Claude Fable 5.2 Prompt-Caching-Leitfaden: Reduzieren Sie die Kosten langer Gespräche
Erfahren Sie, wie das Prompt-Caching von Claude Fable 5.2 funktioniert, wann sich 5-Minuten- oder 1-Stunden-TTLs lohnen, was einen Cache ungültig macht und wie Sie Einsparungen überprüfen können.

Prompt-Caching reduziert die Kosten und die Latenz bei der wiederholten Verarbeitung eines unveränderten Prompt-Präfixes. Es ist besonders wertvoll, wenn eine Anwendung einen langen System-Prompt, einen Tool-Katalog, ein Referenzdokument, einen Codebase-Kontext oder einen Gesprächsverlauf wiederverwendet.
Für Claude Fable 5.2 listet Anthropic den Standard-Input mit 8 $ pro Million Tokens, einen Fünf-Minuten-Cache-Write mit 10 $, einen Ein-Stunden-Write mit 16 $ und Cache-Reads mit 0,20 $. Die niedrige Leserate kann große Einsparungen bringen – allerdings nur, wenn das Präfix vor Ablauf des Caches wiederverwendet wird und bytegenau mit den Cache-Regeln kompatibel bleibt.
Die grundlegende Wirtschaftslehre
Angenommen, 500.000 Stable-Token werden in vier Anfragen verwendet.
Ohne Caching
0.5 × 8 $ × 4 = 16 $
Fünf-Minuten-Caching
- Erster Schreibvorgang:
0,5 × 10 $ = 5 $ - Drei Lesevorgänge:
0,5 × 0,20 $ × 3 = 0,30 $ - Zwischengespeichertes Präfix insgesamt: $5.30
Das anfragespezifische Suffix und die Ausgaben werden separat abgerechnet. Dieses Beispiel geht davon aus, dass alle drei späteren Aufrufe den Cache innerhalb der TTL treffen.
Der Fünf-Minuten-Schreibvorgang kostet das 1,25-fache des Basis-Inputs, sodass eine erneute Nutzung in der Regel ausreicht, um die Schreibprämie wieder hereinzuholen. Der Ein-Stunden-Schreibvorgang kostet das Doppelte des Basis-Inputs: Ein späterer Lesevorgang ist etwas teurer als die zweimalige ungecachte Verarbeitung des Präfixes, während zwei oder mehr Lesevorgänge Einsparungen bringen.
Automatisches oder explizites Caching?
Anthropic empfiehlt automatisches Caching als Ausgangspunkt für die meisten Anwendungen. Fügen Sie eine Cache-Steuerung auf oberster Ebene hinzu und lassen Sie die API einen Haltepunkt verwalten, während die Konversation wächst.
from anthropic import Anthropic
client = Anthropic()
= client.messages.create(
model="claude-fable-5-2",
max_tokens=4096,
cache_control={"type": "vergänglich", "ttl": "5m"},
system="Sie überprüfen einen großen Policenkorpus...",
messages=[{"role": "Benutzer", "content": "Finden Sie Konflikte, die Rückerstattungen betreffen."}],
)
Explizite Haltepunkte sind nützlich, wenn Sie präzise Kontrolle über Tools, Systemanweisungen, Dokumente oder Nachrichtenblöcke benötigen. Behalten Sie stabile Inhalte zuerst und volatile Inhalte zuletzt.
Überprüfen Sie die aktuelle SDK-Signatur vor der Bereitstellung; die Benennung von Funktionen kann je nach SDK-Version und Cloud-Plattform variieren.
Was gehört in das zwischengespeicherte Präfix?
Gute Kandidaten:
- Stabile System- und Richtlinienanweisungen
- Große Referenzdokumente, die für mehrere Fragen verwendet werden
- Wiederverwendete Tool-Definitionen eines Agenten
- Kanonische Codebasis oder Produktkontext
- Vorherige Gesprächsrunden, die unverändert bleiben
- Bilder, Dokumente, Tool-Aufrufe und Tool-Ergebnisse, die von den Caching-Regeln unterstützt werden
Schlechte Kandidaten:
- Ein kurzer Prompt, der einmal verwendet wird
- Häufig wechselnde Benutzerdaten
- Live-Ergebnisse, die jede Runde aktualisiert werden müssen
- Ein Werkzeugkatalog, der in einer anderen Reihenfolge neu aufgebaut wurde
- Kontext, dessen Autorität oder Gültigkeit abgelaufen ist
Warum Cache-Treffer verschwinden
Ein Cache ist präfix-sensitiv. Änderungen vor einem Haltepunkt können spätere Inhalte ungültig machen. Häufige Ursachen sind:
- Bearbeiten des System-Prompts oder einer früheren Nachricht
- Neuordnung oder Neudefinition von Werkzeugen
- Änderung des übergeordneten Aufwands
- Wechseln zwischen Standard- und Schnellgeschwindigkeit
- Hinzufügen oder Entfernen von Bildern in früheren Nachrichten
- Ändern der Konfiguration für strukturierte Ausgaben
- Umschalten von Funktionen, die den System-Prompt ändern
- Ändern von erhaltenen Denkblöcken oder deren vorhergehendem Kontext
Auf unterstützten Plattformen können der Aufwand pro Nachricht und Tool-Änderungen während des Gesprächs ein bestehendes Präfix bewahren, indem neue Systeminhalte angehängt werden, anstatt frühere Anfragefelder neu zu schreiben.
Denkblöcke und Caching
Denkblöcke können nicht direkt mit cache_control markiert werden, aber erhaltene Gedanken aus früheren Assistenten-Durchgängen können Teil eines gecachten Präfixes sein. Geben Sie es unverändert zurück. Die Bearbeitung früherer Durchgänge kann sowohl den Denkblock als auch den Cache ungültig machen.
Die Änderung des Aufwands kann auch den aufgelösten Prompt verändern. Wenn eine Anwendung den Aufwand bei jeder Runde wechselt, spart der Cache möglicherweise weniger als erwartet.
Parallelität und Aufwärmphase
Ein neuer Cache-Eintrag wird verfügbar, sobald die erste Antwort beginnt. Wenn viele parallele Anfragen gleichzeitig gestartet werden, können alle danebenliegen. Wärmen Sie das Präfix mit einer Anfrage vor, warten Sie, bis der Eintrag existiert, und verteilen Sie dann abhängige Aufrufe.
Die Stapelverarbeitung kann auch mit Caching kombiniert werden, und die Preisänderungsfaktoren stapeln sich. Modellieren Sie die vollständige Rechnung, anstatt jeden Rabatt unabhängig auf den ursprünglichen Preis anzuwenden.
Überprüfen statt annehmen
Antwortnutzung überprüfen:
cache_creation_input_tokenscache_read_input_tokens- Nicht zwischengespeicherte Eingabe-Token
Wenn Erstellungs- und Lesewerte bei Null bleiben, ist die Eingabeaufforderung möglicherweise zu kurz, die Konfiguration wird auf dieser Route möglicherweise nicht unterstützt oder das Präfix stimmt nicht überein. Erstellen Sie ein Dashboard für Trefferquote, Lesevorgänge pro Schreibvorgang, gespeicherte Token und Einsparungen nach Schreibprämien.
Eine Checkliste für das Produktions-Caching
- Identifizieren Sie Präfixe, die innerhalb der TTL mindestens zweimal wiederverwendet werden.
- Platzieren Sie stabilen Inhalt vor dynamischem Inhalt.
- Wählen Sie fünf Minuten für intensive Interaktion; eine Stunde für verteilte Wiederholung.
- Vor dem parallelen Fan-out aufwärmen.
- Halten Sie die Werkzeugreihenfolge und -definitionen stabil.
- Vermeiden Sie es, alte Gesprächsbeiträge zu bearbeiten.
- Überwachen Sie die tatsächlichen Nutzungsfelder.
- Verfall oder Versionierung von veraltetem Referenzmaterial absichtlich durchführen.
Häufig gestellte Fragen
Reduziert Prompt-Caching die Nutzung des Kontextfensters?
Nein. Zwischengespeicherte Token belegen weiterhin das Kontextfenster von einer Million Token.
Ist ein einstündiger Cache immer besser?
Nein. Es hat höhere Schreibkosten. Verwenden Sie es, wenn die Wiederverwendung mehr als fünf Minuten auseinander liegt und oft genug erfolgt, um die Prämie wieder hereinzuholen.
Kann ich Caching mit der Batch-API-Preisgestaltung kombinieren?
Ja, wo unterstützt; die Modifikatoren stapeln sich. Der schnelle Modus ist jedoch in Nachrichtenbatches nicht verfügbar.


















































































































