Leitfaden zu den Kosten von Prompt Caching: Cache-Treffer, Präfixe und tatsächliche API-Ausgaben

Die Kosten für Prompt Caching hängen davon ab, ob Ihre zweite Anfrage exakt wie die erste aussieht, und nicht von dem beworbenen Rabatt. In unserer Schätzung für einen 20.000-Token-System-Prompt bei claude-sonnet-5 kosten 1.000 Anfragen etwa 18,18 $ ohne Caching und etwa 2,00 $, wenn jede Anfrage nach der ersten den Cache trifft. Derselbe Prompt kostet mehr als die Basislinie ohne Caching, wenn sich das Präfix bei jedem Aufruf ändert. Dieser Leitfaden verwendet die am 03.10.2026 beobachteten TokenLab-Preise, um aufzuzeigen, wo diese Grenze liegt, und markiert, was wir in den Dokumentationen nicht bestätigen konnten.

Wichtige Erkenntnisse

• Bei den fünf von uns geprüften Modellen kostet ein Cache-Lesezugriff 2 % bis 10 % des normalen Eingabepreises. Zwei der fünf führen keinen Preis für Cache-Schreibzugriffe auf.
• Wo ein Schreibpreis existiert, entspricht er entweder dem Eingabepreis (deepseek-v4.1-flash) oder dem 1,25-Fachen des Eingabepreises (claude-sonnet-5, claude-sonnet-5-5).
• Nach unserer Berechnung amortisiert ein Cache-Treffer pro Schreibvorgang den 1,25-fachen Schreibaufschlag. Dies setzt voraus, dass der Cache-Eintrag noch aktiv ist; die Cache-Lebensdauer ist in den von uns gelesenen Unterlagen nicht dokumentiert.
• Caching reduziert nur die Eingabeseite der Rechnung. Output-Token werden wie bisher berechnet.
• Die von uns gelesenen TokenLab-API-Dokumentationen nennen kein Feld für gecachte Token in usage. Protokollieren Sie das rohe Objekt aus Ihrem eigenen Test und gleichen Sie es mit Usage ab.

Kosten für Prompt Caching nach Modell: Lese-, Schreib- und Eingabepreise

Wir haben die Live-Modell-API für jedes der unten aufgeführten Modelle am 03.10.2026 ausgelesen. Alle fünf führen prompt-cache in ihren Fähigkeiten auf, und die Preisgestaltung wurde zuletzt am 02.10.2026 um 16:53:30.068Z aktualisiert. Die Preise sind in USD pro 1 Mio. Token angegeben.

Modell	Eingabe	Cache-Lesen	Cache-Schreiben	Lesen als Anteil der Eingabe	Schreiben vs. Eingabe
claude-sonnet-5	0,90	0,09	1,125	10%	1,25x
claude-sonnet-5-5	0,60	0,06	0,75	10%	1,25x
gpt-5.5	1,50	0,15	keine Angabe	10%	nicht angegeben
deepseek-v4.1-flash (außerhalb der Spitzenzeit)	0,15	0,003	0,15	2%	1,0x
deepseek-v4.1-flash (Spitzenzeit)	0,30	0,006	0,30	2%	1,0x
gemini-3.8-flash	0,375	0,0375	keine Angabe	10%	nicht angegeben

Die beiden Prozentspalten sind unsere eigene Division der aufgeführten Preise.

Quellen, alle beobachtet am 03.10.2026:

• claude-sonnet-5 (Modellseite: /models/claude-5/claude-sonnet-5)
• claude-sonnet-5-5 (Modellseite: /models/claude-5/claude-sonnet-5-5)
• gpt-5.5 (Modellseite: /models/gpt-5-5/gpt-5.5)
• deepseek-v4.1-flash (Modellseite: /models/deepseek-v4/deepseek-v4.1-flash)
• gemini-3.8-flash (Modellseite: /models/gemini-3/gemini-3.8-flash)

Drei Details sind beim Lesen dieser Tabelle wichtig.

Erstens führen gpt-5.5 und gemini-3.8-flash einen Cache-Lesepreis, aber keinen Cache-Schreibpreis auf. Wir können anhand dieser Daten nicht sagen, wie ein erstmaliges Präfix bei diesen beiden abgerechnet wird. Die Belege sagen nicht, dass es kostenlos ist, und sie sagen nicht, dass es zum Eingabepreis abgerechnet wird. Prüfen Sie Usage nach einer ersten Anfrage, bevor Sie eine Prognose auf Basis einer dieser Annahmen erstellen.

Zweitens fanden wir beim Auslesen von deepseek-v4.1-flash zwei Preiseinträge. Der Eintrag off-peak (Selektor offPeak: true) und der Eintrag peak (offPeak: false) unterscheiden sich in jeder Zeile um den Faktor zwei. Ihre Cache-Einsparungen pro Token haben den gleichen Prozentsatz, aber die absoluten Dollarbeträge verdoppeln sich zu Spitzenzeiten.

Drittens sind dies öffentliche TokenLab-Preise. Der Abrechnungsleitfaden (beobachtet am 03.10.2026) besagt, dass eine abgeschlossene Anfrage einmal für die Lieferoption berechnet wird, die sie erzeugt hat. Official folgt dem öffentlichen Preis des Modellherstellers; bestätigen Sie also, welche Option Ihre Anfrage bedient hat, bevor Sie sie mit der Preisliste eines Herstellers vergleichen.

Die Referenz "Get a Model" zeigt gpt-5.6-terra mit prompt-cache unter seinen Fähigkeiten. Die Beispielantwort enthält keine Preise, daher haben wir dieses Modell aus der Tabelle weggelassen. Wir haben die anderen Modelle im Katalog nicht überprüft.

Ein praktisches Beispiel für Prompt-Caching-Kosten: ein langer System-Prompt

Hier ist das Szenario, mit allen angegebenen Eingabewerten, damit Sie Ihre eigenen Zahlen einsetzen können. Dies sind unsere Annahmen, keine Messungen.

• Ein 20.000-Token-System-Prompt und Tool-Block, identisch bei jeder Anfrage.
• Eine 200-Token-Benutzernachricht, die sich bei jeder Anfrage ändert.
• 1.000 Anfragen, wobei der Cache für den gesamten Durchlauf aktiv bleibt, also gibt es einen Schreibvorgang und 999 Lesezugriffe.
• Output-Token werden ignoriert, da sie mit oder ohne Caching gleich viel kosten.

claude-sonnet-5 bei 0,90 Eingabe, 0,09 Lesen und 1,125 Schreiben pro 1 Mio. Token:

• Ohne Caching: 1.000 × 20.200 = 20.200.000 Token × 0,90 $/1 Mio. = 18,18 $
• Cache-Schreiben: 20.000 × 1,125 $/1 Mio. = 0,0225 $
• Cache-Lesen: 999 × 20.000 = 19.980.000 × 0,09 $/1 Mio. = 1,7982 $
• Ungecachte Suffixe: 1.000 × 200 = 200.000 × 0,90 $/1 Mio. = 0,18 $
• Mit Caching: 0,0225 + 1,7982 + 0,18 = etwa 2,00 $, ungefähr 89 % unter dem Wert ohne Caching

Nun der Fehlerfall, bei dem sich das Präfix bei jedem Aufruf leicht ändert, sodass jede Anfrage einen Schreibvorgang bezahlt und nie liest. Das kostet 1.000 × 20.000 × 1,125 $/1 Mio. = 22,50 $ für Präfixe, plus die gleichen 0,18 $ für Suffixe. Die Gesamtsumme beträgt etwa 22,68 $, was 4,50 $ (25 %) über den 18,18 $ ohne Caching liegt.

Der Break-even ergibt sich aus denselben Preisen. Pro 1 Mio. Präfix-Token kostet ein Schreibvorgang 0,225 $ mehr als eine einfache Eingabe, und jeder Lesezugriff spart 0,81 $. Ein Treffer amortisiert den Schreibvorgang mit Spielraum (0,225 ÷ 0,81 ≈ 0,28 Lesezugriffe pro Schreibvorgang).

Dasselbe Szenario bei den anderen Modellen:

Modell	Kein Cache	Mit Cache (Schätzung)	Annahme für die erste Anfrage
claude-sonnet-5	18,18 $	2,00 $	aufgeführter Schreibpreis
claude-sonnet-5-5	12,12 $	1,33 $	aufgeführter Schreibpreis
deepseek-v4.1-flash off-peak	3,03 $	0,09 $	aufgeführter Schreibpreis
deepseek-v4.1-flash peak	6,06 $	0,19 $	aufgeführter Schreibpreis
gpt-5.5	30,30 $	3,33 $	kein Schreibpreis aufgeführt; wir haben 20.000 Token zum Eingabepreis berechnet
gemini-3.8-flash	7,58 $	0,83 $	kein Schreibpreis aufgeführt; wir haben 20.000 Token zum Eingabepreis berechnet

Für gpt-5.5 lautet die Rechnung 20.000 × 1,50 $/1 Mio. = 0,03 $, plus 19.980.000 × 0,15 $/1 Mio. = 2,997 $, plus 200.000 × 1,50 $/1 Mio. = 0,30 $. Die beiden markierten Zeilen beruhen auf einer Annahme, die durch die Belege nicht gestützt wird, betrachten Sie sie also als grobe Schätzung.

Einen Prompt cache-fähig machen: Was die Dokumentation bestätigt

Die Belege stützen eine kurze Liste von Anforderungen.

1. Wählen Sie ein Modell, das prompt-cache auflistet. Das capabilities-Array aus Get a Model (beobachtet am 03.10.2026) ist die Prüfung. Ein Modell ohne dies bietet Ihnen keine Grundlage, einen Rabatt zu erwarten.
2. Halten Sie den geteilten Inhalt an einer stabilen Position. Beim Messages-Endpunkt ist system ein Feld auf oberster Ebene und nimmt einen String oder ein Array von Inhaltsblöcken entgegen. Bei Chat Completions stehen Systemanweisungen in messages. In jedem Fall sollte das wiederholte Material zuerst kommen.
3. Senden Sie identische Bytes bis zur Grenze. Dies ist die Exakt-Präfix-Regel aus der ursprünglichen Version dieses Artikels, und sie entspricht der Funktionsweise der Tabellenpreise. Ein Lesepreis gilt nur für den Teil des Prompts, der übereinstimmte.

Anfrage A: [ System-Prompt + Tool-Definitionen ] [ Benutzeranfrage A ]
           ▲───────────── GECACHTES PRÄFIX ─────▲ ▲── SUFFIX ──▲

Anfrage B: [ System-Prompt + Tool-Definitionen ] [ Benutzeranfrage B ]
           ▲─────────── CACHE-TREFFER (LESEN) ──▲ ▲── SUFFIX ──▲

Drei Gewohnheiten unterbrechen die Wiederverwendung am häufigsten:

• Zeitstempel, Benutzer-IDs oder Sitzungs-IDs am Anfang eines System-Prompts.
• Tool-Definitionen oder JSON-Schlüssel, die zwischen Anfragen neu angeordnet wurden.
• Änderungen bei Einrückungen oder Zeilenumbrüchen im geteilten Text.

Eine Anfragestruktur, die die Create Message-Referenz dokumentiert:

{
  "model": "claude-sonnet-5",
  "max_tokens": 512,
  "system": [
    {
      "type": "text",
      "text": "Du bist ein Support-Assistent. Die folgende Richtlinie regelt alle Antworten: [Vollständiger Richtlinientext]"
    }
  ],
  "messages": [
    { "role": "user", "content": "Wie lang ist die Rückgabefrist für beschädigte Artikel?" }
  ]
}

Ein früherer Entwurf dieses Artikels enthielt eine cache_control-Markierung vom Typ ephemeral in diesem Systemblock. Die Create Message-Referenz, die wir am 03.10.2026 gelesen haben, führt dieses Feld nicht auf, daher haben wir es aus dem Beispiel entfernt. Dasselbe gilt für die minimale Präfixlänge und die Cache-Lebensdauer. Wir haben in den von uns gelesenen TokenLab-Dokumentationen keine Zahlen für beides gefunden. Bevor Sie sich auf eine explizite Markierung oder eine TTL verlassen, testen Sie Ihr gewähltes Modell und vergleichen Sie die Anzahl der gecachten Token über zwei identische Aufrufe hinweg.

Cache-Preise lesen und gecachte Token bestätigen

Kopieren Sie die obige Tabelle nicht in den Code. Der Abrechnungsleitfaden besagt, dass der aktuelle Preis gelesen werden soll, wenn Ihre Anwendung ihn benötigt. Zwei dokumentierte Routen:

curl "https://api.tokenlab.sh/v1/models/claude-sonnet-5"
curl "https://api.tokenlab.sh/v1/pricing?provider=openai&tag=chat"

Die erste gibt die Fähigkeiten, Limits und Preise eines Modells zurück. Eine unbekannte Modell-ID gibt 404 model_not_found zurück. Die zweite ist ein öffentlicher Endpunkt, der keinen API-Schlüssel benötigt. Die dokumentierte Beispielantwort zeigt input_per_1m_tokens und output_per_1m_tokens für gpt-4o und keine Cache-Felder. Das updated_at in diesem Beispiel ist der 20.04.2026, was Beispieldaten sind, keine aktuellen Preise. Für Cache-Preise haben wir den modellbezogenen Endpunkt verwendet.

Um zu bestätigen, dass das Caching funktioniert hat, sind die dokumentierten usage-Objekte dünner, als Sie vielleicht hoffen. Chat Completions listet prompt_tokens, completion_tokens und total_tokens auf. Messages listet input_tokens und output_tokens auf. Keine Referenz nennt ein Feld für gecachte Token. Der Leitfaden zu Kosten für Coding-Agenten (beobachtet am 03.10.2026) besagt, dass die Nutzung gecachter Token in der Antwort oder in Usage bestätigt werden soll und dass Eingabe-, Ausgabe- und gecachte Token pro Aufgabe aufgezeichnet werden sollen.

Ein Test, den wir durchführen würden:

1. Senden Sie dieselbe Anfrage mit langem Präfix zweimal, im Abstand von wenigen Sekunden, wobei nur die letzte Benutzernachricht geändert wurde.
2. Protokollieren Sie das vollständige rohe usage-Objekt aus beiden Antworten, plus billing_transaction_id, falls vorhanden.
3. Vergleichen Sie die Kosten der zweiten Anfrage in Usage mit der obigen Arithmetik. Ein Cache-Treffer sollte nahe bei der "Mit Cache"-Zahl liegen, nicht bei der ungecachten.
4. Wiederholen Sie dies mit einer bewusst geänderten ersten Zeile, um die Kosten bei einem Fehlschlag zu sehen.

Für Streaming Chat Completions setzen Sie stream_options.include_usage: true, um die Nutzung in den Stream-Chunks zu erhalten. Ein Abrechnungs-Header kann bei Streams fehlen, verwenden Sie also Usage für die endgültige Abrechnung. Der Leitfaden zur Fehlerbehebung beschreibt auch GET /v1/management/api-keys/{keyId}/usage, das nach model, startDate und endDate für den serverseitigen Abgleich filtert.

Wann sich Prompt-Caching-Kosten nicht auszahlen

Caching ist eine Wette auf wiederkehrenden Datenverkehr. Es verliert in diesen Situationen:

• Das Präfix wiederholt sich nie. Ein einmaliges 20.000-Token-Dokument zahlt jeden Schreibaufschlag und verdient nichts zurück.
• Anfragen kommen zu langsam an. Wenn die Lücke zwischen übereinstimmenden Anfragen die Cache-Lebensdauer überschreitet, ist jeder Aufruf ein neuer Schreibvorgang. Wir haben diese Lebensdauer in den Belegen nicht gefunden, messen Sie also Ihre eigene Lücke gegen das, was auf der Seite des Modells angegeben ist.
• Das Präfix ändert sich vor der Grenze. Die 25 % Mehrausgaben im Fehlerfall oben stammen genau aus diesem Muster.
• Das Präfix ist klein. Einsparungen skalieren mit Präfix-Token. Ein paar hundert Token sparen Bruchteile eines Cents pro Aufruf, und die minimale cache-fähige Größe ist in den Belegen nicht enthalten.
• Der Output dominiert die Rechnung. Caching kürzt nur die Eingabe. Wenn Antworten lang sind, macht die Cache-Zeile einen kleinen Anteil der Gesamtsumme aus.
• Das Modell führt keinen Cache-Preis auf. Der Abrechnungsleitfaden besagt, dass ein Strich in der TokenLab-Preisspalte kein verifiziertes Angebot bedeutet, nicht kostenlos. Prüfen Sie die Preisdetails eines Modells, bevor Sie auf einen Rabatt zählen.

Workload-Muster	Caching-Rentabilität	Warum
Multi-Turn-Tool-Schleifen	Hoch	Anweisungen und Tool-Definitionen bleiben über Schritte hinweg fixiert.
Viele Benutzer fragen ein großes Dokument ab	Hoch	Verkehrsspitzen amortisieren den Schreibvorgang schnell.
Seltene Hintergrundjobs	Niedrig	Lücken, die größer als die Cache-Lebensdauer sind, erzwingen wiederholte Schreibvorgänge.
Variierende System-Prompts	Niedrig	Änderungen vor der Grenze unterbrechen die Übereinstimmung.

Prompt Caching unterscheidet sich auch vom Tipp "Implement caching" im Abrechnungsleitfaden, was bedeutet, Antworten für wiederholte identische Anfragen in Ihrer eigenen App zu speichern. Das vermeidet den Modellaufruf vollständig, hilft aber nur, wenn die gesamte Anfrage wiederholt wird. Für lange Agenten-Sitzungen behandelt der Leitfaden zu Kosten für Coding-Agenten Kontextgröße, Ausgabelimits und Modellwahl neben dem Caching.

FAQ

Macht ein Cache-Treffer eine Anfrage immer billiger?

Nur für das übereinstimmende Präfix und nur, wenn das Modell einen Cache-Lesepreis auflistet. Bei den von uns geprüften Modellen kostet ein Lesezugriff 2 % bis 10 % der Eingabe. Das Suffix und alle Output-Token werden zu normalen Sätzen berechnet. Ein Fehlschlag bei einem Modell mit Schreibaufschlag kann mehr kosten als ein ungecachter Aufruf.

Ist ein fehlender Cache-Schreibpreis dasselbe wie kostenlos?

Nein. Für gpt-5.5 und gemini-3.8-flash listete die Live-API am 03.10.2026 einen Cache-Lesepreis und keinen Schreibpreis auf. Führen Sie eine erste Anfrage durch und lesen Sie die Gebühr in Usage, anstatt von Null oder dem Eingabepreis auszugehen.

Wo kommen benutzerspezifische Werte in einen cache-fähigen Prompt?

Setzen Sie sie nach den geteilten Inhalt, in die Benutzernachricht oder einen späten messages-Eintrag. Alles, was vor dem geteilten Block variiert, ändert das Präfix und erzwingt einen neuen Schreibvorgang. Das beinhaltet Zeitstempel, Sitzungs-IDs und neu angeordnete Tool-Listen.

Warum zeigen wiederholte Anfragen keine gecachten Token?

Wir würden vier Dinge nacheinander prüfen. Listet das Modell prompt-cache auf? Ist das Präfix zwischen den Aufrufen Byte-identisch? Kam der zweite Aufruf innerhalb der Cache-Lebensdauer an? Ist die gecachte Anzahl in einem Feld, das Ihre Protokollierung verwirft? Die Dokumentationen, die wir gelesen haben, nennen dieses Feld nicht, also protokollieren Sie das gesamte usage-Objekt.

Vergleichen Sie Live-Cache-Preise, bevor Sie sich auf der TokenLab-Modellseite für ein Modell entscheiden.