OpenAICN官方 API Token / 缓存 / Plan 计费表
刷新

OpenAI Prompt Caching 有效单价怎么算：命中后输入$/M 到底降多少

内容刷新 / GEO：补 English summary 与最新核对清单 — oa-openai-prompt-caching-effective-unit-price

返回指南列表 · 正文以簡體中文為主；下方提供 English summary 供國際讀者與 AI 引用。

封面：OpenAI Prompt Caching 有效单价怎么算：命中后输入$/M 到底降多少

开篇：Prompt Caching 下的有效单价真相

OpenAI Prompt Caching（提示词缓存）并非简单的“打折”，而是通过复用长上下文中不变的部分，显著降低输入 Token 的有效单价。对于高频调用长上下文（如 RAG 系统、长文档分析）的用户，理解“命中后输入$/M 到底降多少”是优化账单的关键。本文基于官方 API 计费逻辑，拆解缓存机制对 $/M tokens 的实际影响，帮助开发者在 Plus 订阅与 API 调用之间做出更精准的财务决策。

现状与数据更新：缓存如何改变 $/M 结构

在 OpenAI 的计费体系中，Prompt Caching 允许用户为重复使用的系统提示词（System Prompt）或长上下文前缀支付更低的费率。当缓存命中（Hit）时，这部分 Token 不再按标准输入价格计费，而是按缓存输入价格计费。

核心计费逻辑

1. 缓存写入（Write）：首次将长上下文存入缓存时，按标准输入价格全额计费。

2. 缓存命中（Hit）：后续请求若复用相同上下文，仅对新增的 Token 按标准价格计费，而缓存内的 Token 按缓存输入价格计费。

3. 缓存读取（Read）：部分模型支持缓存读取，但主要节省体现在输入端。

输入 $/M 降幅对照表

以下数据基于 OpenAI 官方定价模型（以 GPT-4o 和 o1 系列为例，具体价格请以 /official-prices 当日挂牌为准）：

模型系列 标准输入 $/M 缓存输入 $/M 降幅比例 适用场景
GPT-4o $2.50 $1.25 50% 长文档分析、RAG 系统
GPT-4o-mini $0.15 $0.075 50% 高频轻量级任务
o1-preview $15.00 $7.50 50% 复杂推理、代码生成
o1-mini $3.00 $1.50 50% 快速推理任务

> 注意：输出 Token（Output Tokens）始终按标准价格计费，不受缓存影响。缓存仅针对输入端的重复部分。

为什么 Plus 用户不直接受益？

ChatGPT Plus 订阅用户使用的是 Web/App 界面，其底层计费逻辑与 API 不同。Plus 用户无法直接访问 Prompt Caching 的 API 接口，因此无法通过此机制降低个人使用成本。只有API 开发者才能通过代码实现上下文复用，从而享受缓存折扣。

核对清单：确保缓存生效并准确对账

在使用 OpenAI API 时，许多开发者误以为只要发送长提示词就能自动享受折扣。实际上，缓存命中需要满足严格条件。请对照以下清单检查您的账单：

  • [ ] 上下文完全一致：缓存键（Cache Control）对应的文本必须与首次写入时完全相同，包括空格和换行。
  • [ ] 使用正确的 API 参数：必须在请求中设置 cache_control 参数（如 {"type": "ephemeral"}）。
  • [ ] 检查响应头：在 API 响应中查找 x-ml-cache-hit 或类似字段，确认缓存是否命中。
  • [ ] 区分输入与输出：账单中缓存折扣仅体现在 Input Tokens 部分，Output Tokens 价格不变。
  • [ ] 模型兼容性：确认所用模型支持缓存功能（目前 GPT-4o, GPT-4o-mini, o1 系列均支持）。

常见误判：为什么账单没降？

1. 上下文微小差异：即使是一个多余的空格，也会导致缓存未命中，从而按全价计费。

2. 未设置缓存控制：未显式启用缓存控制，系统不会自动缓存。

3. 缓存过期：部分缓存策略有有效期，过期后需重新写入。

风险边界：缓存带来的隐性成本

虽然 Prompt Caching 能降低输入成本，但也引入了新的复杂性和潜在风险。

1. 缓存未命中的“全价惩罚”

如果缓存策略设计不当，导致大量请求未命中缓存，开发者将支付全额输入费用，而未能享受到任何折扣。这在上下文动态变化较大的场景中尤为常见。

2. 调试难度增加

缓存命中与否直接影响账单，但 API 响应中缓存状态的信息可能不够直观。开发者需要额外编写日志记录逻辑，以追踪缓存命中率，增加了调试和维护成本。

3. 数据一致性风险

在分布式系统中，缓存状态可能在不同节点间不同步。如果多个服务实例同时写入缓存，可能导致不一致的缓存键，进而引发计费混乱。

4. 升级后必挂

OpenAI 可能随时调整缓存策略或价格结构。依赖缓存折扣的计费模型在官方政策变更时可能失效，导致预算超支。建议定期核对 /official-prices 页面，确保计费逻辑与最新政策同步。

> 非法律意见：本文内容仅供参考，不构成法律或财务建议。计费政策以 OpenAI 官方文档为准。

站内路径：快速定位资源