Перейти к основному содержанию

​
Anthropic

Модели Anthropic поддерживают явное кэширование промптов. На этой платформе как в протоколе OpenAI chat/completions, так и в протоколе Anthropic v1/messages можно использовать "cache_control": {"type": "ephemeral"}, чтобы указать содержимое, которое нужно кэшировать. 
{
  "model": "claude-sonnet-4-5-20250929",
  "max_tokens": 4096,
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "HUGE TEXT BODY",
          "cache_control": { "type": "ephemeral" }
        },
        {
          "type": "text",
          "text": "Name all the characters in the above book"
        }
      ]
    }
  ]
}
⚠️ cache_control — это расширенное нами поле. Оно не входит в официальный протокол OpenAI SDK, поэтому при вызове его необходимо добавлять явно. Создание/попадание в кэш можно проверить по ответу 
{
  "prompt_tokens": 7039,
  "completion_tokens": 650,
  "total_tokens": 7689,
  "prompt_tokens_details": {
    "cached_tokens": 7019,
    "cache_creation_input_tokens": 7019,  # 👈 cache created
    "cache_read_input_tokens": 0
  }
}
---
{
  "prompt_tokens": 7042,
  "completion_tokens": 572,
  "total_tokens": 7614,
  "prompt_tokens_details": {
    "audio_tokens": 0,
    "cached_tokens": 7019,
    "cache_creation_input_tokens": 0,
    "cache_read_input_tokens": 7019 # 👈 cache read
  }
}
⚠️⚠️⚠️ Для моделей Anthropic минимальные требования к Input Tokens при использовании Prompt caching следующие:
  • Claude Opus 4.1, Claude Opus 4, Claude Sonnet 4.5, Claude Sonnet 4, Claude Sonnet 3.7 — 1024 tokens
  • Claude Haiku 4.5, Claude Haiku 3.5 и Claude Haiku 3 — 2048 tokens

​
OpenAI и модели, совместимые с OpenAI

Как правило, эти модели могут поддерживать неявное кэширование. Когда пользователь многократно обращается к одной и той же модели с одинаковым префиксом Prompt, существует определённая вероятность попадания в кэш. 
// Round 1
{
  "model": "gpt-4",
  "messages": [
    {
      "role": "system",
      "content": "HUGE TEXT BODY: Complete API documentation, code style guide, best practices (5000+ lines)"
    },
    {
      "role": "user",
      "content": "How do I authenticate API requests?"
    }
  ]
}

// Round 2 - Documentation cached
{
  "model": "gpt-4",
  "messages": [
    {
      "role": "system",
      "content": "HUGE TEXT BODY: Complete API documentation, code style guide, best practices (5000+ lines)"
    },
    {
      "role": "user",
      "content": "How do I authenticate API requests?"
    },
    {
      "role": "assistant",
      "content": "Use Bearer token in Authorization header..."
    },
    {
      "role": "user",
      "content": "What about rate limiting?"
    }
  ]
}
Ниже приведён пример использования при попадании в кэш 
{
  "prompt_tokens": 3003,
  "completion_tokens": 1564,
  "total_tokens": 4567,
  "prompt_tokens_details": {
    "cached_tokens": 2025 # 👈 cache hitted
  }
}

​
Gemini

В настоящее время поддерживается только неявное кэширование. Неявное кэширование не требует ручной настройки или дополнительной конфигурации cache_control. Когда пользователь многократно обращается к одной и той же модели с одинаковым префиксом Prompt, существует определённая вероятность попадания в кэш. Обратите внимание:
  • Средний TTL (время жизни кэша) составляет 3–5 минут, но может меняться (например, может составлять всего несколько секунд)
  • Gemini 2.5 Flash требует минимальный ввод 1024 tokens, Gemini 2.5 Pro требует минимум 4096 tokens
Ниже приведён пример использования при попадании в кэш: 
{
  "prompt_tokens": 2004,
  "completion_tokens": 1564,
  "total_tokens": 3568,
  "prompt_tokens_details": {
    "cached_tokens": 1994 # 👈 cache hitted
  }
}
В качестве примера ввода можно использовать раздел Модели OpenAI и модели, совместимые с OpenAI.