Claude Opus 5.5 提示缓存：$0.20 缓存读取的盈亏平衡点

你的 agent 在每一次调用里，都把同样的 40,000 token 系统提示词、工具定义和策略文档重新发一遍。按 Claude Opus 5.5 输入每百万 token $4 的价格，这段前缀每发一次就是 $0.16，不管它相比上一次请求有没有哪怕一个字节的变化。

提示缓存就是解法，而 Anthropic 在 Opus 5.5 上给它的定价相当激进。缓存读取是每百万 token $0.20，而新增输入是 $4.00，等于 95% 的折扣。但缓存写入要每百万 $5.00，比不缓存直接发还贵。所以缓存不是白送的钱。它是一次赌你会复用这段前缀的下注，而这个赌注有一个精确的 break-even 点，几乎没人在开启它之前算过。

本文把这笔账算清楚。简短的回答是：针对单个前缀，1.26 次调用就回本；而在稳定状态下，命中率大约 21% 时回本。低于这个数，缓存就是在让你多花钱。

先说量级。OpenAI 在自己的发布会上披露，其中位数研究员每天在编码 agent 上花费超过 $600，90th 百分位每天超过 $7,000。在这种量级下，命中率差 20 个百分点就是一份工资的差别。三次 9 月发布的完整价格图景，见我们的 2026 年 9 月模型价格战解析。

AI Coding 交流群

如果你也在用 AI 写代码，或者正在研究 Cursor、Claude Code 这些工具，欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流，还有各种新工具和新玩法。

决定一切的三档价格

这张表直接给出两个事实。把一段前缀写进缓存，比完全不缓存每百万多花 $1.00。之后每次读取这段前缀，每百万省 $3.80。输出价格始终不动，所以一个靠短 prompt 输出长答案的 agent 在这里没什么可赚，而一个读取大块稳定上下文、只返回一句简短结论的 agent 则收益巨大。

完整的规格表，包括 1,000,000 token 的上下文窗口和 128,000 token 的最大输出，见「Claude Opus 5.5 是什么」。

break-even 点是 1.26 次调用，不是两次

取一段正好一百万 token 的前缀，以及共享它的 N 次调用：一次写入，N 减一次读取。

uncached:  N * $4.00
cached:    $5.00 + (N - 1) * $0.20

4.00N = 5.00 + 0.20(N - 1)
3.80N = 4.80
N     = 1.26

要还清写入溢价，需要 1.26 次调用。由于调用次数只能是整数，这意味着：if the prefix is ever read back even once, caching it was correct. 两次调用就已经让你领先 35%。

这张表假设一次写入、之后完美复用。真实系统要乱得多，这就引出了第二个计算。

稳定状态下，唯一重要的数字是命中率

跑一整天的流量，你不可能只写一次。缓存会过期、前缀会被改动、新租户会进来。设 h 为你的前缀 token 中由缓存提供的比例。未命中按写入计费，命中按读取计费：

effective cost per 1M prefix tokens = $5.00 * (1 - h) + $0.20 * h
                                    = $5.00 - $4.80h

break-even against $4.00 uncached:  h = 1.00 / 4.80 = 20.8%

Twenty one percent is the number to remember. 如果你的前缀 token 里由缓存提供的不足大约五分之一，那么开启缓存只会让你的账单更贵。

两张表其实是同一个等式从两端看，因为每 N 次调用一次写入，对应的命中率就是 (N-1)/N。每写一次用十次，命中率是 90%，两张表给出的都是 83%。

三种请求形态的实算

形态 1：high-frequency agent，小前缀

一个客服分流 agent：40,000 token 的前缀、每轮 800 token 的可变用户输入、600 token 输出，每天 10,000 次调用。假设 3% 的调用发生写入，即 97% 的命中率。

输入这一项降了 89.6%，每天约 $1,462，也就是每月 $43,800。输出在两种情况下都是每天 $120。注意前缀只有 40,000 token。这里缓存能回本靠的是频次，不是规模。

形态 2：对 1M 上下文做一次 one-shot 遍历

一百万 token 进去，一个答案出来，永不复用。不缓存时这次调用的输入成本是 $4.00。缓存后是 $5.00，因为你花钱写了一段没人读的前缀。每天有 500 份文档走这个模式，缓存就让你每天白白多花 $500。

这是人们最常搞错的一种形态，因为上下文极大，而直觉会告诉你这么大的上下文显然需要缓存。规模无关紧要。复用才是唯一的变量。

形态 3：1M 窗口上的长 agent 会话

现在拿同样的一百万 token 上下文，让 agent 在 200 轮里反复读取（re-read），这正是 18 小时任务循环的样子。

即使缓存在会话中途（mid-session）失效四次、你付了五次完整的写入，账单仍然比不缓存低 92%。长会话正是 $0.20 这个价格赢得口碑的地方。

代价高昂的错误：缓存会变的那部分

设想 5,000 份文档，每份 60,000 token，各自摘要一次，前面共用一段 6,000 token 的指令 header。

缓存边界选错，比不缓存还贵 25%。选对了则便宜 9%。同一个功能、同一套价格，$444 的差距完全由缓存前缀在哪里结束决定。

由此得出的规则是：缓存各次调用中完全相同的、最长的那一段开头字节，一个字节都不要多。如果时间戳、请求 ID 或每个请求各自的内容（per-request document）落在缓存前缀里，命中率会直接塌到零，每次调用都按 $5.00 而不是 $4.00 计费。前缀匹配的一般机制见我们的提示缓存入门。

95% 是渐近线，不是你能拿到的折扣

宣传的数字是缓存读取只要新增输入的 5%。但你实际永远不会只付 5%，因为你总归要付至少一次写入。每写一次用 100 次，你落在 94%。每写一次用 10 次，是 83%。只用 2 次，是 35%。

做预算要依据命中率表，而不是宣传数字。一个按 95% 节省建模、实际观察到 83% 的财务团队，会得出这个功能坏了的结论，而它其实完全按定价在工作。

发布材料没有告诉你的东西

这个算术里有三个输入项不在 Anthropic 的 Opus 5.5 发布材料里，而靠猜是最快把预算做错的方式：

• Cache lifetime. 写入的前缀能保持多久的“热”状态，直接决定你的稳定态命中率。上面每一个实算都把 h 当作假设保持不变，而不是平台给出的保证。
• Minimum cacheable prefix length. 平台通常会拒绝缓存过短的前缀。如果你的前缀低于这个下限，那么不管字节多稳定，你的实际命中率都是零。
• Cache scope. 一段热前缀是否在 API key、工作区或区域之间共享，会显著改变多租户（multi-tenant）部署中的写入次数。

在确定任何一个数字之前，先去厂商的定价页面上核对这三项。本文里的价格是公开的，这三项不是。

验证缓存是否真的命中了

这种失效是无声的。前缀变冷时不会有任何东西报错。某个人往系统消息里加了一个 debug ID，命中率从 97% 掉到 0，唯一的信号是三周后账单上的一行。

Messages API 会在每个响应里报告这个拆分：

"usage": {
  "input_tokens": 812,
  "cache_creation_input_tokens": 0,
  "cache_read_input_tokens": 40960,
  "output_tokens": 604
}

第一次调用时，cache_creation_input_tokens 承载前缀。之后的每一次调用，这个字段都应该是 0，而 cache_read_input_tokens 应该承载同样的量。在 Apifox 里把请求保存一次，连发两次，看哪个字段在变。

然后把这个观察变成断言，让它无法悄悄回退。一个 Apifox 测试场景，把请求发两次并在第二个响应上断言 cache_read_input_tokens > 40000，只要同事把前缀变成 non-deterministic，它就会在 CI 里失败。这条 one-line 测试挡在你和前缀账单涨 25x 之间，也是本文中回报最高（highest-return）的一件事。

GPT-6 在同一套算术里的位置

GPT-6 Sol 的输入标价是每百万 $2.00，缓存读取享 90% 折扣，也就是缓存读取每百万 $0.20，和 Opus 5.5 的数字一样。GPT-6 Luna 输入每百万 $0.10，缓存后折合每百万 $0.01。

差别在于我们能不能算。OpenAI 的发布材料没有给出缓存写入价格，所以 GPT-6 的 break-even 复用率无法像 Opus 5.5 那样推导出来。Anthropic 明确公布了 $5.00 的写入价格，才让 21% 这个数字有办法算出来。OpenAI 这次缓存发布的其余内容，包括不破坏缓存（cache-preserving）的 effort 变更和新的诊断工具，见我们的 GPT-6 提示缓存 write-up。

结论

Claude Opus 5.5 上的提示缓存就是一个算术问题：你的前缀 token 里会有超过五分之一是热的吗？如果有，就打开它，并且预期输入这一项降 83% 到 94%，而不是宣传的 95%。如果你的负载是对唯一文档做一次性遍历，那就别开，省下每百万 $1.00 的写入溢价。无论选哪种，都要在 CI 里对 cache_read_input_tokens 做断言，因为缓存的回退从不会自己声张。

开发必备：API 全流程管理神器 Apifox

介绍完上文的内容，我想额外介绍一个对开发者同样重要的效率工具 —— Apifox。作为一个集 API 文档、调试、设计、测试、Mock、自动化测试于一体的工具，Apifox 是目前提升研发效率的首选。

如果你正在开发项目，不妨试试其极其友好的界面设计，它完全兼容 Postman 和 Swagger 数据格式，导入数据非常方便，，即使是新手也能很快上手，点击这里即可注册使用。

值得一提的是，除了个人和常规团队使用，针对有高安全合规要求、或需要在内网环境协作的企业，Apifox 还提供了深度定制的私有化部署方案。

获取专属报价与部署方案

详细的私有化部署系统架构与安全白皮书

针对您公司规模的专属报价单

免费的 1v1 专属产品演示 (Demo) 机会

获取部署方案

* 提交后，我们的客户经理将在 1 个工作日内与您联系

林俊锋 企业微信

@Apifox 专属顾问

扫码备注: 私有化 + 公司名