Anthropic Prompt Caching 价格：读写各多少钱（2026）
Anthropic prompt caching 读写价格一览：5 分钟写入 1.25 倍、1 小时写入 2 倍、读取 0.1 倍。按当前 Claude 模型列出每百万 token 美元价，并给出回本计算和三个算例。
先说结论 —— 以下数字于 2026 年 10 月 4 日对照 Anthropic 官方价格页核对：
- 5 分钟缓存写入按基础输入价的 1.25 倍计费，1 小时缓存写入按 2 倍计费。
- 缓存读取多数模型是 0.1 倍；Claude Opus 5.5 是 0.05 倍，Fable 5.1 和 Mythos 5.1 是 0.025 倍。
- 5 分钟缓存读一次就回本，1 小时缓存要读两次。
- 每次命中都会免费刷新有效期，所以只有两次调用间隔超过 5 分钟时，5 分钟档才会吃亏。
Agent 每走一步都把同一段 5 万 token 的系统提示重发一遍，如果不做缓存，这 5 万 token 每次都按原价收。开了 prompt caching，账单就拆成三块：写缓存的价、读缓存的价，以及断点之后照常计费的部分。下面先把当前 Claude 模型的读写价格放进一张表，再算清 5 分钟和 1 小时两档各在什么情况下省钱。
需要先更正一点：本文早先版本把 1 小时写入写成 1.5 倍，还出现了 "persistent" 缓存类型，这两处都不符合当前 API。1 小时写入是 2 倍；缓存类型只有 "ephemeral"，1 小时档通过 ttl 指定。
各模型读写价格
单位为美元／百万 token（MTok），来源是 Anthropic 价格页和 prompt caching 文档中的同一张表，2026-10-04 获取。
| 模型 | 基础输入 | 5 分钟写入 | 1 小时写入 | 缓存读取 | 输出 |
|---|---|---|---|---|---|
| Claude Fable 5.1 | 10 | 12.50 | 20 | 0.25 | 50 |
| Claude Opus 5.5 | 4 | 5 | 8 | 0.20 | 20 |
| Claude Sonnet 5.5 | 2 | 2.50 | 4 | 0.20 | 10 |
| Claude Haiku 4.5 | 1 | 1.25 | 2 | 0.10 | 5 |
| Claude Opus 5（旧版） | 5 | 6.25 | 10 | 0.50 | 25 |
| Claude Sonnet 5（旧版） | 2 | 2.50 | 4 | 0.20 | 10 |
| Claude Sonnet 4.6（旧版） | 3 | 3.75 | 6 | 0.30 | 15 |
背后的倍率只有三个：
| 操作 | 相对基础输入价 | 有效期 |
|---|---|---|
| 5 分钟写入 | 1.25 倍 | 5 分钟 |
| 1 小时写入 | 2 倍 | 1 小时 |
| 读取（命中） | 0.1 倍（Opus 5.5 为 0.05 倍；Fable 5.1、Mythos 5.1 为 0.025 倍） | 与对应写入相同 |
截图：Anthropic 模型价格表，上面的美元表格逐项抄自其中的 5m writes、1h writes 和 hits 三列（2026-10-04 截取）。
有两点容易漏看。第一，Opus 5.5 的读取倍率比别的模型低，所以它的缓存读取和 Sonnet 5.5 一样是 0.20 美元，尽管基础输入价是后者的两倍。第二，官方说明 Claude 4.7 及之后的模型换了新分词器，同样的文本大约多出 30% 的 token；以前在旧模型上量过的提示词，现在计数可能更高。
截图：官方倍率表和回本说明——5 分钟档读一次回本，1 小时档读两次回本（2026-10-04 截取）。
这些倍率还会和其他计费项叠加：Batch API 五折，以及 Claude 4.6 及之后模型使用 inference_geo: "us"（仅美国境内推理）时的 1.1 倍。
两档缓存的真实差别
机制是一样的：在稳定前缀的末尾加 cache_control，第一次请求写入，后续前缀完全相同的请求读取。
from anthropic import Anthropic
client = Anthropic()
response = client.messages.create(
model="claude-sonnet-5-5",
max_tokens=1024,
system=[
{
"type": "text",
"text": large_system_context, # 稳定的指令和文档
"cache_control": {"type": "ephemeral"}, # 默认 5 分钟
# 1 小时档：{"type": "ephemeral", "ttl": "1h"}
}
],
messages=[{"role": "user", "content": current_question}],
)
print(response.usage)很多成本表算错，是因为没看清有效期怎么算。官方文档写得很明确：
- 默认有效期 5 分钟，每次命中都会免费刷新。
- 有效期从写入或读取那次请求的开始时刻算起。一个回答流式输出了 4 分钟，下一次调用只剩大约 1 分钟窗口。
- 5 分钟和 1 小时两档在延迟上表现相同，选哪档只关乎费用和调用间隔。
也就是说，5 分钟缓存不是“每过 5 分钟就失效”，而是“连续 5 分钟没人用才失效”。调用密集的 Agent 循环，能让 5 分钟缓存一直活着。
回本怎么算
设前缀为 P 个 token、基础输入价为 B。写一次再读 N 次，费用是 P × B ×（写入倍率 + N × 读取倍率）；不缓存的 N+1 次调用是 P × B ×（N + 1）。以读取 0.1 倍为例（单位：P × B）：
| 档位 | 写 1 读 1 | 写 1 读 2 | 不缓存同样次数 |
|---|---|---|---|
| 5 分钟（写入 1.25 倍） | 1.35 | 1.45 | 2／3 |
| 1 小时（写入 2 倍） | 2.10 | 2.20 | 2／3 |
5 分钟档读一次就划算（1.35 对 2）；1 小时档读一次还略亏（2.10 对 2），读两次才划算（2.20 对 3），和官方说法一致。Opus 5.5、Fable 5.1 的读取倍率更低，回本点不变，只是之后每次读取更便宜。
三个算例
下面只计算被缓存的前缀。没缓存的提问部分和输出，开不开缓存都一样，因此不计入。假设每次调用都在有效期内开始。
算例一：Sonnet 5.5 上的快速工具循环。 前缀 5 万 token，连续调用 10 次，间隔只有几秒。
| 方案 | 算式（单价按每百万 token） | 前缀费用 |
|---|---|---|
| 不缓存 | 10 × 5 万 × 2 | 1.00 美元 |
| 5 分钟缓存 | 5 万 × 2.50 + 9 × 5 万 × 0.20 | 0.215 美元 |
| 1 小时缓存 | 5 万 × 4 + 9 × 5 万 × 0.20 | 0.29 美元 |
5 分钟档最便宜。1 小时写入多付的 0.075 美元完全用不上，因为没有一个间隔长到让 5 分钟缓存过期。
算例二：Sonnet 5.5 上的人工节奏对话。 同样 5 万 token 前缀，12 次调用，每 10 分钟一次，比如客服对话或边看边改的审阅流程。
| 方案 | 实际发生什么 | 前缀费用 |
|---|---|---|
| 不缓存 | 12 × 5 万 × 2 | 1.20 美元 |
| 5 分钟缓存 | 每次间隔都超过 5 分钟，12 次全是写入：12 × 5 万 × 2.50 | 1.50 美元 |
| 1 小时缓存 | 写 1 次（5 万 × 4）+ 读 11 次（11 × 5 万 × 0.20） | 0.31 美元 |
这里 5 分钟缓存比不缓存还贵：写入溢价付了 12 次，一次都没读到。1 小时档比不缓存省约 74%。
算例三：Opus 5.5 上的一次集中调用。 前缀 10 万 token，一口气调用 20 次。
| 方案 | 算式（单价按每百万 token） | 前缀费用 |
|---|---|---|
| 不缓存 | 20 × 10 万 × 4 | 8.00 美元 |
| 5 分钟缓存 | 10 万 × 5 + 19 × 10 万 × 0.20 | 0.88 美元 |
| 1 小时缓存 | 10 万 × 8 + 19 × 10 万 × 0.20 | 1.18 美元 |
差距这么大，主要因为 Opus 5.5 的读取只有 0.05 倍：19 次读取 10 万 token，总共才 0.38 美元。换成旧版 Opus 5（输入 5 美元、读取 0.1 倍），同样用 5 分钟档是 0.625 + 19 × 0.05 = 1.575 美元，不缓存则是 10 美元。
该选哪一档
| 调用节奏 | 选择 | 原因 |
|---|---|---|
| 两次调用间隔小于 5 分钟（工具循环、CI Agent、批处理步骤） | 5 分钟 | 每次命中都刷新有效期，便宜的写入就够了 |
| 间隔 5 到 60 分钟（真人对话、跑得超过 5 分钟的子 Agent） | 1 小时 | 避免每次停顿后重新付写入溢价 |
| 只调用一次、前缀不重复 | 不缓存 | 只写不读，比直接输入贵 25% 或 100% |
| 前缀低于模型最小长度 | 无法缓存 | 请求照常处理，不缓存也不报错 |
官方给出的判断标准也是这样：提示词使用频率高于每 5 分钟一次，就继续用 5 分钟缓存；低于每 5 分钟、但高于每小时一次，再用 1 小时缓存。
最小可缓存长度：Fable 5.1、Mythos 5.1、Opus 5.5、Opus 5、Sonnet 5.5、Fable 5、Mythos 5 为 512 token；Opus 4.8、Sonnet 5、Sonnet 4.6、Sonnet 4.5 为 1,024；Haiku 4.5 为 4,096。
通过 SandBase 实测（2026-10-04，UTC）
我们通过 SandBase 的 Anthropic 兼容接口 POST https://api.sandbase.ai/v1/messages（请求头 Authorization: Bearer $SANDBASE_API_KEY）调用 anthropic/claude-sonnet-5.5，发了四个请求。系统提示是一段合成的编号客服规则（不含真实用户数据），带 cache_control，max_tokens 为 16。前两个用默认 5 分钟，后两个换了前缀并加上 "ttl": "1h"。
第 3 个请求（msg_011CfgUpGiuaeS6vhjYru8eV，1 小时写入）和 3 秒后的第 4 个请求（msg_011CfgUpm7bJx471S9VtwoZl，读取）返回的 usage 如下，省略了 output_tokens_details、service_tier 和 inference_geo 三个键：
{"input_tokens": 25, "cache_creation_input_tokens": 3012, "cache_read_input_tokens": 0, "cache_creation": {"ephemeral_5m_input_tokens": 0, "ephemeral_1h_input_tokens": 3012}, "output_tokens": 3}{"input_tokens": 25, "cache_creation_input_tokens": 0, "cache_read_input_tokens": 3012, "cache_creation": {"ephemeral_5m_input_tokens": 0, "ephemeral_1h_input_tokens": 0}, "output_tokens": 3}5 分钟那一组表现相同，写入记在 ephemeral_5m_input_tokens 下。两档缓存都能透传，响应里的 model 字段为 claude-sonnet-5-5。这是四次请求里观察到的字段，不代表 SandBase 的书面承诺。
价格方面，10 月 4 日用同一个 Bearer key 请求 GET https://api.sandbase.ai/v1/models/anthropic/claude-sonnet-5.5，返回输入 2 美元、输出 10 美元，cache_write_multiplier 为 1.25，cache_read_multiplier 为 0.1；cache_write_1h_multiplier 字段为空。所以 SandBase 怎么计 1 小时写入我们还没有确认，这四次请求也没有和账单逐笔核对。不用 key 也能在公开的 Claude Sonnet 5.5 模型页看到价格。
截图：SandBase 模型页列出 Sonnet 5.5 的输入、输出、缓存读取和缓存写入价格，与 Anthropic 的 5 分钟档一致（2026-10-04 截取）。
想自己试，可以在模型页复制模型 ID，再申请 SandBase API key。
落地时的几个坑
- 只缓存不变的部分。 工具定义、系统指令、载入的文档、对话里较早的轮次都合适。前缀按 tools、system、messages 的顺序拼接，断点及其之前任何改动都会让哈希变掉。
- 断点放在最后一个稳定块上。 时间戳、用户新消息放在断点之后没问题；放进断点之内，每次都是新写入，永远读不到。最多 4 个断点，向前回溯最多检查 20 个块。
- 两档可以混用，但有顺序。 1 小时的条目必须排在 5 分钟条目之前，比如 tools 和 system 用 1 小时，对话部分用 5 分钟。
- 留意静默失效。 改了
tool_choice、增删图片、换了思考配置，缓存都会失效。盯住读取 token 占输入的比例，如果你认为稳定的前缀总在产生写入，说明断点之前有东西在变。
Agent 场景下更完整的省钱思路，见 Anthropic Prompt Caching 实战；各家价格对比见 LLM API 定价指南。
FAQ
Anthropic 缓存写入多少钱？
5 分钟写入是基础输入价的 1.25 倍，1 小时写入是 2 倍。以 Claude Sonnet 5.5 为例，分别是每百万 token 2.50 和 4 美元；Opus 5.5 是 5 和 8 美元（2026-10-04 官方价格页）。
缓存读取多少钱？
多数模型是 0.1 倍，Sonnet 5.5 为 0.20 美元，Haiku 4.5 为 0.10 美元。Opus 5.5 是 0.05 倍（0.20 美元），Fable 5.1 和 Mythos 5.1 是 0.025 倍（0.25 美元）。
1 小时缓存值不值得多付写入费？
只有调用间隔超过 5 分钟、又短于 1 小时时才值得。调用更密集的话，每次命中都会免费续上 5 分钟，1 小时写入多付的钱就白花了。
不同 API key 之间共享缓存吗？
不同组织之间从不共享；在 Claude API 上，同一组织的不同 workspace 之间也相互隔离。Bedrock 和 Google Cloud 只做组织级隔离。
缓存会改变输出或上下文上限吗？
不会。官方说明开不开缓存，返回结果都一样；被缓存的 token 依然算在提示里，占用上下文窗口。缓存改变的是重复输入的价格，以及长提示的首 token 响应速度。