Затраты, оплата и эксплуатация22 сентября 2026 г.Flatkey Team

Кэширование промптов OpenAI (октябрь 2026): как работает, цены и ROI

Кэширование промптов OpenAI работает автоматически, а кэшированный ввод тарифицируется примерно по 0,1 от обычной цены. Разбираем цены записи и чтения на октябрь 2026 года, TTL 30 минут и 12 часов, явные breakpoints, расчёт ROI и сравнение с Claude и Gemini.

Кэширование промптов OpenAI (октябрь 2026): как работает, цены и ROI

Кэширование промптов OpenAI включено по умолчанию: если запрос начинается с того же префикса (не менее 1024 токенов на GPT-5.6 и новее), что и недавний запрос, OpenAI повторно использует сохранённые вычисления и тарифицирует эти токены по цене кэшированного ввода — примерно на 90–95% дешевле обычного ввода. На GPT-5.6 и новее вы также платите разовую запись в кэш: 1,25x от цены ввода для срока по умолчанию в 30 минут или 2,5x для 12 часов (по данным на 25 октября 2026 года). Если префикс используется повторно хотя бы один раз за время жизни, кэш уже обходится дешевле, чем двукратная отправка.

В этом руководстве объясняется, как работает кэш OpenAI, сколько он стоит на текущих моделях, как управлять им с помощью breakpoints и TTL, как измерить экономию и чем он отличается от кэширования в Anthropic и Gemini. Все тарифы взяты из руководства OpenAI по кэшированию промптов и страницы цен OpenAI API, проверено 25 октября 2026 года.

Цены на кэширование промптов OpenAI

Цены стандартного уровня за 1 млн токенов:

Модель	Ввод	Кэшированный ввод (чтение)	Запись на 30 мин	Запись на 12 ч	Вывод
gpt-6-astra	$10,00	$1,00	$12,50	$25,00	$50,00
gpt-6.1-sol	$2,00	$0,10	$2,50	$5,00	$10,00
gpt-6-luna	$0,10	$0,01	$0,125	$0,25	$0,50
gpt-5.6-sol	$4,00	$0,40	$5,00	$10,00	$20,00

Чтение из кэша стоит 0,1x от цены некэшированного ввода на большинстве моделей и 0,05x на GPT-6.1 Sol. Уровень Batch вдвое снижает все значения в таблице, а режим Fast удваивает их. Для региональных эндпоинтов с резидентностью данных действует надбавка 10% на модели, выпущенные 5 марта 2026 года и позже.

Частое заблуждение: цена записи в кэш — это не дополнительная плата сверх ввода. Каждый входной токен тарифицируется один раз — по цене некэшированного ввода, чтения из кэша или записи в кэш. Запись на 30 минут стоит на 25% дороже обычного ввода для этих токенов, а каждое последующее попадание — 10% (или 5%) от него.

Как работает кэширование промптов OpenAI

Читая промпт, модель вычисляет состояния «ключ — значение» (KV) для каждого токена. Кэширование сохраняет эти состояния для переиспользуемого префикса — неизменного начала промпта. Если следующий запрос начинается точно с того же префикса и находит подходящую запись в кэше, модель не пересчитывает его, что снижает и стоимость, и время до первого токена.

Кэшируемый префикс охватывает всё, что OpenAI формирует до момента изменения вашего контента: скрытый системный контент, сообщения developer, определения инструментов и историю диалога, включая текст, изображения, документы и поддерживаемое аудио. Совпадение должно быть точным. Если что-то меняется до breakpoint — например, метка времени в системном промпте, порядок инструментов или другое изображение, — всё после этого изменения считается промахом.

Ключевые правила для GPT-5.6 и новее:

Минимальная длина: чтобы попасть в кэш, префикс должен содержать не менее 1024 токенов. Скрытые системные токены OpenAI не учитываются.
Breakpoints: breakpoint отмечает конец префикса, который можно записать в кэш. В неявном режиме (по умолчанию) OpenAI ставит его в конце последнего подходящего сообщения. В явном режиме вы сами задаёте места с помощью prompt_cache_breakpoint.
До четырёх записей на запрос: каждый запрос может создать до четырёх записей в кэш, поэтому можно кэшировать слои, меняющиеся с разной скоростью.
Время жизни: задайте prompt_cache_options.ttl как "30m" (по умолчанию) или "12h" в Responses API. Чтение стоит одинаково в обоих случаях.

На моделях до GPT-5.6 доступно только неявное кэширование. Срок хранения задаётся через prompt_cache_retention: in_memory хранит записи около 5–10 минут бездействия (до часа), а 24h продлевает срок до 24 часов. Для организаций без Zero Data Retention по умолчанию действует 24h, для организаций с ZDR — in_memory. На этих старых моделях стабильный prompt_cache_key помогает направлять связанные запросы в один и тот же кэш. OpenAI советует держать нагрузку на один ключ в пределах примерно 15 запросов в минуту, а более интенсивный трафик распределять по нескольким ключам.

Когда кэширование окупается

В руководстве OpenAI приведён базовый расчёт. При чтении по 0,1x и записи по 1,25x однократная запись префикса и одно повторное использование стоят 1,35x от обычной цены ввода против 2x при двукратной отправке. Десять запросов с одной записью и девятью чтениями стоят 2,15x против 10x без кэша.

Запросов с общим префиксом	Без кэша	Кэш на 30 минут	Кэш на 12 часов	Экономия с кэшем на 30 минут
1	1,00×	1,25×	2,50×	−25%
2	2,00×	1,35×	2,60×	33%
10	10,00×	2,15×	3,40×	79%
100	100,00×	11,15×	12,40×	89%

Срок в 12 часов имеет смысл, только если интервал между запросами превышает 30 минут, но префикс всё равно используется многократно — например, объёмное руководство по продукту, к которому в течение рабочего дня обращается малонагруженный внутренний инструмент.

OpenAI также объясняет, когда стоит дополнять короткий префикс до минимума. При минимуме 1024 токена, чтении по 0,1x и записи по 1,25x дополнение выгоднее, если исходный префикс длиннее 102,4 + 1177,6 / N токенов, где N — число запросов. При 10 запросах расширять до 1024 токенов выгодно префиксы от 221 токена.

Пример расчёта

Допустим, ассистент поддержки на gpt-6.1-sol обрабатывает 50 000 запросов в день. Каждый запрос отправляет стабильный префикс на 8000 токенов (инструкции, определения инструментов и регламенты) и сообщение пользователя на 500 токенов, а получает ответ на 400 токенов. Трафик ровный, поэтому кэш на 30 минут перезаписывается около 48 раз в день.

Статья ежедневных расходов	Без кэширования	С явным кэшированием
Стабильный префикс	400 млн × $2,00 = $800,00	запись: 0,38 млн × $2,50 = $0,96; чтение: 399,6 млн × $0,10 = $39,96
Сообщение пользователя	25 млн × $2,00 = $50,00	25 млн × $2,00 = $50,00
Вывод	20 млн × $10,00 = $200,00	20 млн × $10,00 = $200,00
Итого	$1050,00	≈ $290,92

Это снижение ежедневного счёта примерно на 72%. Статья вывода одинакова в обоих столбцах, поэтому, когда кэш заработал, следующий рычаг — более короткие ответы.

Почему здесь явный режим? В неявном режиме breakpoint стоит в конце последнего сообщения, поэтому 500 меняющихся токенов пользователя тоже каждый раз записывались бы в кэш по 1,25x. В этом примере это добавляет около $12,50 в день. Явный режим позволяет завершить запись сразу после стабильного префикса, и сообщение пользователя тарифицируется по обычной цене ввода.

Как настроить

Чтобы пользоваться неявным кэшированием, код не нужен. Для управления используйте Responses API. Этот запрос кэширует общие инструкции на 12 часов, контекст сессии — на 30 минут, а текущий вопрос оставляет вне кэша:

curl https://api.openai.com/v1/responses \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6.1-sol",
    "prompt_cache_options": { "mode": "explicit", "ttl": "30m" },
    "input": [
      { "role": "developer", "content": [
        { "type": "input_text", "text": "<shared instructions and policy docs>",
          "prompt_cache_breakpoint": { "mode": "explicit", "ttl": "12h" } } ] },
      { "role": "user", "content": [
        { "type": "input_text", "text": "<session context>",
          "prompt_cache_breakpoint": { "mode": "explicit" } },
        { "type": "input_text", "text": "What is the refund window for annual plans?" } ] }
    ]
  }'

Считывайте поля кэша из каждого ответа и записывайте их в лог:

from openai import OpenAI

client = OpenAI()
resp = client.responses.create(model="gpt-6.1-sol", input=[...])  # same input as above

d = resp.usage.input_tokens_details
print("input:", resp.usage.input_tokens)
print("cache reads:", d.cached_tokens)
print("cache writes:", d.cache_write_tokens)
hit_rate = d.cached_tokens / max(resp.usage.input_tokens, 1)
print(f"token cache-hit rate: {hit_rate:.0%}")

Для моделей с поддержкой prompt_cache_options поле cache_write_tokens_details разделяет записи на ttl_30m_tokens и ttl_12h_tokens. Значение cached_tokens округляется вниз до кратного 128. OpenAI также предлагает Prompt Caching Dashboard для отслеживания доли попаданий и инструмент Prompt Cache Diagnostics, объясняющий причины промахов.

Правила построения промптов, повышающие долю попаданий

Статичное — в начало, динамичное — в конец. Размещайте вверху инструкции, схемы инструментов, few-shot-примеры и справочные документы. Внизу — сообщение пользователя, найденные фрагменты и всё, что содержит дату или ID.
Зафиксируйте список инструментов. Изменение определений инструментов ломает префикс. Если разным запросам нужны разные инструменты, оставьте определения неизменными и меняйте только набор доступных для вызова.
Дописывайте, а не переписывайте. В многоходовых диалогах добавляйте новые реплики в конец. Суммаризация или правка прошлых реплик делает кэш недействительным.
Держите настройки стабильными. Модель, настройки рассуждений и другие параметры запроса могут менять сформированный префикс. Зафиксируйте их для кэшируемого трафика.
Следите за fallback. При переключении на другую модель или провайдера вы начинаете с холодного кэша. В нашем руководстве по стратегиям fallback для моделей описано, как переключаться, не теряя всю локальность кэша.

Кэширование промптов: OpenAI, Anthropic и Gemini

Кэш нельзя перенести между провайдерами. Механика и цены различаются:

	OpenAI (GPT-5.6+)	Anthropic Claude	Google Gemini
По умолчанию	Автоматически	Включается через `cache_control` (автоматически или поблочно)	Неявное кэширование автоматически на Gemini 2.5 и новее
Минимальный префикс	1024 токена	512 токенов на текущих моделях	4096 токенов на Gemini 4 Argon и 3.8 Flash
Стоимость записи	1,25× (30 мин) или 2,5× (12 ч)	1,25× (5 мин) или 2× (1 ч)	Без платы за запись при неявном; явное добавляет почасовое хранение
Стоимость чтения	0,1× (0,05× на GPT-6.1 Sol)	0,1× (0,05× на Opus 5.5 и Sonnet 5.5)	напр., $0,10 против $2,00 за ввод на Gemini 4 Argon
Поле использования	`cached_tokens`, `cache_write_tokens`	`cache_read_input_tokens`, `cache_creation_input_tokens`	`total_cached_tokens`

Источники: документация Anthropic по кэшированию промптов, цены Claude API, кэширование контекста Gemini и цены Gemini API, все проверены 25 октября 2026 года. Gemini 4 Argon поддерживает только неявное кэширование. Явные объекты кэша работают на поддерживаемых моделях Gemini 3 и 2.5 через generateContent, хранение тарифицируется за миллион токенов в час (например, $0,50 на Gemini 3.8 Flash до 31 декабря 2026 года). DeepSeek тоже кэширует автоматически — см. руководство DeepSeek по кэшированию.

Семидневная проверка ROI кэширования

Прежде чем считать кэширование успешным, измерьте его на реальном трафике:

День 1: выберите высоконагруженный сценарий с длинным общим префиксом. Логируйте для каждого запроса входные токены, cached_tokens, cache_write_tokens, выходные токены и задержку.
Дни 2–3: перенесите весь статичный контент в начало и уберите из него динамические значения. Сравните долю попаданий по токенам (кэшированные токены ÷ входные токены) до и после.
Дни 4–5: если записей много, а чтений мало, трафик слишком редкий для записей на 30 минут. Попробуйте "12h" для стабильного слоя или объедините префикс, чтобы его разделяло больше запросов.
Дни 6–7: посчитайте фактическую стоимость одного принятого ответа, а не только токена. Дешёвый запрос, ответ на который пользователи отвергают, — не экономия.

Для стабильной нагрузки чата или агентов хорошие ориентиры — доля попаданий по токенам выше 60% и как минимум 10 чтений на одну запись. В нашем руководстве по наблюдаемости LLM API и руководстве по дашбордам расхода токенов показано, как построить такие представления.

Место Flatkey

Flatkey — совместимый с OpenAI маршрутизатор: один ключ и один баланс для OpenAI, Claude, Gemini, DeepSeek, Qwen и других моделей. Кэширование у каждого провайдера по-прежнему подчиняется его правилам, поэтому держите промпты стабильными для каждой модели и не меняйте модель на каждом запросе, если хотите попаданий в кэш. Начните с краткого руководства по маршрутизатору, проверьте актуальные тарифы на странице цен Flatkey и загляните в наше руководство по оптимизации расходов на AI API, чтобы найти другие способы сократить траты.

Частые вопросы

Кэширование промптов OpenAI работает автоматически?

Да. Для поддерживаемых моделей OpenAI кэширование включено по умолчанию, и менять код для попаданий в кэш не нужно. На GPT-5.6 и новее можно перейти в явный режим и задавать breakpoints через prompt_cache_breakpoint.

Сколько экономит кэширование промптов OpenAI?

Кэшированный ввод стоит 0,1x от обычной цены на большинстве текущих моделей и 0,05x на GPT-6.1 Sol — скидка 90–95% на кэшированную часть. Итоговая экономия зависит от того, какая доля каждого промпта приходится на общий префикс и как часто он переиспользуется.

Какова минимальная длина промпта для кэширования?

1024 токена для GPT-5.6 и новее. Для более ранних моделей она зависит от настроек запроса. Более короткие префиксы обрабатываются обычным образом, без ошибки.

Сколько живёт кэш промптов OpenAI?

На GPT-5.6 и новее записи живут не менее 30 минут по умолчанию или не менее 12 часов, если задать ttl как "12h". На более ранних моделях in_memory хранит записи около 5–10 минут бездействия, до часа, а 24h — до 24 часов.

Снижает ли кэширование промптов задержку?

Да. Повторное использование кэшированного префикса избавляет от пересчёта и сокращает время до первого токена, особенно на длинных промптах.

Нужно ли платить за запись в кэш?

На GPT-5.6 и новее — да: 1,25x от цены ввода за запись на 30 минут или 2,5x за 12 часов. Эта плата заменяет обычную плату за ввод этих токенов, а не добавляется к ней.

Что такое prompt_cache_key?

Необязательный параметр, который группирует связанные запросы, чтобы они направлялись в один кэш. На моделях до GPT-5.6 он повышает долю попаданий; OpenAI рекомендует около 15 запросов в минуту на ключ.