大模型 Prompt Caching 缓存价格对比与选型指南
💡 缓存降本核心结论
在 2026 年最新大模型 API 定价中，启用提示词缓存（Prompt Caching）后，输入 token 成本最高可节省高达 99.17%（即 120 倍价差），该记录由国产推理旗舰 **DeepSeek V4 Pro** 保持（缓存后仅 ¥0.025/百万 tokens）。相比之下，OpenAI GPT-5.5 和 Anthropic Claude Fable 5 统一提供 **90% 缓存折扣（10 倍价差）**；Zhipu GLM-5 约为 **75% 折扣（4 倍价差）**。这意味着在多轮对话或 Agent 智能体系统中，缓存能帮开发者平均省下 70% 以上的 API 总开销。
主流模型 缓存 vs 非缓存 输入价格对比表
| 模型 | 厂商 | 原输入单价 | 缓存输入单价 | 节省比例 | 价差倍数 | 计费币种 | 核对时间 | 来源 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 🇨🇳 DeepSeek | ¥3.00 | ¥0.0250 | 99.17% | 120.0x | CNY (¥3.00) | 2026-07-12 | 官方定价 |
| DeepSeek V4 Flash | 🇨🇳 DeepSeek | ¥1.00 | ¥0.0200 | 98.00% | 50.0x | CNY (¥1.00) | 2026-07-12 | 官方定价 |
| Gemini 2.5 Flash-Lite | ¥0.68 | ¥0.0679 | 90.00% | 10.0x | USD ($0.10) | 2026-06-01 | 官方定价 | |
| Gemini 2.5 Flash | ¥2.04 | ¥0.2037 | 90.00% | 10.0x | USD ($0.30) | 2026-06-01 | 官方定价 | |
| Claude Haiku 4.5 | 🇺🇸 Anthropic | ¥6.79 | ¥0.6790 | 90.00% | 10.0x | USD ($1.00) | 2026-07-03 | 官方定价 |
| Gemini 3.5 Flash | ¥10.19 | ¥1.0185 | 90.00% | 10.0x | USD ($1.50) | 2026-06-01 | 官方定价 | |
| Gemini 3.1 Pro Preview | ¥13.58 | ¥1.3580 | 90.00% | 10.0x | USD ($2.00) | 2026-06-01 | 官方定价 | |
| GPT-5.4 | 🇺🇸 OpenAI | ¥16.98 | ¥1.6975 | 90.00% | 10.0x | USD ($2.50) | 2026-06-01 | 官方定价 |
| Claude Sonnet 4.6 | 🇺🇸 Anthropic | ¥20.37 | ¥2.0370 | 90.00% | 10.0x | USD ($3.00) | 2026-07-03 | 官方定价 |
| GPT-5.5 | 🇺🇸 OpenAI | ¥33.95 | ¥3.3950 | 90.00% | 10.0x | USD ($5.00) | 2026-06-01 | 官方定价 |
| Claude Opus 4.8 | 🇺🇸 Anthropic | ¥33.95 | ¥3.3950 | 90.00% | 10.0x | USD ($5.00) | 2026-07-03 | 官方定价 |
| Claude Opus 4.7 | 🇺🇸 Anthropic | ¥33.95 | ¥3.3950 | 90.00% | 10.0x | USD ($5.00) | 2026-07-03 | 官方定价 |
| Claude Fable 5 | 🇺🇸 Anthropic | ¥67.90 | ¥6.7900 | 90.00% | 10.0x | USD ($10.00) | 2026-07-03 | 官方定价 |
| GPT-5.1 | 🇺🇸 OpenAI | ¥8.49 | ¥0.8488 | 90.00% | 10.0x | USD ($1.25) | 2026-06-01 | 官方定价 |
| Gemini 2.5 Pro | ¥8.49 | ¥0.8488 | 90.00% | 10.0x | USD ($1.25) | 2026-06-01 | 官方定价 | |
| Gemini 3.1 Flash-Lite | ¥1.70 | ¥0.1698 | 90.00% | 10.0x | USD ($0.25) | 2026-06-01 | 官方定价 | |
| Grok 4.3 | 🇺🇸 xAI | ¥8.49 | ¥1.3580 | 84.00% | 6.3x | USD ($1.25) | 2026-06-01 | 官方定价 |
| Kimi K2.6 | 🇨🇳 Moonshot / Kimi | ¥6.50 | ¥1.1000 | 83.08% | 5.9x | CNY (¥6.50) | 2026-07-12 | 官方定价 |
| Doubao 1.5 Pro | 🇨🇳 字节豆包 | ¥0.80 | ¥0.1600 | 80.00% | 5.0x | CNY (¥0.80) | 2026-07-03 | 官方定价 |
| GLM-4.7 | 🇨🇳 智谱 AI | ¥2.00 | ¥0.4000 | 80.00% | 5.0x | CNY (¥2.00) | 2026-07-12 | 官方定价 |
| MiniMax M2.7 | 🇨🇳 MiniMax | ¥2.10 | ¥0.4200 | 80.00% | 5.0x | CNY (¥2.10) | 2026-06-05 | 官方定价 |
| MiniMax M3 | 🇨🇳 MiniMax | ¥4.20 | ¥0.8400 | 80.00% | 5.0x | CNY (¥4.20) | 2026-06-05 | 官方定价 |
| Doubao Seed 2.1 Pro | 🇨🇳 字节豆包 | ¥6.00 | ¥1.2000 | 80.00% | 5.0x | CNY (¥6.00) | 2026-07-03 | 官方定价 |
| Grok Build 0.1 | 🇺🇸 xAI | ¥6.79 | ¥1.3580 | 80.00% | 5.0x | USD ($1.00) | 2026-06-01 | 官方定价 |
| GLM-5.1 | 🇨🇳 智谱 AI | ¥6.00 | ¥1.3000 | 78.33% | 4.6x | CNY (¥6.00) | 2026-07-12 | 官方定价 |
| 文心 ERNIE 4.5 Turbo | 🇨🇳 百度文心 | ¥0.80 | ¥0.2000 | 75.00% | 4.0x | CNY (¥0.80) | 2026-06-05 | 官方定价 |
| DeepSeek V3.2 | 🇨🇳 DeepSeek | ¥2.00 | ¥0.5000 | 75.00% | 4.0x | CNY (¥2.00) | 2026-07-12 | 官方定价 |
| GLM-5 | 🇨🇳 智谱 AI | ¥4.00 | ¥1.0000 | 75.00% | 4.0x | CNY (¥4.00) | 2026-07-12 | 官方定价 |
* 价格单位为：人民币 ¥ / 百外 (Million) tokens。美元计费厂商按官方原价乘以实时汇率换算。绿色背景表示降幅最显著的机型。
🤔 什么是 Prompt Caching？它是如何工作的？
Prompt Caching（提示词缓存）是一项允许 API 厂商在云端节点上缓存您输入中重复使用部分的机制。当您连续发送包含相同前缀的请求（如相同的 System Prompt、相同的参考文档、或多轮对话中的历史记录）时，模型无需对已被缓存的部分重新进行计算，从而大大降低了计算开销和延迟。
通常，大模型计费中，输入 Token 的计算成本是主要的开销源。通过启用缓存，厂商可以以极低的价格计费（称为缓存输入价），从而给开发者带来巨大的降本空间。
💡 典型省钱场景推荐
- 多轮长对话 (Long Chat)：在客服机器人、AI 伴侣等场景中，每一轮对话都需要携带之前所有的历史消息。如果开启缓存，历史消息只需要在第一轮支付原价，后面的轮次均可以以 1/10 甚至 1/120 的缓存价格计费。
- 长文档 / 知识库分析 (RAG)：当您让 AI 针对一本几十万字的书籍或几百页的代码库反复提问时，如果将整本书/代码库放在 Prompt 的最前部，每次提问只需要支付新问题的 Token 原价，背景文档全部命中缓存，成本骤降。
- 复杂 Agent 系统：智能体系统往往需要携带非常冗长、包含数百个 Step / Tools 定义的 System Prompt。对于这种“大系统提示词”，提示词缓存几乎能提供 90% 恒定的折扣。
❓ FAQ 常见问题解答
Q: 为什么 DeepSeek 的缓存可以做到 120 倍价差，而 OpenAI 和 Anthropic 只有 10 倍？
A: 这主要是由于技术实现和厂商商业定位的不同。DeepSeek 在其推理集群上做了深度定制的 KV Cache 共享和超低延迟调度，硬件成本折旧更低。同时，DeepSeek 一直扮演着“行业价格颠覆者”的角色，通过 ¥0.025/M tokens 这种近乎免费的价格吸引开发者构建高频、长上下文的应用。
Q: 缓存是自动生效的吗？还是需要在 API 中传特殊参数？
• OpenAI (GPT-4o/GPT-5等) 属于自动生效，不需要任何代码修改，系统检测到前缀匹配（超过 1024 tokens）就会自动应用折扣。
• Anthropic Claude 需要在 API 请求的 messages 或 system 节点中手动指定 "cache_control": {"type": "ephemeral"} 属性才可生效，否则仍按原价计费。
• DeepSeek 也是自动生效，只要有超过 1024 tokens 的公共前缀匹配即可享受折扣。
Q: 缓存有有效期吗？
A: 有的。缓存通常属于短期临时缓存（Ephemeral Cache）。对于 Anthropic Claude，缓存的生命周期通常为 5 分钟；DeepSeek 也是几分钟级别。如果在此时间内没有新的请求命中该缓存，缓存就会被自动清理。因此，只有在较为频繁的对话或调用中，缓存才能发挥最大价值。
想评估您的具体 Prompts 跑在各模型上的真实缓存开销？使用我们的 Token 估算器即可自动计算。
去 Token 估算器计算缓存开销 →