大模型的价格，主要是 Token 的输入价格和输出价格，这个很容易理解。
但是，还有一项"输入 Token 的缓存命中价格"，这是什么东西？
上图是 DeepSeek V4 Flash 模型的定价，可以看到缓存命中的输入价格只有2分钱，足足是未命中的输入价格的五十分之一！
为什么相差这些大？我们能不能充分利用缓存，来降低费用呢？
我对于这些问题，以前也不是很了解，最近看了一篇文章，终于理清了思路，今天就来分享。
（1）模型输入的收费原因
大家知道，使用大模型的时候，需要先有提示词。
大模型会将提示词分解成 Token，再将 Token 转成向量值，然后计算所有 Token 之间的注意力关系。
这一步非常消耗算力，因此模型公司会对输入 Token 收费。你的提示词越多，输入 Token 的费用就越高。
（2）输入缓存的作用
对于多轮对话和长程任务，每一轮都需要把以前步骤的输入输出结果，提交给模型。
我们可以想到，这些每一轮额外增加的提示词是不变的，以前都已经处理过了。模型完全不必要对这些"前缀"每次进行重复计算，只要把以前的计算结果缓存起来，下一次再取出来用就行了。
这就是为什么需要缓存，它可以大大节省不必要的算力消耗，加快模型处理。
这也是它便宜的原因，因为只要命中缓存，基本不消耗算力，收取的费用实际上是储存空间的费用。
（3）缓存的时间期限
缓存有时间期限，长期保存并无意义。如果一段时间没有用到这些缓存，服务器就会把缓存删除。
根据前面引用文章的测试，各家公司的缓存保存时间不一样。
Anthropic：5分钟
DeepSeek：10分钟
OpenAI：10分钟～30分钟逐步失效
Google：1小时内逐步失效
以 DeepSeek 为例，在10分钟以内，缓存就是有效的，命中缓存只收取2分钱。如果对话的间隔特别久，下一次输入跟上一次之间超过了10分钟，缓存就被删除了，模型收到上一轮的提示词，就不得不重新计算，收取的费用就变成了1元。
（4）保持缓存有效
由于缓存命中与未命中之间，有巨大的价差。用户的 AI Agent 工具往往会想办法，尽可能延长缓存的保存时间。
当用户长时间不操作、也不退出的时候，大多数 AI Agent 会每隔30秒，自动向服务器发送一个请求，让缓存保存激活状态。
有些模型有专门的缓存激活接口，还有一些没有。这时可以用笨办法，Agent 自动重复发送一次以前的提示词，确保缓存激活。
不过，激活请求也会产生费用。每隔30秒发送一次，如果10分钟没有输入，就会发送20个激活请求。时间一长，费用也不低。
前面说过了，现在各家模型的实际缓存期限，最短也有5分钟，因此30秒一次的激活请求，似乎频率太高了。所以，最新的建议是，可以改成每4分钟自动激活一次缓存。
