OpenAI Prompt Caching 2026 官方计费指南：输入缓存 $/M 与命中率门槛

OpenAI Prompt Caching 2026 官方计费指南：输入缓存 $/M 与命中率门槛

OpenAI Prompt Caching（提示词缓存）是官方 API 自动为开发者降低成本和延迟的核心功能。它适用于 GPT-5.6 系列与 o 系列等支持模型，当提示词包含重复的前缀（如系统提示词、工具定义或稳定上下文）时，OpenAI 会自动命中缓存，实现高达 90% 的输入 token 节省。适用于任何使用 OpenAI API 的开发者，尤其是构建多轮对话、Agent 工作流或批量任务的应用。开发者通过查看账单中的 cached_tokens 字段即可精确对账，避免将 Plus 订阅或非缓存输入计费混淆。

OpenAI 官方定价页最新 Token 价格表（2026 年 8 月）

官方定价页面（https://platform.openai.com/docs/pricing）已明确区分普通输入与缓存输入。以下为 GPT-5.6 系列主力模型的标准价格（Short context 场景，上下文长度 <270K）：

对账单速查逻辑：普通输入按上述价格计费，缓存命中部分仅按缓存输入价格结算。长上下文场景价格通常翻倍（例如 sol 长上下文缓存输入为 1.00 $/M）。Batch API 提供约 50% 折扣，可与缓存叠加使用，具体见下方决策表。

Prompt Caching 如何自动工作：前缀缓存触发与 30 分钟/24 小时保留

OpenAI Prompt Caching 完全自动，无需任何代码修改即可触发。机制基于以下步骤：

1. 请求路由到预热过相同前缀的服务器。
2. 检测精确前缀匹配（默认长度 ≥1024 tokens）。
3. 命中时跳过重算，账单字段显示 cached_tokens（读入缓存部分），无需额外写费（GPT-5.6 之前模型）或仅需 1.25× 普通输入价格（GPT-5.6 及以后模型）。

保留机制：

• GPT-5.6 系列及以后：默认 30 分钟（可通过参数延长，最多更长，实际可能超过）。
• 早期模型：支持 5-10 分钟或 24 小时扩展保留。
• 命中率门槛：连续 5-10 次重复调用同一前缀即可有效命中并节省；高频 Agent 场景下 >60% 命中率即可实现显著节省（低于此则接近普通输入成本）。

开发者可通过 prompt_cache_key 参数优化多键共享，进一步提升命中率。

GPT-5.6 系列 Cache 输入官方价格：$/M 倍率（0.02–0.50 范围）与写价 1.25 倍

GPT-5.6 系列缓存输入价格为普通输入的 10%（0.02–0.50 $/M 范围）。Cache 写（仅 GPT-5.6 以后）按 1.25 倍普通输入价格计费，例如：

• gpt-5.6-luna：普通输入 0.20 $/M，缓存读 0.02 $/M，写 0.25 $/M。
• gpt-5.6-terra：写 2.50 $/M。

节省计算公式（任一模型通用）： `` 节省率 = (命中率 × 90%) - (非命中率 × 10%) - (写费影响) `` 例如：100% 命中（无写） = 90% 节省；80% 命中且需写 10% 前缀 = 净节省约 70%。

o 系列与早期模型缓存节省计算公式：命中率 >60% 即省钱

早期模型（gpt-4o 及之前）缓存读仍享 50-75% 折扣，无写费。o 系列（o1、o3 等）虽官方定价页不显示缓存输入字段，但通过 implicit caching 自动启用，实际节省率与 GPT-5.6 一致（约 90% 输入折扣）。

通用节省公式： `` 净节省 % = (1 - 命中率) × 0.9 - (写费影响 × 写率) ` 命中率 >60% 时，即使带写费，净节省仍为正（开发者账单中 cached_tokens + cache_write_tokens` 可直接复核）。

真实场景命中率门槛：系统提示词/工具定义重复时节省 %

典型 Agent 或工具调用场景中，系统提示词与工具定义重复度极高，命中率可达 80-95%：

• 重复系统指令（固定 2000+ tokens）节省 85-90% 输入成本。
• 工具定义重复（函数描述/参数模板）节省 75-90%。
• 聊天历史前缀重复（多轮对话）节省 70-85%。

建议开发者将稳定内容放在提示词开头，并使用 prompt_cache_breakpoint 标记断点，可将命中率从 60% 提升至 90%以上，从而在账单中精确反映“Cache 字段”节省（例如 10k tokens 缓存读 = 节省 9k tokens）。

Batch API 与 Cache 叠加折扣表：延迟换折扣完整决策

Batch API 提供 50% 基础折扣，可与 Prompt Caching 叠加使用（缓存读再享 90% 额外折扣）。延迟换折扣决策表：

决策原则：命中率 >70% 时优先 Batch + Cache；延迟敏感场景保留标准模式。

对账单字段速查：Input（缓存前） vs Cached Input vs Output

账单字段直接反映缓存节省（从 OpenAI API 响应 usage 中获取）：

• Input（缓存前）：完整提示词 token 数，原始计费基础。
• Cached Input：命中缓存的 token 数，按缓存输入价格计费。
• Output：生成 token 数，按输出价格计费。
• Cache Write（可选，GPT-5.6+）：新写前缀 token，按 1.25× 输入价格计费。
• Usage.total：最终结算金额 = (普通输入 × 非缓存) + (缓存输入 × Cached) + 输出。

示例：前缀 10k tokens 写一次 + 20 次读 9k tokens 缓存 = 节省约 9k tokens（90%），开发者只需对比账单“Cache 字段”与定价页即可。

风险与边界

Prompt Caching 为官方自动机制，无需手动优化，但建议保持提示词前缀一致以维持高命中率。非法律意见声明：本文基于 OpenAI 官方定价页与文档（https://platform.openai.com/docs/pricing 及 https://platform.openai.com/docs/guides/prompt-caching），纯属开发者对账参考，非投资或法律意见。实际计费以 OpenAI 官方账户为准，价格可能随模型更新调整。请查阅最新官方文档验证。

延伸阅读

• 官方 API 计费对照站首页
• GPT Token 单价与 OpenAI API 价格表
• API 流量与计费路径详解
• 账单对账与优化指南
• 更多 Prompt Caching 与 Token 成本工具参考

English summary

OpenAI Prompt Caching 2026 official billing guide explains input cache $/M rates and hit rate thresholds for GPT-5.6 and o-series models. Developers can automatically save up to 90% on repeated prompt prefixes like system instructions or tool definitions. Cache works for prompts ≥1024 tokens with 30-minute minimum retention (longer in practice). For GPT-5.6+, cache writes cost 1.25× base input rate while reads get 90% off; early models have no extra write fee. Savings formulas and real-world examples (e.g., 80%+ hit rate on stable prefixes) help reconcile billing fields like cached_tokens vs cache_write_tokens. Batch API overlays 50% discount with caching for cost optimization. Always verify latest rates on openai.com/api/pricing as they update monthly. This guide serves as a developer resource for precise cost calculation without mixing Plus subscriptions or API pricing.