Skip to main content
Claude Code、Cline、Cursor を使っている場合でも、自前で Claude API 呼び出しを実装している場合でも、Prompt Cache は請求額を下げるための最重要の調整ポイントです。キャッシュされた input token はわずか 0.1× で課金され、90% の割引になります。 このページは Anthropic の公式ドキュメント(docs.claude.com/en/docs/build-with-claude/prompt-caching)をもとにしており、APIYI の設定に合わせてそのままコピペできる例に調整しています。

一文で言うと

長く、繰り返し使う prompt のプレフィックス(システム指示 / 長い文書 / few-shot の例)を cache_control でマークします。サーバーがそれを保存し、同じプレフィックスで次のリクエストが来たときは再処理をスキップします — おおよそ 10 倍安く、速くなります。一定期間使われないと期限切れになります。

なぜ気にするのか — 倍率を見てください

モデルのベース入力token価格()に対して: 損益分岐点:
  • 5分TTL: 同じプレフィックスを 2回再利用 するだけで損益分岐します(1.25 + 0.1 = 1.35、キャッシュなしの2回のリクエストより安いです)。
  • 1時間TTL: 3回再利用 で損益分岐します(2 + 0.2 = 2.2、3回のリクエストより安いです)。
TTLはスライディングウィンドウです。キャッシュヒットするたびに有効期限のタイマーがリセットされるため、アクティブな会話が途中で期限切れになることはありません。TTLを超えて本当にアイドル状態になった場合のみ、エビクションが発生します。

向いているケース

  • 同じ長いシステムpromptを何度も呼び出す場合(エージェント、チャットボット)
  • マルチターンの会話(過去の各ターンが再利用可能なプレフィックスになる)
  • 1つのドキュメントをバッチ処理する場合(1つの契約について50個の質問をする)
  • 安定した取得チャンクがプレフィックスを形成するRAG

向いていないケース

  • すべてのpromptが最初の文字から異なる
  • 全体が短く、モデルごとの最小値(下記)を一度も超えない

3つの厳守要件

3つすべて必須です。

1. 明示的な cache_control マーカー

content はプレーンな文字列ではいけません。必ず コンテンツブロック配列 にし、キャッシュしたいブロックに cache_control を付けます:

2. 長さはモデルごとの最小値を上回る必要があります

コンテンツがモデルの最小値より短い場合、マーカーがあっても キャッシュされません(エラーは出ず、静かにスキップされます)。Anthropic の公式ドキュメントで確認済みです:
英語のテキストは 1 token あたりおよそ 0.75 語なので、Sonnet 4.6 ではキャッシュを有効にするには、安定したコンテンツが 1,500語以上 あることが目安です。最新のしきい値は必ず Anthropic の公式ドキュメントを参照してください。モデルのバージョンごとに変わることがあります。

3. プレフィックスはバイト単位で完全一致する必要があります

キャッシュは プレフィックスベース です。リクエストの先頭から cache_control マーカーまでのバイトストリームは、前回のリクエストと 完全に同一 でなければなりません。空白、JSON キーの順序、タイムスタンプなど、1 文字でも変わると新しいプレフィックスと見なされ、キャッシュヒットではなく新しい書き込みが発生します。 実践ルール: 安定したものは前に、変動するものは後ろに置きます。

最小の実行可能な例

同じ長いドキュメントを使い、質問だけを変えて 2 回リクエストを送ります。1 回目は書き込み、2 回目はヒットします:
Expected output:
2 回目の呼び出しの read は、1 回目の呼び出しの write とほぼ同じです — 同じプレフィックスが再利用されています。

ヒットしたかどうかの見分け方 — 3つの usage フィールド

各レスポンスで、usage は次を報告します: input token の合計 = 3 つすべての合計です。 cache_read_input_tokens > 0である限り、コストを節約できます。

最もよくある落とし穴

Prompt Cache は Anthropic のネイティブ形式(/v1/messages)でのみ機能します。 OpenAI互換形式(/v1/chat/completions)経由で Claude を呼び出すと、何を送ってもキャッシュフィールドは返ってきません。Claude Code、Cline、Cursor などの高頻度クライアントでは、課金を気にするならネイティブ形式が必須です。

詳細: マルチターン会話

cache_control直近のユーザーメッセージの最後のコンテンツブロックに置きます。新しいターンが追加されるたびに、キャッシュされた読み取り範囲は前のターンの末尾まで自動的に拡張されます:
覚えておくべき厳しい制限は2つあります:
  • 1リクエストあたり、4 cache_control ブレークポイントまでです。
  • 各ブレークポイントのプレフィックス検索ウィンドウは 最大20コンテンツブロック前まで です。それより古いものはヒットの対象になりません。つまり、非常に長い会話では、最新のターンだけをマークしても、以前の履歴全体はカバーできません。
よくあるパターン: ツール定義、system prompt、長いドキュメント、最新の会話ターンそれぞれに1つずつブレークポイントを置き、4つのスロットをすべて使って、異なる頻度で変更されるセクションが互いのキャッシュを無効化しないようにします。

APIYI とキャッシュについて

APIYI はキャッシュ項目をエンドツーエンドで転送します。 あなたが送信したcache_controlは、上流の Claude(AWS Claude または Claude 公式リレー)にそのまま渡され、返されたcache_creation_input_tokens / cache_read_input_tokensはそのままあなたに返されます。コード側で特別な対応は不要です。
自己検証する方法:
  1. 1回目のリクエストでは、usage.cache_creation_input_tokens > 0(書き込み成功)となります。
  2. 数秒以内に、同じプレフィックスをもう一度送信すると、usage.cache_read_input_tokens > 0(ヒット)が表示されるはずです。
  3. 課金ダッシュボードでは、キャッシュ書き込みキャッシュ読み取り が個別に明細化され、公式と同じ倍率(1.25× / 2× / 0.1×)で表示されます。

要約

1. マークします

cache_control: {"type": "ephemeral"} コンテンツブロック上で — プレーン文字列 content はキャッシュされません

2. 十分な長さ

Sonnet 4.6 ≥ 2,048 token、Opus 4.x / Haiku 4.5 ≥ 4,096 token。そうでない場合は黙ってスキップされます。

3. 安定したプレフィックス

先頭は安定させ、後半は変動させます。1文字でもずれるとキャッシュヒットは失われます。

4. 使用状況を確認

実際にお金を節約できたことを証明するのは cache_read_input_tokens > 0 だけです。

関連リンク