Prompt Caching折扣矩阵：90%开发者忽略的省钱密码

你知道调用同一个API，有人花1块钱，有人只花1毛钱吗？区别就在一个你天天路过却从没注意的功能——Prompt Caching。

2026年，所有主流AI厂商都支持了Prompt Caching，但折扣力度天差地别：Anthropic缓存命中后只收原价的10%，Alibaba Qwen也是10%——而你可能还在每次请求都付全价。更关键的是，OpenRouter最近上线了session_id粘性路由和flex服务层级（半价），把省钱这件事又推到了新高度。

今天这篇文章，我要把七家主流AI厂商的Prompt Caching定价全部拆开给你看，教你如何用一个参数把API成本砍掉90%。

一、什么是Prompt Caching？为什么它能省钱？

先讲原理。你每次调用AI API，模型都要从头处理你发送的所有token。但如果你有80%的内容是重复的（比如系统提示词、RAG检索到的文档、角色卡、历史对话），那这些重复部分其实不需要每次都重新计算。

Prompt Caching就是把这些重复部分缓存起来，下次请求只处理新增的部分。缓存命中的token按折扣价计费，这就是省钱的根源。

flowchart LR
    A[第一次请求] -->|缓存写入| B[Cache Write<br/>1.25x原价]
    B --> C[缓存存储<br/>5分钟~1小时TTL]
    C -->|缓存命中| D[Cache Read<br/>0.1x原价]
    C -->|缓存过期| B
    D --> E[节省90%输入成本]

    style A fill:#e1f5fe
    style D fill:#c8e6c9
    style E fill:#fff9c4

核心概念只有三个： - Cache Write（缓存写入）：第一次遇到新内容时写入缓存，部分厂商加收25%~100%的溢价 - Cache Read（缓存读取）：后续请求命中缓存，按折扣价计费 - TTL（缓存有效期）：5分钟或1小时，过期后需要重新写入

二、七家厂商Prompt Caching定价全对比

这是我花了半天从各家官方文档和OpenRouter实测中整理出来的完整折扣矩阵：

关键发现

省钱冠军：Anthropic、Alibaba Qwen、DeepSeek——缓存命中后只收原价的10%。如果你有大量重复的上下文（比如长文档问答），这三家的缓存折扣是最猛的。

写入最省：OpenAI、Grok、Moonshot、Groq——缓存写入零溢价，不缓存也不亏。适合不确定是否会重复请求的场景。

综合最优：DeepSeek——写入零溢价（1x = 原价），读取0.1x。没有比这更好的组合了。

三、OpenRouter隐藏省钱三板斧

如果你通过OpenRouter调用API，还有三个大多数人不知道的省钱利器：

1. Session ID 粘性路由

OpenRouter最近上线的session_id功能，可以强制将你的请求路由到同一个提供商，最大化缓存命中率。

{
  "model": "anthropic/claude-sonnet-4",
  "session_id": "my-agent-session-abc123",
  "messages": [
    {"role": "user", "content": "继续我们的对话..."}
  ]
}

为什么重要？ 没有session_id时，OpenRouter可能把你第二轮请求路由到不同的提供商，缓存就白建了。加上session_id后，同一会话的请求都会打到同一个提供商上。

工作原理： - OpenRouter自动追踪：哪个提供商服务了你的缓存请求 - 后续同模型请求路由到同一提供商，保持缓存热度 - 如果该提供商不可用，自动回退到次优提供商 - 只在缓存读取价比原始提示词价格更便宜时才启用

2. Flex服务层级（半价）

OpenRouter的service_tier参数让你在成本和延迟之间做选择：

{
  "model": "openai/gpt-5",
  "service_tier": "flex",
  "messages": [...]
}

• flex：低成本、高延迟，最高50%折扣
• priority：低延迟、高成本

目前支持OpenAI、Google Vertex、Google AI Studio的精选模型。对于不需要实时响应的批处理任务（比如文档摘要、数据分析），flex层级是白捡的折扣。

3. 免费模型每日1000次

OpenRouter上有24个免费文本模型，包括：

免费额度规则： - 未充值用户：50次/天 - 充值$10以上：1000次/天 - 所有免费模型：20次/分钟

四、实战：三种场景的最优省钱策略

场景1：长文档RAG问答（重复上下文>80%）

flowchart TD
    A[用户上传100页PDF] --> B[第一次请求<br/>Cache Write: 1.25x]
    B --> C[后续20轮对话<br/>Cache Read: 0.1x]
    C --> D{用哪家？}
    D -->|最省| E[DeepSeek V3<br/>写入1x + 读取0.1x]
    D -->|质量优先| F[Anthropic Claude<br/>写入1.25x + 读取0.1x]

    style E fill:#c8e6c9
    style F fill:#bbdefb

策略： 选DeepSeek或Anthropic，缓存命中率高的场景下，原本$10的API费用可以降到$1~$2。

操作步骤： 1. 用OpenRouter统一接入 2. 发送请求时加上session_id 3. Anthropic模型添加顶层cache_control: {"type": "ephemeral"} 4. 监控cached_tokens字段确认缓存命中

场景2：批量数据处理（不需要实时响应）

策略： 用Flex层级 + OpenAI模型，自动获得50%折扣。

成本对比： - 常规调用GPT-5处理10K条数据：约$50 - Flex层级：约$25 - 如果用NVIDIA Nemotron 3 Super免费模型：$0（1000次/天额度内）

场景3：编程Agent多轮对话

策略： 免费Poolside模型 + session_id粘性路由

• Laguna M.1专精编程Agent任务
• session_id确保缓存命中
• 每天1000次免费额度足够大多数个人开发者

五、Reasoning Token的隐藏成本控制

一个很多人忽略的事实：Reasoning Token（推理token）按输出token计费。如果你不需要看到模型的推理过程，可以关闭它：

{
  "model": "your-model",
  "reasoning": {
    "effort": "low",
    "exclude": true
  }
}

Reasoning Effort级别对应不同比例的token消耗：

省钱建议： 对于简单任务（如文本格式化、翻译、摘要），把reasoning effort设为low或none，可以直接减少50%~95%的推理token输出成本。这个功能目前在OpenRouter上统一了OpenAI和Anthropic的接口，一行参数搞定。

六、信息差总结

七、行动指南

立刻可以做的事（0成本）：

1. 检查你的API调用——如果你在用OpenRouter或直连Anthropic/DeepSeek，确认是否开启了Prompt Caching
2. 给多轮对话加session_id——一行代码，缓存命中率飙升
3. 简单任务降低reasoning effort——设为low或none
4. 批量任务切flex层级——用"service_tier": "flex"拿半价

本周可以做的事（10分钟）：

5. 充值$10到OpenRouter——解锁每天1000次免费模型调用
6. 把NVIDIA Nemotron 3 Super加入你的工具链——1M上下文的免费120B模型，编程排名第8
7. 对比你的当前API账单——计算如果用缓存+flex+免费模型能省多少

本月可以做的事（1小时）：

8. 重构你的RAG管道——把静态文档放在system message的开头，确保被缓存
9. 设置缓存监控——定期查看cached_tokens和cache_discount字段
10. 建立模型路由策略——简单任务用免费模型，复杂任务才用付费模型

参考来源

• OpenRouter Prompt Caching文档 — 七家厂商缓存定价详细说明
• OpenRouter Service Tiers文档 — Flex/Priority层级使用方法
• OpenRouter Limits文档 — 免费模型额度规则
• OpenRouter Reasoning Tokens文档 — 推理Token控制参数
• Anthropic Prompt Caching官方文档 — Claude缓存机制详解

本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。

[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。