Guía de almacenamiento en caché de indicaciones de Claude Fable 5.2: Reduzca el costo de conversaciones largas
Aprende cómo funciona el almacenamiento en caché de indicaciones de Claude Fable 5.2, cuándo los TTL de 5 minutos o 1 hora son rentables, qué invalida una caché y cómo verificar los ahorros.

El almacenamiento en caché de indicaciones reduce el costo y la latencia de procesar repetidamente un prefijo de indicación sin cambios. Es más valioso cuando una aplicación reutiliza una indicación de sistema larga, un catálogo de herramientas, un documento de referencia, el contexto de una base de código o el historial de conversación.
Para Claude Fable 5.2, Anthropic lista la entrada estándar a $8 por millón de tokens, una escritura en caché de cinco minutos a $10, una escritura de una hora a $16, y lecturas de caché a $0.20. La baja tasa de lectura puede generar grandes ahorros, pero solo si el prefijo se reutiliza antes de que el caché expire y se mantiene compatible byte por byte con las reglas de caché.
La economía básica
Supongamos que se utilizan 500,000 tokens estables en cuatro solicitudes.
Sin almacenamiento en caché
0.5 × $8 × 4 = $16
Almacenamiento en caché de cinco minutos
- Escritura inicial:
0.5 × $10 = $5 - Tres lecturas:
0.5 × $0.20 × 3 = $0.30 - Total de prefijo en caché: $5.30
El sufijo específico de la solicitud y los resultados se facturan por separado. Este ejemplo asume que las tres llamadas posteriores acceden a la caché dentro del TTL.
La escritura de cinco minutos cuesta 1.25 veces la entrada base, por lo que una reutilización suele ser suficiente para recuperar la prima de escritura. La escritura de una hora cuesta el doble de la entrada base: una lectura posterior es ligeramente más cara que procesar el prefijo dos veces sin caché, mientras que dos o más lecturas generan ahorros.
¿Almacenamiento en caché automático o explícito?
Anthropic recomienda el almacenamiento en caché automático como punto de partida para la mayoría de las aplicaciones. Agregue control de caché de nivel superior y permita que la API administre un punto de interrupción a medida que la conversación crece.
from anthropic import Anthropic
client = Anthropic()
= client.messages.create(
model="claude-fable-5-2",
max_tokens=4096,
cache_control={"type": "efímero", "ttl": "5m"},
system="Estás revisando un corpus de políticas extenso...",
messages=[{"role": "usuario", "content": "Encuentra conflictos que afectan los reembolsos."}],
)
Los puntos de interrupción explícitos son útiles cuando necesitas un control preciso sobre herramientas, instrucciones del sistema, documentos o bloques de mensajes. Mantén el contenido estable primero y el contenido volátil al final.
Verifique la firma actual del SDK antes de implementar; la nomenclatura de funciones puede diferir según la versión del SDK y la plataforma en la nube.
¿Qué debe incluirse en el prefijo en caché?
Buenos candidatos:
- Instrucciones estables del sistema y políticas
- Documentos de referencia extensos utilizados en varias preguntas
- Definiciones de herramientas reutilizadas por un agente
- Código canónico o contexto del producto
- Conversaciones anteriores que permanecen sin cambios
- Imágenes, documentos, llamadas a herramientas y resultados de herramientas compatibles con las reglas de caché
Candidatos pobres:
- Un prompt corto utilizado una vez
- Datos de usuario que cambian con frecuencia
- Resultados en vivo que deben actualizarse en cada turno
- Un catálogo de herramientas reconstruido en un orden diferente
- Contexto cuya autoridad o validez ha expirado
Por qué desaparecen los aciertos de caché
Una caché es sensible al prefijo. Los cambios antes de un punto de interrupción pueden invalidar contenido posterior. Las causas comunes incluyen:
- Editando el prompt del sistema o un mensaje anterior
- Reordenar o redefinir herramientas
- Cambiando el esfuerzo de nivel superior
- Cambio entre velocidad estándar y rápida
- Agregar o eliminar imágenes en mensajes anteriores
- Cambiando la configuración de salida estructurada
- Alternar funciones que modifican el prompt del sistema
- Alterar bloques de pensamiento preservados o su contexto precedente
En plataformas compatibles, el esfuerzo por mensaje y los cambios de herramientas a mitad de conversación pueden preservar un prefijo existente añadiendo nuevo contenido del sistema en lugar de reescribir campos de solicitud anteriores.
Bloques de pensamiento y almacenamiento en caché
Los bloques de pensamiento no pueden marcarse directamente con cache_control, pero el pensamiento preservado en turnos anteriores del asistente puede formar parte de un prefijo en caché. Devuélvelo sin cambios. Editar turnos anteriores puede invalidar tanto el bloque de pensamiento como la caché.
Cambiar el esfuerzo también puede cambiar el prompt resuelto. Si una aplicación alterna el esfuerzo en cada turno, la caché puede ahorrar menos de lo esperado.
Concurrencia y calentamiento
Una nueva entrada de caché está disponible después de que comienza la primera respuesta. Si muchas solicitudes paralelas se lanzan simultáneamente, todas pueden fallar. Calienta el prefijo con una solicitud, espera hasta que la entrada exista, luego distribuye las llamadas dependientes.
El procesamiento por lotes también puede combinarse con el almacenamiento en caché, y los modificadores de precios se acumulan. Modele la factura completa en lugar de aplicar cada descuento al precio original de forma independiente.
Verificar en lugar de asumir
Inspeccionar el uso de la respuesta:
cache_creation_input_tokenscache_read_input_tokens- Tokens de entrada no almacenados en caché
Si los valores de creación y lectura permanecen en cero, el mensaje puede ser demasiado corto, la configuración puede no ser compatible en esa ruta, o el prefijo puede no coincidir. Cree un panel para la tasa de aciertos, lecturas por escritura, tokens ahorrados y ahorros después de las primas de escritura.
Una lista de verificación para el almacenamiento en caché en producción
- Identifique los prefijos reutilizados al menos dos veces dentro del TTL.
- Coloca el contenido estático antes del contenido dinámico.
- Elige cinco minutos para una interacción densa; una hora para la reutilización espaciada.
- Calentar antes de la expansión en paralelo.
- Mantén el orden de las herramientas y las definiciones estables.
- Evita editar turnos de conversación antiguos.
- Supervisa los campos de uso real.
- Caduque o versiona el material de referencia obsoleto de manera deliberada.
Preguntas frecuentes
¿El almacenamiento en caché de indicaciones reduce el uso de la ventana de contexto?
No. Los tokens almacenados en caché aún ocupan la ventana de contexto de un millón de tokens.
¿Es siempre mejor una caché de una hora?
No. Tiene un costo de escritura más alto. Úsalo cuando la reutilización esté espaciada más de cinco minutos y ocurra suficientes veces para recuperar la prima.
¿Puedo combinar el almacenamiento en caché con los precios de la API por lotes?
Sí, donde sea compatible; los modificadores se acumulan. Sin embargo, el modo rápido no está disponible en Lotes de Mensajes.

















































































































