Prompt Caching Maliyet Rehberi: Cache Hits, Önekler ve Gerçek API Harcamaları

Prompt caching (istemi önbelleğe alma) maliyeti, manşetteki indirime değil, ikinci isteğinizin ilkiyle tamamen aynı görünüp görünmediğine bağlıdır. claude-sonnet-5 üzerinde 20.000 token'lık bir sistem istemi için yaptığımız tahminde, 1.000 istek önbelleksiz yaklaşık 18,18 dolara mal olurken, ilk istekten sonraki her istek önbelleğe isabet ettiğinde yaklaşık 2,00 dolara mal olmaktadır. Eğer önek her çağrıda değişirse, aynı istem önbelleksiz temel maliyetten daha pahalıya gelir. Bu rehber, 03.10.2026 tarihinde gözlemlenen TokenLab fiyatlarını kullanarak bu sınırın nerede olduğunu göstermekte ve belgelerde doğrulayamadığımız noktaları işaretlemektedir.

Önemli Çıkarımlar

• İncelediğimiz beş modelde, bir önbellek okuması normal giriş fiyatının %2 ila %10'una mal olmaktadır. Beş modelden ikisinde önbellek yazma fiyatı listelenmemiştir.
• Yazma fiyatının olduğu durumlarda, bu fiyat ya giriş fiyatına eşittir (deepseek-v4.1-flash) ya da giriş fiyatının 1,25 katıdır (claude-sonnet-5, claude-sonnet-5-5).
• Hesaplamalarımıza göre, yazma başına bir önbellek isabeti, 1,25 katlık yazma primini amorti eder. Bu, önbellek girişinin hala canlı olduğunu varsayar; okuduğumuz belgelerde önbellek ömrü belirtilmemiştir.
• Önbelleğe alma, faturanın yalnızca giriş tarafını düşürür. Çıkış token'ları önceki gibi fiyatlandırılır.
• Okuduğumuz TokenLab API belgelerinde usage (kullanım) içerisinde önbelleğe alınmış token alanı belirtilmemiştir. Kendi testinizden gelen ham nesneyi kaydedin ve bunu Usage ile karşılaştırın.

Modele göre prompt caching maliyeti: okuma, yazma ve giriş fiyatları

Aşağıdaki her model için canlı model API'sini 03.10.2026 tarihinde okuduk. Beş modelin tamamı yeteneklerinde prompt-cache listelemektedir ve fiyatlandırma en son 02.10.2026 16:53:30.068Z tarihinde güncellenmiştir. Fiyatlar 1 milyon token başına USD cinsindendir.

Model	Giriş	Önbellek okuma	Önbellek yazma	Girişin payı olarak okuma	Girişe karşı yazma
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	listelenmemiş	%10	listelenmemiş
deepseek-v4.1-flash (yoğun olmayan)	0.15	0.003	0.15	%2	1.0x
deepseek-v4.1-flash (yoğun)	0.30	0.006	0.30	%2	1.0x
gemini-3.8-flash	0.375	0.0375	listelenmemiş	%10	listelenmemiş

İki yüzde sütunu, listelenen fiyatların kendi bölümümüzdür.

Kaynaklar, hepsi 03.10.2026 tarihinde gözlemlenmiştir:

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

Bu tabloyu okurken üç detay önemlidir.

Birincisi, gpt-5.5 ve gemini-3.8-flash bir önbellek okuma fiyatı listeliyor ancak önbellek yazma fiyatı listelemiyor. Bu verilerden, ilk kez kullanılan bir önekin bu ikisinde nasıl faturalandırıldığını söyleyemeyiz. Kanıtlar bunun ücretsiz olduğunu söylemiyor ve giriş oranından faturalandırıldığını da söylemiyor. Her iki varsayım üzerine bir tahmin oluşturmadan önce ilk istekten sonra Usage'ı kontrol edin.

İkincisi, deepseek-v4.1-flash'ı okuduğumuzda iki fiyat girişi bulduk. off-peak girişi (seçici offPeak: true) ve peak girişi (offPeak: false) her satırda iki kat fark gösteriyor. Token başına önbellek tasarrufunuz aynı yüzdedir, ancak mutlak dolar bazındaki tutar yoğun saatlerde ikiye katlanır.

Üçüncüsü, bunlar TokenLab halka açık fiyatlarıdır. Faturalandırma rehberi (03.10.2026 tarihinde gözlemlenmiştir), tamamlanmış bir isteğin, onu üreten teslimat seçeneği için bir kez ücretlendirildiğini belirtir. Official, model üreticisinin halka açık fiyatını takip eder, bu nedenle bir üreticinin fiyat listesiyle karşılaştırmadan önce isteğinize hangi seçeneğin hizmet verdiğini doğrulayın.

Get a Model referansı, gpt-5.6-terra modelinin yetenekleri arasında prompt-cache olduğunu gösteriyor. Örnek yanıtında hiçbir fiyat taşımadığı için bu modeli tablonun dışında bıraktık. Katalogdaki diğer modelleri kontrol etmedik.

Çalışılmış bir prompt caching maliyet örneği: tek bir uzun sistem istemi

İşte senaryo; kendi sayılarınızı yerleştirebilmeniz için her girdi belirtilmiştir. Bunlar ölçümler değil, varsayımlarımızdır.

• Her istekte aynı olan 20.000 token'lık bir sistem istemi ve araç bloğu.
• Her istekte değişen 200 token'lık bir kullanıcı mesajı.
• Önbelleğin tüm çalışma süresi boyunca canlı kaldığı 1.000 istek; yani bir yazma ve 999 okuma var.
• Çıkış token'ları göz ardı edilmiştir, çünkü önbelleğe alma olsun veya olmasın aynı maliyete sahiptirler.

claude-sonnet-5 (1M token başına 0,90 giriş, 0,09 okuma ve 1,125 yazma ile):

• Önbelleksiz: 1.000 × 20.200 = 20.200.000 token × 0,90$/1M = 18,18$
• Önbellek yazma: 20.000 × 1,125$/1M = 0,0225$
• Önbellek okumaları: 999 × 20.000 = 19.980.000 × 0,09$/1M = 1,7982$
• Önbelleksiz son ekler: 1.000 × 200 = 200.000 × 0,90$/1M = 0,18$
• Önbellek ile: 0,0225 + 1,7982 + 0,18 = yaklaşık 2,00$, önbelleksiz rakamın yaklaşık %89 altında

Şimdi başarısızlık durumu; önekin her çağrıda biraz değiştiği ve böylece her isteğin bir yazma ücreti ödediği ve asla okumadığı durum. Bu, önekler için 1.000 × 20.000 × 1,125$/1M = 22,50$, artı son ekler için aynı 0,18$ maliyet getirir. Toplam yaklaşık 22,68$ olur ki bu da 18,18$'lık önbelleksiz maliyetin 4,50$ (%25) üzerindedir.

Başa baş noktası aynı fiyatlardan gelir. 1M önek token'ı başına, bir yazma işlemi normal girişten 0,225$ daha pahalıya mal olur ve her okuma 0,81$ tasarruf sağlar. Bir isabet, yazma maliyetini fazlasıyla karşılar (0,225 ÷ 0,81 ≈ yazma başına 0,28 okuma).

Diğer modellerde aynı senaryo:

Model	Önbelleksiz	Önbellek ile (tahmini)	İlk istek için varsayım
claude-sonnet-5	18,18$	2,00$	listelenen yazma fiyatı
claude-sonnet-5-5	12,12$	1,33$	listelenen yazma fiyatı
deepseek-v4.1-flash yoğun olmayan	3,03$	0,09$	listelenen yazma fiyatı
deepseek-v4.1-flash yoğun	6,06$	0,19$	listelenen yazma fiyatı
gpt-5.5	30,30$	3,33$	yazma fiyatı listelenmemiş; 20.000 token'ı giriş oranından faturalandırdık
gemini-3.8-flash	7,58$	0,83$	yazma fiyatı listelenmemiş; 20.000 token'ı giriş oranından faturalandırdık

gpt-5.5 için hesaplama: 20.000 × 1,50$/1M = 0,03$, artı 19.980.000 × 0,15$/1M = 2,997$, artı 200.000 × 1,50$/1M = 0,30$. İşaretli iki satır, kanıtların desteklemediği bir varsayıma dayanmaktadır, bu yüzden onları yaklaşık değerler olarak kabul edin.

Bir istemi önbelleğe alınabilir hale getirme: belgelerin doğruladıkları

Kanıtlar kısa bir gereksinim listesini desteklemektedir.

1. prompt-cache listeleyen bir model seçin. Get a Model (03.10.2026 tarihinde gözlemlenmiştir) içindeki capabilities dizisi kontrol noktasıdır. Bu yeteneğe sahip olmayan bir model, indirim beklemeniz için size bir temel sağlamaz.
2. Paylaşılan içeriği sabit bir konumda tutun. Messages uç noktasında system üst düzey bir alandır ve bir dize veya içerik blokları dizisi alır. Chat Completions'da sistem talimatları messages içine gider. Her iki durumda da tekrarlanan materyal önce gelmelidir.
3. Sınıra kadar aynı baytları gönderin. Bu, makalenin orijinal sürümündeki tam önek kuralıdır ve tablo fiyatlarının nasıl çalıştığıyla eşleşir. Bir okuma fiyatı yalnızca istemin eşleşen kısmı için geçerlidir.

İstek A: [ Sistem İstemi + Araç Tanımları ] [ Kullanıcı Sorgusu A ]
           ▲───────────── ÖNBELLEKLİ ÖNEK ────────▲ ▲── SON EK ──▲

İstek B: [ Sistem İstemi + Araç Tanımları ] [ Kullanıcı Sorgusu B ]
           ▲─────────── ÖNBELLEK İSABETİ (OKUMA) ───────▲ ▲── SON EK ──▲

Üç alışkanlık yeniden kullanımı en çok bozar:

• Sistem isteminin en üstündeki zaman damgaları, kullanıcı kimlikleri veya oturum kimlikleri.
• İstekler arasında yeniden sıralanan araç tanımları veya JSON anahtarları.
• Paylaşılan metindeki girinti veya yeni satır değişiklikleri.

Create Message referansının belgelediği bir istek şekli:

{
  "model": "claude-sonnet-5",
  "max_tokens": 512,
  "system": [
    {
      "type": "text",
      "text": "Bir destek asistanısınız. Aşağıdaki politika tüm yanıtları yönetir: [Tam Politika Metni]"
    }
  ],
  "messages": [
    { "role": "user", "content": "Hasarlı ürünler için iade süresi nedir?" }
  ]
}

Bu makalenin daha önceki bir taslağı, o sistem bloğuna ephemeral tipinde bir cache_control işareti koymuştu. 03.10.2026 tarihinde okuduğumuz Create Message referansı bu alanı listelemiyor, bu yüzden örnekten kaldırdık. Aynı durum minimum önek uzunluğu ve önbellek ömrü için de geçerlidir. TokenLab belgelerinde ikisi için de bir rakam bulamadık. Açık bir işarete veya TTL'ye güvenmeden önce, seçtiğiniz modeli test edin ve iki özdeş çağrı arasında önbelleğe alınmış token sayılarını karşılaştırın.

Önbellek fiyatlarını okuma ve önbelleğe alınmış token'ları doğrulama

Yukarıdaki tabloyu koda kopyalamayın. Faturalandırma rehberi, uygulamanızın ihtiyacı olduğunda güncel fiyatı okumanızı söyler. Belgelenmiş iki yol:

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

İlki, bir modelin yeteneklerini, limitlerini ve fiyatlandırmasını döndürür. Bilinmeyen bir model kimliği 404 model_not_found döndürür. İkincisi, API anahtarı gerektirmeyen halka açık bir uç noktadır. Belgelenmiş örnek yanıtı, gpt-4o için input_per_1m_tokens ve output_per_1m_tokens değerlerini gösterir ve önbellek alanı içermez. Bu örnekteki updated_at değeri 2026-04-20'dir; bu güncel fiyatlandırma değil, örnek veridir. Önbellek fiyatları için modele özel uç noktayı kullandık.

Önbelleğe almanın çalıştığını doğrulamak için, belgelenmiş usage nesneleri umduğunuzdan daha incedir. Chat Completions; prompt_tokens, completion_tokens ve total_tokens listeler. Messages; input_tokens ve output_tokens listeler. Hiçbir referans önbelleğe alınmış token alanını adlandırmaz. Kodlama ajanı maliyet rehberi (03.10.2026 tarihinde gözlemlenmiştir), önbelleğe alınmış token kullanımını yanıtta veya Usage içinde doğrulamanızı ve görev başına giriş, çıkış ve önbelleğe alınmış token'ları kaydetmenizi söyler.

Çalıştıracağımız bir test:

1. Aynı uzun önekli isteği, sadece son kullanıcı mesajı değiştirilmiş şekilde, birkaç saniye arayla iki kez gönderin.
2. Her iki yanıttan gelen tam ham usage nesnesini ve varsa billing_transaction_id değerini kaydedin.
3. İkinci isteğin Usage içindeki ücretini yukarıdaki aritmetikle karşılaştırın. Bir önbellek isabeti, önbelleksiz olanla değil, "önbellek ile" rakamına yakın olmalıdır.
4. Hata maliyetini görmek için ilk satırı kasıtlı olarak değiştirerek tekrarlayın.

Akışlı (streaming) Chat Completions için, akış parçalarında kullanımı almak üzere stream_options.include_usage: true ayarını yapın. Akışlarda faturalandırma başlığı olmayabilir, bu yüzden nihai ücret için Usage'ı kullanın. Sorun giderme rehberi ayrıca, sunucu tarafı mutabakatı için model, startDate ve endDate ile filtreleme yapan GET /v1/management/api-keys/{keyId}/usage komutunu da açıklar.

Prompt caching maliyeti ne zaman işe yaramaz?

Önbelleğe alma, tekrar eden trafiğe yapılan bir bahistir. Şu durumlarda kaybeder:

• Önek asla tekrarlanmaz. Tek seferlik 20.000 token'lık bir belge, herhangi bir yazma primini öder ve karşılığında hiçbir şey kazanmaz.
• İstekler çok yavaş gelir. Eşleşen istekler arasındaki boşluk önbellek ömrünü aşarsa, her çağrı yeni bir yazma işlemidir. Bu ömrü kanıtlarda bulamadık, bu yüzden kendi boşluğunuzu modelin sayfasında belirtilenle karşılaştırarak ölçün.
• Önek sınırdan önce değişir. Yukarıdaki başarısızlık durumundaki %25'lik fazla harcama tam olarak bu modelden kaynaklanır.
• Önek küçüktür. Tasarruflar önek token'larıyla ölçeklenir. Birkaç yüz token, çağrı başına sentin kesirlerini tasarruf ettirir ve minimum önbelleğe alınabilir boyut kanıtlarda yoktur.
• Çıkış faturaya hakimdir. Önbelleğe alma sadece girişi kırpar. Yanıtlar uzunsa, önbellek satırı toplamın küçük bir kısmını hareket ettirir.
• Model önbellek fiyatı listelemez. Faturalandırma rehberi, TokenLab fiyat sütunundaki bir çizginin Doğrulanmış teklif olmadığını, ücretsiz anlamına gelmediğini söyler. Herhangi bir indirime güvenmeden önce modelin fiyatlandırma detayını kontrol edin.

İş yükü modeli	Önbelleğe alma uygulanabilirliği	Neden
Çok turlu araç döngüleri	Yüksek	Talimatlar ve araç tanımları adımlar boyunca sabit kalır.
Tek bir büyük belgeyi sorgulayan birçok kullanıcı	Yüksek	Trafik patlamaları yazma işlemini hızla amorti eder.
Seyrek arka plan işleri	Düşük	Önbellek ömründen daha geniş boşluklar tekrarlanan yazmaları zorunlu kılar.
Değişken sistem istemleri	Düşük	Sınırdan önceki değişiklikler eşleşmeyi bozar.

Prompt caching, faturalandırma rehberindeki "Önbelleğe almayı uygula" ipucundan da farklıdır; bu, tekrarlanan özdeş istekler için yanıtları kendi uygulamanızda saklamak anlamına gelir. Bu, model çağrısını tamamen önler, ancak sadece tüm istek tekrarlandığında yardımcı olur. Uzun ajan oturumları için kodlama ajanı maliyet rehberi, önbelleğe almanın yanı sıra bağlam boyutu, çıkış limitleri ve model seçimini kapsar.

SSS

Bir önbellek isabeti her zaman bir isteği daha ucuz hale getirir mi?

Sadece eşleşen önek için ve sadece model bir önbellek okuma fiyatı listeliyorsa. İncelediğimiz modellerde bir okuma, girişin %2 ila %10'una mal olur. Son ek ve tüm çıkış token'ları normal oranlardan faturalandırılır. Yazma primi olan bir modelde bir isabetsizlik, önbelleksiz bir çağrıdan daha pahalıya mal olabilir.

Eksik bir önbellek yazma fiyatı "ücretsiz" ile aynı mıdır?

Hayır. gpt-5.5 ve gemini-3.8-flash için canlı API, 03.10.2026 tarihinde bir önbellek okuma fiyatı listeledi ancak yazma fiyatı listelemedi. Sıfır veya giriş oranı olduğunu varsaymak yerine, bir ilk istek çalıştırın ve Usage içindeki ücreti okuyun.

Kullanıcıya özel değerler önbelleğe alınabilir bir istemde nereye konur?

Bunları paylaşılan içerikten sonra, kullanıcı mesajına veya geç bir messages girişine koyun. Paylaşılan bloktan önce değişen her şey öneki değiştirir ve yeni bir yazma işlemini zorunlu kılar. Buna zaman damgaları, oturum kimlikleri ve yeniden sıralanmış araç listeleri dahildir.

Tekrarlanan bir istek neden önbelleğe alınmış token göstermez?

Dört şeyi sırayla kontrol ederiz. Model prompt-cache listeliyor mu? Önek çağrılar arasında bayt olarak özdeş mi? İkinci çağrı önbellek ömrü içinde mi geldi? Önbelleğe alınmış sayı, günlüğünüzün düşürdüğü bir alanda mı? Okuduğumuz belgeler bu alanı adlandırmıyor, bu yüzden tüm usage nesnesini kaydedin.

Bir modele karar vermeden önce TokenLab Modelleri sayfasındaki canlı önbellek fiyatlarını karşılaştırın.