2026-11-10

Mengukur biaya dan penghematan Prompt Caching

Panduan production: Mengukur biaya dan penghematan Prompt Caching. Panduan ini memuat artefak deterministik, batas kegagalan, kontrol rollout, dan sumber terverifikasi.

Keputusan lebih dahulu

Mengukur biaya dan penghematan Prompt Caching adalah kontrak production yang eksplisit, bukan perubahan terpisah. Tetapkan sukses, gagal terminal, dan rollback sebelum memindahkan traffic; artefak memisahkan bukti dari asumsi.

Mulai dari prefix, buktikan eligibility dengan kasus deterministik, dan jadikan expiry sebagai release gate.

Artefak yang dapat digunakan ulang

Satu baris hanya lolos bila buktinya berasal dari request, jendela pengujian, atau versi konfigurasi yang sama.

Checkpoint	Bukti yang disimpan	Syarat lulus
`prefix`	`stable_exact_prefix_before_dynamic_suffix`	Nilai dipertahankan dan dibandingkan tepat di batas wire.
`eligibility`	`model,minimum_prompt_length,provider-specific_rules`	Owner, sumber, tanggal, dan batas tercatat.
`usage`	`uncached,cache_read,cache_write_tokens_kept_separate`	Nilai dipertahankan dan dibandingkan tepat di batas wire.
`rates`	`dated_source_for_each_token_category`	Owner, sumber, tanggal, dan batas tercatat.
`comparison`	`same_workload_with_and_without_confirmed_cache_hit`	Reserve, observasi, dan nilai final cocok di ledger persisten.
`expiry`	`cache_lifetime_and_invalidation_are_not_assumed`	Batas eksplisit dan gagal tertutup saat terlampaui.

Contoh terhitung

Contoh memakai data sintetis dan deterministik. Ganti dengan nilai workload yang ditinjau; jangan masukkan secret atau data pelanggan.

baseline_total = (all_input_tokens * input_rate
                + output_tokens * output_rate) / 1_000_000
write_cost     = cache_write_tokens * cache_write_rate / 1_000_000
read_cost      = cache_read_tokens * cache_read_rate / 1_000_000
uncached_cost  = uncached_tokens * input_rate / 1_000_000
output_cost    = output_tokens * output_rate / 1_000_000
cached_total   = write_cost + read_cost + uncached_cost + output_cost

measured_savings = baseline_total - cached_total
break_even_reuses = ceil(write_premium / per_reuse_read_savings)

Prosedur implementasi

Bekukan request, response, konfigurasi, dan baseline observasi.
Jalankan kasus positif deterministik dan simpan hasil lengkap.
Jalankan kasus negatif atau batas pasangannya.
Hubungkan semua attempt ke satu request ID logis dan catat waktu, status akhir, serta usage tanpa konten sensitif.
Rollout hanya ke kohort terbatas dengan kondisi berhenti.
Baca ulang state persisten dan perilaku publik; rollback bila invariant gagal.

Mode kegagalan

Kegagalan berikut membatalkan hasil meski HTTP luar tampak berhasil:

Harga atau kontrak volatil tidak diperiksa ulang.
Satu field praktis dibaca sementara output bertipe, tool, penolakan, atau hasil parsial hilang.
Satu response teks dianggap bukti kompatibilitas lengkap.
Biaya bersama dialokasikan sehingga total tidak dapat direkonsiliasi.

Batas Modelflare

Modelflare memusatkan routing kompatibel OpenAI, key, group, usage, dan penanganan gagal, tetapi rute terkonfigurasi bukan bukti semua kemampuan provider. Verifikasi model dan channel lewat protokol native, pertahankan nol eksplisit, dan gunakan settlement persisten sebagai kebenaran billing.

Gunakan panduan induk untuk batas keputusan dan dokumentasi untuk konfigurasi client terkini.

Checklist sebelum publikasi

Jawab pertanyaan utama sebelum latar belakang.
Tetapkan owner untuk setiap field, state, metric, dan formula.
Gunakan identifier sintetis saja.
Pertahankan struktur, kode, batas, dan peringatan di semua bahasa.
Periksa ulang kontrak, dukungan, dan harga pada T-1; pindahkan tanggal jika fakta berubah.
Sebelum waktunya, keluarkan dari public API, rute, dan sitemap.

Sumber dan tanggal verifikasi

Sumber diperiksa pada 2026-08-07 dan tidak membuktikan rute yang belum diuji.