Praktyczne zastosowania
Prompt caching w Claude: mnożniki, progi i realne oszczędności w 2026
Zaktualizowano: Autor: Andrzej Niemiec6 min czytania
Zapis do cache kosztuje 1,25× lub 2× ceny wejścia, odczyt 0,1× lub mniej. Sprawdzamy progi, mnożniki modeli i moment, w którym cache zaczyna oszczędzać.
Spis treści
- Czym jest prompt caching w Claude?
- Ile kosztuje odczyt z cache i jakie są mnożniki?
- Kiedy cache zwraca się po jednym odczycie?
- Co powoduje cache miss?
- Jakie zastosowania dają największą oszczędność?
- Czy prompt caching działa poza API Anthropic?
- Porównanie: cache 5-minutowy i godzinny
- Kiedy prompt caching się nie opłaca?
- Najczęstsze pytania
- Źródła
Czym jest prompt caching w Claude?
Prompt caching w Claude zapisuje stały prefiks zapytania na serwerze i pozwala odczytywać go przy kolejnych wywołaniach po niższej stawce. Cache obejmuje definicje narzędzi, system prompt i wiadomości w tej kolejności, aż do bloku oznaczonego cache_control. Tokeny wyjściowe nie są cache'owane i zawsze rozliczane są według zwykłej stawki [1]. Mechanizm trafił do API jako funkcja beta 14 sierpnia 2024 r., a 17 grudnia 2024 r. stał się ogólnie dostępny [2].
Modele z tej rodziny wraz z zastosowaniami opisuje strona /claude.
Ile kosztuje odczyt z cache i jakie są mnożniki?
Zapis 5-minutowy kosztuje 1,25× ceny wejścia, zapis godzinny 2×, a odczyt na większości modeli 0,1× ceny wejścia [3]. Wyjątki są istotne: Sonnet 5.5 i Opus 5.5 mają odczyt 0,05×, a Fable 5.1 i Mythos 5.1 — 0,025× [3]. Oszczędność liczy się więc dla konkretnego modelu i konkretnej długości prefiksu, nie dla całej rodziny.
| Model | Odczyt z cache | Zapis 5 min | Cena wejścia za 1 mln tokenów |
|---|---|---|---|
| Claude Sonnet 5.5 | 0,05× | 1,25× | 2 USD |
| Claude Opus 5.5 | 0,05× | 1,25× | 4 USD |
| Claude Fable 5.1 i Mythos 5.1 | 0,025× | 1,25× | 10 USD |
| Claude Haiku 5.5 | 0,1× | 1,25× | 0,10 USD do 100 tys. tokenów, 0,50 USD powyżej |
Ceny to stawki bazowe w USD, bez podatków, według cennika i dokumentacji modeli na październik 2026 [3] [4].
Minimalny blok zależy od modelu. Dokumentacja podaje przykłady: 1024 tokeny dla Sonnet 5, 4096 tokenów dla Haiku 4.5 oraz 512 tokenów dla Fable 5 i Mythos 5 [1]. Krótszy prefiks nie zostanie zapisany, choć API przyjmie zapytanie.
Kiedy cache zwraca się po jednym odczycie?
Przy TTL 5 minut pierwszy odczyt pokrywa nadwyżkę zapisu. Rachunek na jednostkach ceny wejścia wygląda tak: zapis kosztuje 1,25, każdy odczyt 0,1, a zwykłe wywołanie 1. Po jednym odczycie suma wynosi 1,35 wobec 2 dla dwóch wywołań bez cache. Przy TTL godzinnym zapis kosztuje 2, więc próg rentowności wypada po dwóch odczytach [3].
Przykład dla Sonnet 5.5 i 20 000-tokenowego prefiksu przy 50 zapytaniach w oknie TTL: bez cache to 1 mln tokenów wejścia, czyli 2 USD. Z cache zapis obejmuje 25 tys. tokenów przy mnożniku 1,25×, a 49 odczytów po 20 tys. tokenów przy mnożniku 0,05× daje 49 tys. tokenów — razem około 0,15 USD [3]. Zmienny fragment zapytania, na przykład pytanie użytkownika, nadal jest rozliczany jak zwykłe wejście.
Co powoduje cache miss?
Trafienie wymaga identycznego prefiksu do breakpointu i wywołania w oknie TTL. Zmiana treści przed breakpointem, definicji narzędzi, tool_choice, obrazów albo kolejności elementów unieważnia cache [1]. Dynamiczna data w system promptcie gwarantuje miss przy każdym wywołaniu, bo prefiks nigdy nie jest bitowo ten sam. Cache jest osobny dla każdego modelu, więc przełączanie między Sonnet a Haiku nie przenosi zapisanego prefiksu. Kontrola odbywa się przez pola cache_creation_input_tokens i cache_read_input_tokens w odpowiedzi API [1]. Bez ich sprawdzania trudno odróżnić oszczędność od pozornego trafienia.
Jakie zastosowania dają największą oszczędność?
- Długi system prompt w RAG: zasady formatowania odpowiedzi i cytowania źródeł są stałe, a zmienia się tylko pytanie użytkownika.
- Definicje narzędzi w pętli agenta: te same opisy funkcji wracają w każdym kroku, niekiedy kilkanaście razy na jedno zadanie.
- Zestaw przykładów few-shot: identyczny dla wszystkich użytkowników i wystarczająco długi, by przekroczyć próg minimalny.
- Dokument z serią pytań: plik trafia do cache raz, a kolejne pytania go odczytują.
Każdy z tych przypadków działa tylko wtedy, gdy prefiks przekracza próg minimalny i mieści się w oknie TTL. Sposób pracy z modelem w analizie danych opisuje artykuł Claude dla data scientist.
Czy prompt caching działa poza API Anthropic?
Funkcja jest dostępna także przez Amazon Bedrock, Google Cloud i Microsoft Foundry, z różnicami w konfiguracji i progach [5]. W Claude Code caching włącza darmowa wtyczka prompt-caching.ai na licencji MIT; jej autor opisuje, że oszczędności zaczynają się od drugiej tury rozmowy [8]. Jeden z polskich opisów wdrożenia podaje spadek kosztu z 387 USD do 142 USD miesięcznie po połączeniu cache, routingu modeli i przycinania kontekstu, ale to relacja autora, nie pomiar producenta [9].
Porównanie modeli w pracy z kodem opisuje tekst NousCoder-14B vs. Claude Code.
Porównanie: cache 5-minutowy i godzinny
| Kryterium | Cache 5-minutowy | Cache 1-godzinny |
|---|---|---|
| Mnożnik zapisu | 1,25× ceny wejścia | 2× ceny wejścia |
| Czas życia | 5 minut, odświeżany przy użyciu | 1 godzina |
| Kiedy wybierać | seria zapytań w krótkim oknie | rzadsze wywołania i długie sesje |
| Główne ryzyko | wygaśnięcie przy przerwie w ruchu | wyższy koszt pierwszego zapisu |
Kiedy prompt caching się nie opłaca?
Prefix krótszy niż próg minimalny nie zostanie zapisany, więc implementacja nie przyniesie efektu. Narzędzie do jednorazowej analizy dokumentów, gdzie każdy użytkownik wgrywa inny plik i zadaje jedno pytanie, generuje nowy prefiks przy każdym wywołaniu. Podobnie działa prompt z datą, identyfikatorem sesji albo imieniem użytkownika w cache'owanej części. Niski ruch w oknie TTL oznacza, że zapis wygaśnie przed pierwszym odczytem.
Anthropic podawał dla długich promptów redukcję kosztów do 90% i opóźnienia przetwarzania wejścia o 80–85%, ale to wartości zależne od scenariusza, nie gwarancja [6]. W komunikacie z 13 marca 2025 r. producent opisał kolejne zmiany obniżające koszt tokenów [7].
Najczęstsze pytania
Czy prompt caching obniża też koszt odpowiedzi?
Nie. Cache dotyczy wyłącznie tokenów wejścia, a odpowiedź modelu jest generowana od zera przy każdym wywołaniu i rozliczana według stawki wyjściowej. Oszczędność widać więc na długich, powtarzalnych prefiksach, a nie na długich odpowiedziach. Przy krótkich promptach i długich odpowiedziach udział cache w rachunku będzie mały [1].
Jaki jest minimalny rozmiar cache'owanego fragmentu?
Próg zależy od modelu. Dokumentacja podaje 1024 tokeny dla Sonnet 5, 4096 tokenów dla Haiku 4.5 i 512 tokenów dla Fable 5 oraz Mythos 5 [1]. Na innych platformach wartości mogą się różnić. Fragment krótszy od progu nie zostanie zapisany, nawet jeśli w kodzie znajdzie się znacznik cache_control.
Czy cache działa między różnymi modelami?
Nie. Cache jest przypisany do modelu, więc prefiks zapisany dla Sonnet nie zostanie odczytany przez Haiku ani Opus. Routing zapytań między modelami oznacza osobny cache dla każdej ścieżki i osobny koszt zapisu. Przy naprzemiennym użyciu modeli oszczędność bywa mniejsza, niż sugeruje sam mnożnik odczytu [1].
Jak długo trwa cache i czy się przedłuża?
Dostępne są dwa warianty: 5 minut oraz 1 godzina [1]. Wersja 5-minutowa odnawia się przy każdym użyciu, więc seria zapytań bez dłuższych przerw utrzymuje prefiks przy życiu. Przerwa dłuższa niż okno TTL oznacza kolejny zapis i ponowny koszt 1,25× lub 2× ceny wejścia.
Czy trzeba zmieniać kod, żeby korzystać z cache?
Tak. Trzeba wskazać blok cache_control na końcu cache'owanego prefiksu i pilnować, by wszystko przed nim było identyczne między wywołaniami. Część zmienna, na przykład treść pytania, musi znaleźć się po breakpoincie. Warto też czytać pola cache_creation_input_tokens i cache_read_input_tokens, żeby potwierdzić trafienie [1].
Źródła
- Prompt caching (Claude Platform Docs)
- Claude Platform release notes (Claude Platform Docs)
- Pricing (Claude Platform Docs)
- Models overview (Claude Platform Docs)
- Features overview (Claude Platform Docs)
- Prompt caching with Claude (Anthropic)
- Token-saving updates on the Anthropic API (Anthropic)
- Jak zaoszczędzić 90% kosztów tokenów w Claude Code (marcinsalata.com, 2026)
- Optymalizacja tokenów Claude Code — co naprawdę działa (bartoszgaca.pl, 2026)
Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.
Jak powstają teksty: Polityka AI · O redakcji