Đo chi phí và mức tiết kiệm của Prompt Caching
Hướng dẫn production: Đo chi phí và mức tiết kiệm của Prompt Caching. Nội dung gồm hiện vật xác định, ranh giới lỗi, kiểm tra rollout và nguồn đã xác minh.
Hướng dẫn production: Đo chi phí và mức tiết kiệm của Prompt Caching. Nội dung gồm hiện vật xác định, ranh giới lỗi, kiểm tra rollout và nguồn đã xác minh.
Quyết định trước
Đo chi phí và mức tiết kiệm của Prompt Caching là hợp đồng production rõ ràng, không phải thay đổi riêng lẻ. Hãy xác định thành công, lỗi cuối và rollback trước khi chuyển traffic; hiện vật tách bằng chứng khỏi giả định.
Bắt đầu với prefix, chứng minh eligibility bằng ca xác định và biến expiry thành release gate.
Hiện vật có thể tái sử dụng
Một hàng chỉ đạt khi bằng chứng thuộc cùng request, cửa sổ kiểm thử hoặc phiên bản cấu hình.
| Điểm kiểm tra | Bằng chứng cần lưu | Điều kiện đạt |
|---|---|---|
prefix |
stable_exact_prefix_before_dynamic_suffix |
Giá trị được giữ và so sánh chính xác tại biên wire. |
eligibility |
model,minimum_prompt_length,provider-specific_rules |
Owner, nguồn, ngày và giới hạn được ghi lại. |
usage |
uncached,cache_read,cache_write_tokens_kept_separate |
Giá trị được giữ và so sánh chính xác tại biên wire. |
rates |
dated_source_for_each_token_category |
Owner, nguồn, ngày và giới hạn được ghi lại. |
comparison |
same_workload_with_and_without_confirmed_cache_hit |
Reserve, quan sát và giá trị cuối khớp trong ledger bền vững. |
expiry |
cache_lifetime_and_invalidation_are_not_assumed |
Giới hạn tường minh và fail-closed khi vượt quá. |
Ví dụ tính toán
Ví dụ dùng dữ liệu tổng hợp và xác định. Hãy thay bằng giá trị workload đã review; không đưa secret hoặc dữ liệu khách hàng vào.
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)
Quy trình triển khai
- Đóng băng request, response, cấu hình và baseline quan sát trước thay đổi.
- Chạy ca dương tính xác định và lưu toàn bộ kết quả.
- Chạy ca âm tính hoặc giới hạn tương ứng.
- Nối mọi attempt bằng một request ID logic và ghi thời gian, trạng thái cuối, usage nhưng không ghi nội dung nhạy cảm.
- Chỉ rollout cho cohort giới hạn với điều kiện dừng.
- Đọc lại state bền vững và hành vi công khai; rollback nếu invariant lỗi.
Chế độ lỗi
Các lỗi sau làm kết quả vô hiệu dù HTTP bên ngoài có vẻ thành công:
- Giá hoặc contract biến động không được kiểm tra lại.
- Chỉ đọc một field tiện lợi nên làm mất output có kiểu, tool, từ chối hoặc kết quả một phần.
- Một response text bị coi là bằng chứng tương thích đầy đủ.
- Chi phí chung được phân bổ khiến tổng không thể đối soát.
Ranh giới Modelflare
Modelflare tập trung routing tương thích OpenAI, key, group, usage và xử lý lỗi, nhưng route đã cấu hình không chứng minh mọi khả năng của provider. Kiểm tra model và channel bằng protocol native, giữ giá trị 0 tường minh và lấy settlement bền vững làm sự thật billing.
Xem hướng dẫn cha cho ranh giới quyết định và tài liệu cho cấu hình client hiện tại.
Checklist trước khi xuất bản
- Trả lời câu hỏi chính trước phần nền.
- Gán owner cho từng field, state, metric và công thức.
- Chỉ dùng identifier tổng hợp.
- Giữ nguyên cấu trúc, code, giới hạn và cảnh báo ở mọi ngôn ngữ.
- Kiểm tra lại contract, hỗ trợ và giá ở T-1; dời lịch nếu sự thật đổi.
- Trước giờ hẹn, loại khỏi public API, route và sitemap.
Nguồn và ngày kiểm tra
Nguồn được kiểm tra ngày 2026-08-07 và không chứng minh route chưa thử nghiệm.