Prompt Caching 实战全解：Anthropic vs OpenAI vs Gemini 缓存机制深度对比（2026）

发表于 2026-08-14 分类于深度分析本文字数： 1.8k 阅读时长 ≈ 7 分钟

分析日期：2026-08-14
涉及产品：Anthropic Claude、OpenAI GPT 系列、Google Gemini 2.5+
核心问题：如何让同样的 prompt 重复调用时少付 90% 的输入 token 费？

一、为什么要认真看待 Prompt Caching？

LLM API 计费的核心公式很简单：输入 token 价格 × 输入 token 数 + 输出 token 价格 × 输出 token 数。当你的 system prompt 有 3000 token、RAG 上下文有 5 万 token、工具定义又占 2000 token，每次请求都在为这些”几乎不变的内容”重复付费。

Prompt Caching 的本质：把每次请求的”共享前缀”缓存起来，重复调用时只对新增部分做完整前向传播（prefill）。三家大厂 2026 年都已落地，但机制、计费、最低门槛差别很大。

三家大厂的 Prompt Caching 机制对比

二、三大厂商缓存机制逐一拆解

2.1 Anthropic Claude：显式标记，精细可控

Claude 的缓存需要开发者显式声明。在 API 请求的某个 content block 上加 cache_control 标记：

{
  "role": "user",
  "content": [
    {
      "type": "text",
      "text": "以下是你需要的参考资料……",
      "cache_control": {"type": "ephemeral", "ttl": "1h"}
    },
    {"type": "text", "text": "用户的真实问题……"}
  ]
}

关键规则：

断点位置决定缓存范围：缓存引用从 prompt 开头到 cache_control 断点之间的所有内容
最低 token 数：Sonnet 4.6 / Opus 4.8 需要 ≥1024 token；旧版 Opus 4.7/4.5、Haiku 4.5 需要 ≥4096 token
最多 4 个断点：单次请求最多打 4 个 cache 标记
窗口：API 会向前扫描断点前的最多 20 个 content block 来找合适的缓存点

计费模型：

缓存时长	写入价格	读取价格	有效折扣
5 分钟	1.25× 标准输入	0.10× 标准输入	命中后 90% 折扣
1 小时	2.0× 标准输入	0.10× 标准输入	命中后 90% 折扣

每次缓存命中都会重置 TTL——只要 5 分钟内有人复用，缓存就一直活着。1 小时版本适合低频率但大文档的场景（比如每天固定查询一个 500 页 PDF）。

2.2 OpenAI GPT：零配置自动生效

OpenAI 的做法完全不同：不需要加任何标记，也不需要代码改动。只要你的请求 prompt 超过 1024 token，并且前缀与之前请求共享，就会自动触发缓存。

计费按代际分化：

模型	缓存输入价格	相对标准折扣
GPT-4o / GPT-4.1	0.50× 标准输入	50% 折扣
GPT-5.4 / GPT-5.5	0.50/M vs 5/M 标准	90% 折扣
gpt-realtime-2.1	$0.40/M vs $32/M 标准	98.75% 折扣

2026 年 7 月的重大变化：GPT-5.6 开始引入显式缓存模式和 1.25× 写入费，与 Anthropic 靠拢。自动模式下仍保留，但显式模式通过 prompt_cache_breakpoint 标记 + prompt_cache_options.mode = "explicit" 实现，最低 TTL 30 分钟。

注意点：OpenAI 的缓存 token 仍然计入 TPM（tokens per minute）配额——缓存命中虽然便宜，但速率限制照样算。

2.3 Google Gemini：隐式 + 显式双模式

Gemini 提供了两种缓存机制，且支持多模态内容（文本、PDF、图片、音视频）：

隐式缓存（Implicit）：

默认开启，零代码改动
Gemini 2.5 Flash 最低 2048 token；Gemini 2.5 Pro 最低 2048 token
命中即享受折扣，通过 usage.total_cached_tokens 查看
没有额外存储费用

显式缓存（Explicit）：

需要主动创建缓存对象（CachedContent）并在后续请求中引用
最低 32768 token——门槛最高
存储费用：$1 / M token / hour
支持 TTL 管理、可手动删除

关键差异：Gemini 是唯一支持缓存音视频/多模态内容的厂商。如果你在做长视频分析、大型 PDF 多轮问答，Gemini 的显式缓存是唯一选择。

三、成本对比实战：1M token 场景账单

以一个常见场景建模：标准输入 $3/M、100 万 token 的共享上下文、一天内被复用 10 次。

1M token 缓存成本对比

不缓存的基线：11 次请求 × 1M × $3/M = $33/天

各方案对比：

Claude 5 分钟：写 $3.75 + 10×读 $0.30 = $6.75/天（节省 79%）
Claude 1 小时：写 $6.00 + 10×读 $0.30 = $9.00/天（节省 73%）
OpenAI GPT-5.x：写 $3.00 + 10×读 $0.30 = $6.00/天（节省 82%）
OpenAI GPT-4.1：写 $3.00 + 10×读 $1.50 = $18.00/天（节省 45%）
Gemini 2.5+（隐式）：10×读 $0.30（无写费） = $3.00/天（节省 91%）

Gemini 隐式缓存”零写费”的架构优势在高频复用场景下极为突出。但实际选择要综合看模型能力、输出质量、生态等因素。

四、Prompt 结构设计：让缓存真正生效

无论哪一家，缓存 key 通常基于 prompt 前缀的 hash。所以 prompt 结构直接决定缓存命中率：

错误示范（前缀不固定，缓存失效）：

prompt = f"""
今天日期：{date.today()}
用户问题：{question}
参考资料：{reference_doc}  # 大段内容在后面
"""

正确示范（静态内容前置，动态内容后置）：

# Anthropic 方式：明确断点
prompt = [
    {"type": "text", "text": SYSTEM_PROMPT},
    {"type": "text", "text": TOOL_DEFINITIONS,
     "cache_control": {"type": "ephemeral", "ttl": "5m"}},
    {"type": "text", "text": RAG_CONTEXT,
     "cache_control": {"type": "ephemeral", "ttl": "1h"}},
    {"type": "text", "text": f"用户问题：{question}"}  # 动态尾部
]

1
2
3

# OpenAI 方式：只需保证前缀稳定 + >1024 token
prompt = (SYSTEM_PROMPT + TOOL_DEFINITIONS + RAG_CONTEXT +
          f"\n用户问题：{question}")

三个实战技巧：

日期 / 版本号 / 随机 seed 永远不要放在前缀里——即使一个字符不同，缓存就断了
工具定义放 system prompt 中——所有请求共享，命中率最高
RAG 上下文分块标记——把高频段落（如知识库总纲）用独立 cache_control 包住

五、缓存监控：如何确认真的省到钱？

三家 API 都在 usage 字段中暴露缓存统计：

厂商	字段名
Anthropic	`cache_creation_input_tokens`、`cache_read_input_tokens`
OpenAI	`cached_tokens`（在 `usage` 中）
Gemini	`usage.total_cached_tokens`

估算缓存命中率：cache_read_tokens / (cache_read_tokens + cache_creation_tokens)

命中率突然下降时，通常意味着：工具集改了、system prompt 版本号变了、或者前缀结构被重构。

六、选型决策指南

场景	推荐方案	理由
长 system prompt + 稳定工具集	Claude 5min	1.25× 写费极低，写一次读十次回本
高频短会话（每分钟多次）	Claude 5min 或 OpenAI 自动	5 分钟窗口自然覆盖
每天复用同一份大文档（<1 次/小时）	Claude 1h	2× 写费 vs 10× 读节省
多用户共享同一 prompt 模板	OpenAI 自动	零门槛，部署即可省钱
需要缓存 PDF / 视频 / 音频	Gemini 显式	唯一支持多模态缓存
需要显式 TTL 控制 + 可删除	Gemini 显式	最细粒度的缓存生命周期管理
已有 OpenAI 生态，不想改代码	OpenAI 自动	直接生效

七、总结

Prompt Caching 已经不是”要不要用”的问题，而是”如何用对”的问题。三家厂商在 2026 年都达到了 90% 左右的读取折扣，差异主要在：

操作门槛：OpenAI < Gemini 隐式 < Gemini 显式 < Claude
多模态支持：Gemini > OpenAI ≈ Claude
生命周期可控性：Gemini 显式 > Claude > OpenAI
写入成本：OpenAI/Gemini 隐式 < Claude 5min < Claude 1h

对大多数团队来说，第一步永远是确认 prompt 前缀是否稳定。把动态变量挪到尾部，静态系统提示和工具定义固定在前，这一步做完通常就能白拿 30-50% 的折扣。之后再根据场景精细化到 TTL、断点、多模态缓存的层面。

本文基于 2026-08 各家 API 文档及行业分析综合整理，价格为参考值，实际以各厂商官网最新公布为准。