | $12.00 |
| Kimi K2.6 | $0.95 | $0.16 | 无 | $4.00 |
| DeepSeek V3.2 | $0.28 | $0.028 | 无 | $0.42 |
30,000 次请求的月成本，三种前缀命中率：
| 模型 | 不用缓存 | h = 100% | h = 90% | h = 50% | 盈亏平衡 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 |
怎么读：这几个模型的前缀都占未缓存账单的 87–95%，所以缓存价决定了结果，output 价格几乎没影响（output 只占未缓存总额的 3–11%）。手算验证一行：Sonnet 4.6 不用缓存，每次请求是 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% 时，前缀成本是 20,000 × (0.9 × $0.30 + 0.1 × $3.75) ÷ 1M = $0.0129，总额为 $612。还要注意，模型之间的绝对差距远大于缓存的效果：开了缓存的 DeepSeek V3.2 每月 $26，约是开了缓存的 Sonnet 4.6 的 1/15，当然这还没问质量差异值不值。要用自己的用量估算未缓存那一侧，可以用费用计算器。
盈亏平衡。付费写入一次性多花 w − p，之后每次读取省 p − r，所以需要的复用次数是：
复用次数 k > (w − p) ÷ (p − r) 或换成命中率： h > (w − p) ÷ (w − r)
Sonnet 4.6 是 (3.75 − 3.00) ÷ (3.00 − 0.30) = 0.28 次，也就是复用一次就已经回本，换成命中率形式是 21.7%。GPT-6.1 Sol 是 0.26 次（20.8%）。1 小时写入档位更严格：(6.00 − 3.00) ÷ 2.70 = 1.11，Sonnet 4.6 需要在时间窗口内复用两次。没有写入溢价时（w = p）分子为零，任何命中都省钱。真正的难点不在复用次数，而在你的流量能不能让缓存条目一直活着，这取决于提供商的缓存存活时间。每天 1,000 次均匀分布，大约每 86 秒一次，但真实流量是一阵一阵的。
5. 缓存帮不上忙的情况
- output 占主导的调用。缓存只折扣 input。保持 500 个新 token，把前缀缩到 2,000、output 提到 2,000 token，在 Sonnet 4.6 上：不用缓存每次 $0.0375，完全命中是 $0.0321，只省 14%，而不是 80%。
- 前缀其实不稳定。缓存依赖 prompt 开头共同的部分。放在 prompt 顶部的时间戳、用户名或被重新排序的 tool 列表，会让它后面的所有内容都不同。静态内容放前面，每次请求才变的内容放最后。
- 流量低或集中爆发。如果请求之间缓存条目已过期，就要反复付写入费。对 1.25 倍写入价的模型，命中率低于约 22% 比不用缓存更糟。
- prompt 低于提供商的最低长度，或模型没有缓存价。可缓存的最短长度因提供商而异，也不在价格数据里，请查文档。目录里 37% 的付费模型没有标缓存价。
- 长 prompt 分级价。55 个模型带有超过 prompt 长度门槛才生效的覆盖价。GPT-5.4 超过 272,000 prompt token 后变为 input $5.00、缓存 $0.50、output $22.50；Gemini 3.1 Pro 超过 200,000 后变为 $4.00 / $0.40 / $18.00。折扣比例不变，但基数变了。
- 可疑数据。混合 endpoint 的模型出现 100% 的比值，通常是路由造成的假象，不是真的有这种报价。
6. 依赖缓存之前的检查清单
- 量出你的稳定前缀占比：每次请求中，从 prompt 开头起完全相同的 token 数。
- 查出模型的三个价格（input、缓存读取、写入），计算 (w − p) ÷ (w − r)。
- 阅读提供商文档，确认缓存存活时间、最低长度，以及缓存是自动还是需要手动开启。
- 把请求间隔与缓存存活时间对照，估一个现实的命中率，而不是 100%。
- 重排 prompt，静态内容在前，可变内容在后；保持 tool 列表稳定。
- 记录 API 返回的缓存 token 数，用一周的账单对照。
- 如果有调用会跨过价格分级门槛，用长 prompt 的尾部情形重算一次。
按 token 计费的基础可参考token 定价指南；同一个模型为什么在不同平台价格不同，可参考为什么 LLM 价格因平台而异。