Кэширование и его биллинг учитываются с серверным промптом и без него. У Claude подтверждённое чтение из кэша стоит в 10 раз дешевле обычного входа, у Opus 5.5 — в 20 раз дешевле, у Fable 5.1 — в 40 раз дешевле. Токены применённого серверного промпта оплачиваются по полной ставке input или cache read. Попадание в кэш не гарантируется.
| Модель | Обычный input / 1M | Запись 5m / 1M | Запись 1h / 1M | Чтение / 1M |
|---|---|---|---|---|
claude-haiku-5-5 | $0.10 (свыше 100K: $0.50) | $0.125 (свыше 100K: $0.625) | $0.20 (свыше 100K: $1.00) | $0.01 (свыше 100K: $0.05) |
claude-haiku-4-5 | $1.00 | $1.25 | $2.00 | $0.10 |
claude-sonnet-5-5 | $2.00 | $2.50 | $4.00 | $0.20 |
claude-sonnet-5 | $3.00 | $3.75 | $6.00 | $0.30 |
claude-opus-5-5 | $4.00 | $5.00 | $8.00 | $0.20 |
claude-opus-5 | $5.00 | $6.25 | $10.00 | $0.50 |
claude-opus-4-8 | $5.00 | $6.25 | $10.00 | $0.50 |
claude-fable-5 | $10.00 | $12.50 | $20.00 | $1.00 |
claude-fable-5-1 | $10.00 | $12.50 | $20.00 | $0.25 |
Обычный некэшированный input стоит 1×. Запись в кэш на стандартные 5 минут биллится по 1.25× input, явная запись на 1 час — по 2×, последующее чтение из кэша — по 0.1×, для Opus 5.5 — по 0.05×, а для Fable 5.1 — по 0.025×. Тариф Fable 5 и исторические списания сохраняются. Поэтому прогрев может быть дороже обычного входа, а экономия появляется на повторных совпадающих запросах. У Haiku 5.5 запрос, весь вход которого — обычный, чтение и запись кэша — длиннее 100 000 токенов, оплачивается по ставкам «свыше 100K» из таблицы, в 5 раз выше.
- Кэшируется стабильный префикс запроса: определения инструментов, системный текст и начало истории сообщений.
- Попадание — когда это начало байт-в-байт совпало с недавним запросом. Изменение даже первого символа сбрасывает совпадение целиком.
- Кэш живёт считанные минуты и продлевается при каждом обращении.
- Первый достаточно большой cacheable-запрос новой сессии обычно «прогревает» кэш — попадание возможно со второго. Хит не гарантирован каждому запросу — это нормально.
- Стабильное начало. System-промпт и инструкции одинаковы между запросами — без правок «на лету».
- Никаких переменных в начале. Таймстампы, случайные id, имя пользователя — только в конец промпта: изменённый первый байт убивает совпадение всего префикса.
- Диалог — только добавлением. Новые сообщения дописывайте в конец истории; не редактируйте и не перемешивайте старые.
- Стабильные tools. Один и тот же набор и порядок функций в каждом запросе — определения инструментов тоже часть префикса.
- Большие документы — один раз в system. Базу знаний и код кладите в начало, меняющиеся вопросы — в конец.
- Держите темп. Продолжение в течение нескольких минут попадает в кэш; после долгой паузы первый запрос прогреет его заново.
В Claude /v1/messages и /v1/messages/count_tokens поддерживается cache_control: автоматическое кэширование верхнего уровня и явные маркеры в допустимых блоках system/content и определениях клиентских функций. Без ttl используется 5 минут; для часа — "ttl": "1h". В usage.cache_creation разделены записи 5m/1h.
- Панель «Токены и кеш» в разделе «Статистика» личного кабинета — сколько токенов прочитано из кэша за период.
- Строки «Из кеша» и «В кеш» под числом токенов в разделе «Запросы» — попадание по каждому запросу.
- В ответе API:
usage.cache_read_input_tokens(Anthropic) илиusage.prompt_tokens_details.cached_tokens(OpenAI).
{
"usage": {
"input_tokens": 9900,
"cache_read_input_tokens": 27451,
"output_tokens": 56
}
}- Kimi. Чтение из кэша тарифицируется отдельной пониженной ставкой; живые ставки и разбор расхода на странице Kimi: цены, reserve и usage. Поле
prompt_cache_keyпринимается и уходит модели как есть. - Composer и Grok. Маркер
cache_controlвнутри блока принимается и игнорируется; управлять кэшем им нельзя. Кэш автоматический. Учтённое чтение возвращается вusage.cache_read_input_tokensMessages иusage.prompt_tokens_details.cached_tokensChat Completions. - Запись в кэш у Composer и Grok бесплатна. Это не округление и не неизвестная величина: ставка за создание кэша нулевая, поэтому
cache_creation_input_tokensв ответе всегда0.
Codex использует автоматический кэш подписки. Учтённые чтение и запись приходят в фактическом usage и рассчитываются по ставкам запрошенной модели; обычный input не включает эти токены второй раз.
GLM возвращает фактическое чтение кэша в полях usage. Guard нормализует три разные формы и применяет отдельную низкую ставку только к реально отмеченным кэшированным токенам.
| API | Общий ввод | Кэш | Что считать обычным вводом |
|---|---|---|---|
| Messages | usage.input_tokens | usage.cache_read_input_tokens | input_tokens уже не включает cache read |
| Chat | usage.prompt_tokens | usage.prompt_tokens_details.cached_tokens | prompt_tokens - cached_tokens |
| Responses | usage.input_tokens | usage.input_tokens_details.cached_tokens | input_tokens - cached_tokens |
Для glm-5.3 4000 обычных и 8000 кэшированных входных токенов стоят $0.00560000 + $0.00208000. Выход считается отдельно по $4.40 / 1M.
Кэш Gemini только автоматический: его ведёт Google. Маркеры cache_control принимаются, но срок хранения кэша не обещается. Скидка действует только на токены, которые Google фактически прочитал из кэша: чтение оплачивается по ставке из таблицы тарифов на странице Биллинг, за запись в кэш отдельной платы нет. У gemini-4-argon чтение кэша стоит $0.10 за 1M токенов (с 03:00 МСК 1 декабря 2026 — $0.20), у gemini-3.8-flash — $0.075 (с 03:00 МСК 1 января 2027 — $0.15).
Запись в кэш Muse отдельной платы не требует, а длинный контекст оплачивается без надбавки. Чтение кэша: muse-wonder-1.0 — $0.20, muse-spark-1.3 и muse-spark-1.2 — $0.15 за 1M токенов.