Prompt 缓存

开启提示词缓存可以降低推理成本：命中缓存的输入 token 按各模型的缓存价计费，低于普通输入价，具体价格见实时价格。GPT、Grok、Kimi、DeepSeek、GLM 由上游自动缓存，请求无需修改；Claude 只缓存标记了 cache_control 的内容，未标记的内容按普通输入价计费；Gemini 当前不返回缓存字段。CA 原样透传缓存参数，是否命中以响应的用量字段为准。

查看缓存用量

响应的 usage 中包含本次请求写入缓存与从缓存读取的 token 数，未命中时为 0 或不出现。若两个数始终为 0，说明缓存未开启，或内容短于模型的最低缓存长度。

Usage 字段

账单侧对应查询单次请求用量里的 cached_write_tokens 与 cached_read_tokens。

OpenAI

GPT 系列的缓存由上游自动处理，请求中无需任何参数。相同内容再次请求时，usage.prompt_tokens_details.cached_tokens 大于 0。

Grok

自动缓存，请求中无需任何参数。命中时 usage.prompt_tokens_details.cached_tokens 大于 0。

Moonshot Kimi

自动缓存，请求中无需任何参数。命中时 usage.prompt_tokens_details.cached_tokens 大于 0。

Anthropic Claude

Claude 只缓存标记了 cache_control 的内容。将其添加到 system 或消息内容块上，与 Anthropic 官方格式一致：

{
  "model": "claude-sonnet-5",
  "max_tokens": 256,
  "system": [
    { "type": "text", "text": "<很长的系统提示词>", "cache_control": { "type": "ephemeral" } }
  ],
  "messages": [{ "role": "user", "content": "你好" }]
}

最低 Token 要求

内容低于上游模型的最低缓存长度时不会被缓存：cache_creation_input_tokens 与 cache_read_input_tokens 都为 0，请求照常成功。

DeepSeek

自动缓存，请求中无需任何参数。命中时 usage.prompt_tokens_details.cached_tokens 大于 0。

Z.AI GLM

自动缓存，请求中无需任何参数。命中时 usage.prompt_tokens_details.cached_tokens 大于 0，实测 glm-5.3 与 glm-5.2 重复请求命中。

Google Gemini

Gemini 原生接口和 OpenAI 兼容接口的响应里都没有缓存字段，全部输入按普通输入价计费。