衡量 Prompt Caching 的成本与节省

生产实践指南：衡量 Prompt Caching 的成本与节省。内容包含确定性工件、失败边界、上线检查和有来源的适用限制。

先给出决策

衡量 Prompt Caching 的成本与节省是一份明确的生产契约，而不是孤立的代码改动。切换流量前，先定义成功信号、终止失败状态和回滚条件。下面的工件把证据与假设分开，并让每次尝试都可追溯。

先落实 prefix，再用确定性用例证明 eligibility，并把 expiry 作为上线门槛，而不是事后补项。

可复用的技术工件

把下表作为评审记录。只有证据来自同一次请求、同一测试窗口或同一配置快照时，该行才算通过。

检查点	需要保留的证据	通过条件
prefix	stable_exact_prefix_before_dynamic_suffix	在线路边界保留并精确比较该值。
eligibility	model,minimum_prompt_length,provider-specific_rules	记录 owner、来源、核验日期和已知限制。
usage	uncached,cache_read,cache_write_tokens_kept_separate	在线路边界保留并精确比较该值。
rates	dated_source_for_each_token_category	记录 owner、来源、核验日期和已知限制。
comparison	same_workload_with_and_without_confirmed_cache_hit	预留值、观测值与最终值能在同一持久账本中对账。
expiry	cache_lifetime_and_invalidation_are_not_assumed	限制明确，超过限制时默认拒绝。

演算示例

示例使用合成数据且结果确定。请换成经过评审的真实工作负载参数；不要把生产密钥或客户提示词放入测试工件。

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)

实施流程

1. 变更前冻结当前请求、响应、配置和可观测基线。
2. 运行一个确定性的正向用例，并保留客户端看到的完整结果。
3. 运行配对的负向或上限用例，用证据确认失败行为。
4. 用一个逻辑请求 ID 关联全部尝试，记录耗时、终态和用量，但不记录敏感正文。
5. 仅在有界流量中放量并设置明确停止条件，不能因为 happy path 通过就直接扩大流量。
6. 变更后回读持久状态和公网行为；任何不变量失败时执行预先准备的回滚。

常见失败模式

即使外层 HTTP 请求看起来成功，以下情况也会使结论无效：

• 写入易变价格或 token 分类，却没有来源、核验日期和发布前复核。
• 只读取一个便捷字段，静默丢弃带类型的输出项、工具调用、拒绝或部分结果。
• 用一次文本响应证明流式、工具、Schema、用量和错误等全部协议兼容。
• 把未分配的共享用量强行归给一个团队，导致分摊总额无法对账。

Modelflare 边界

Modelflare 可以集中管理 OpenAI 兼容路由、密钥、分组、用量记录和失败处理，但“已配置路由”不等于上游支持所有可选字段。必须用原生协议验证具体模型与渠道。提供商价格以当前价格源为准，显式零值必须保留，最终持久结算才是账务真相。

更宽的决策边界见上级指南，当前客户端配置见接入文档。

发布前检查表

• 先回答核心问题，再补充背景。
• 每个请求字段、状态、指标和公式都有唯一 owner。
• 示例只使用合成标识，不包含密钥或客户数据。
• 所有受支持语言保留相同的标题层级、表格、代码、限制和警告。
• 在 T-1 日复核易变 API 契约、模型支持和价格；事实失效时移动发布日期。
• 预约时间前，公共 API、本地化路由和 sitemap 都不能出现该文章。

来源与核验日期

来源核验日期为 2026-08-07。这些来源只建立外部契约或运行原则，不能证明未经测试的提供商路由已支持。

• OpenAI: Prompt caching
• OpenAI: API pricing