快取命中定價解密：如何用$0.0028/M把API成本壓到極致

快取命中定價解密：如何用$0.0028/M把API成本壓到極致

2026年的AI API市場正在經歷一場前所未有的價格革命。當你打開 DeepSeek 的定價表，映入眼簾的是「每百萬輸入 Token 僅需0.14美元」（2026年9月查核：這個數字屬於已退役的 V4-Flash-0731，現行 V4.1 Flash 為離峰0.15美元、尖峰0.30美元），這個數字幾乎讓所有傳統模型定價顯得像奢侈品。然而，真正的高手不會只看基本單價；他們的目光落在一個更隱蔽、卻威力無窮的機制上：快取命中定價。以 Claude API 的 Prompt Caching 為例，重複的長 System Prompt 費用可以砍掉九成，搭配 Batch API 後更能壓到原價的5%。本文將為你拆解這些數字背後的商業邏輯，並教你如何用「快取命中」這個槓桿，把API成本壓到極致：每百萬Token最低只要0.0028美元？讓我們一步步驗證。

2026年9月更新：先講三個更正

這篇文章寫於2026年5月。當時 DeepSeek 官方價目表還沒列出快取命中價，本文因此用 Claude 的公開價目推估，事後 DeepSeek 已在官方定價頁明列快取命中價格，這個前提必須更正，正文與表格都已更新。其次，本文原本把 Claude Haiku 4.5 的價格寫成每百萬輸入0.80美元、快取命中0.08美元，查核官方價目表後確認那是舊款 Haiku 3.5 的數字，Haiku 4.5 實際為輸入1美元、5分鐘快取寫入1.25美元、快取命中0.10美元、輸出5美元，表格已一併修正。第三，Anthropic 在2026年推出 Claude Sonnet 5，同樣的快取邏輯但單價更低，本文補上新的一列。

一、快取命中的價格魔法：從$3到$0.15

要理解快取命中定價的威力，先看一組對比。根據 Anthropic 官方定價，Claude Sonnet 4.6 的標準輸入價格為每百萬 Token 3美元。但如果你啟用 Prompt Caching，首次寫入快取（cache write）會略高，為3.75美元（標準價的125%）；一旦命中快取（cache read），價格直接降到0.30美元，只有原價的10%。

2026年9月的現況是，Anthropic 的現行主力已換成 Claude Sonnet 5，標準輸入降到每百萬 Token 2美元、輸出10美元，5分鐘快取寫入2.50美元、快取命中0.20美元，同樣的省錢邏輯起始單價更低。本文後續比較仍以 Sonnet 4.6 為主軸，因為它是當初的計算基準，最新價格請以官方價目表為準。

更驚人的是，當你把快取與Batch API疊加使用：

• Batch + 無快取：$1.50（半價）
• Batch + cache write：$1.875（原價的62.5%）
• Batch + cache read：僅$0.15（原價的5%）

也就是說，原本需要3美元的輸入成本，透過「批次處理加上快取命中」可以降到0.15美元，節省幅度高達95%。而 DeepSeek V4-Flash-0731 的基本單價已低到0.14美元，幾乎與 Claude 的「快取命中加 Batch」價格相當。這意味著，如果你能讓使用者查詢大量命中快取，你甚至可以用比 DeepSeek 基本價還低的成本，運行 Claude 這樣的高階模型。

那麼，快取命中的原理是什麼？簡單說，當你的應用頻繁發送相同的系統提示（System Prompt）、工具描述、長文檔摘要前綴時，API提供者會把這些靜態內容暫存起來。後續請求若前半段順序一致，即可直接讀取快取，不需重新計算注意力（Attention），從而大幅降低運算成本，供應商再把這部分節省回饋給你。

二、主要模型快取定價對照表（2026年9月查核）

備註：Claude 各欄快取價格取自官方價目表，快取命中為標準輸入價的10%，5分鐘快取寫入為125%，Batch 欄為 Batch 五折後推算。DeepSeek 官方現行價目表已明列快取命中價，V4.1 Flash 為每百萬 Token 離峰0.003美元、尖峰0.006美元；已退役的 V4-Flash-0731 是0.0028美元，也就是本文標題數字的由來。OpenAI 的快取以 cached input 計價，GPT-5.6 Luna 為每百萬0.02美元、Batch 後0.01美元。

三、快取命中定價的商業邏輯：為什麼供應商願意打折？

你可能會問：供應商為什麼不直接用低價吸引用戶，而要設計「快取命中」這種複雜定價？原因在於資源效率。根據業界常見的成本結構估算，輸入 Token 約佔總成本的三成、輸出 Token 約五成，其餘兩成落在重試與冗餘呼叫等隱藏成本（此為業界經驗值，非官方數字）。其中，輸入 Token 的運算成本高度集中於注意力機制（Attention），注意力機制的計算量隨序列長度呈平方成長，這正是長上下文推論昂貴的主因。

當同一個System Prompt被數萬次重複發送，供應商必須浪費大量GPU算力在完全相同的內容上。快取機制讓供應商可以跳過這些重複計算，僅對變化的用戶輸入部分執行注意力。因此，快取命中定價本質上是「效率紅利共享」：你把工作做得越規律，供應商省下的錢越多，他們就願意用更低的價格回饋你。

事實上，這個模式並不新鮮。CDN（內容分發網路）很早就實行「邊緣快取命中」低價策略，資料庫查詢快取也類似，AI API 市場正在複製同樣的邏輯。至於能省多少，取決於你的請求結構與命中率，不是固定折扣。實務上，如果 AI Agent 每天發送十萬次請求、且八成輸入內容可以快取，輸入端費用會明顯下降，但輸出端與未命中的部分不受影響，整體帳單能省下的比例通常低於輸入端的降幅，估算預算時要先想清楚這一點。

四、實戰策略：如何打造「快取友好」的Agent架構？

要享受快取命中的低價，你的API請求必須符合以下條件：

• 固定長上下文前置：將System Prompt、工具定義、品牌語氣、長文檔摘要前綴放在請求的最前面，且順序保持不變。
• 分離變動部分：用戶的具體問題、動態變化的欄位（如時間戳、隨機ID）放在後半段，不要混入快取塊。
• 保持高頻重複：同一個System Prompt被越多請求使用，快取命中率越高。如果你的Agent為不同客戶客製化大量不同的System Prompt，則快取效益會稀釋。

以下是一個簡化的程式碼範例（Python pseudo-code），展示如何用Claude API啟用Prompt Caching：

import anthropic

client = anthropic.Anthropic(api_key="your_key")

# 將常駐的System Prompt放在最前面，並標記可快取
system_prompt = {
    "type": "text",
    "text": "你是一個專業客服AI。請遵循以下品牌語氣：...（此處2000 tokens固定內容）",
    "cache_control": {"type": "ephemeral"}
}

# 用戶輸入為變動部分
user_message = {
    "type": "text",
    "text": "我今天訂單狀態怎麼查？"
}

response = client.messages.create(
    model="claude-sonnet-5",
    system=[system_prompt],
    messages=[{"role": "user", "content": [user_message]}],
    max_tokens=1024
)

# 首次請求會產生cache_write費用（$2.50/M），後續相同system prompt則觸發cache_read（$0.20/M，Sonnet 5 價目）

DeepSeek 的情況要更正：官方價目表其實已經列出快取命中價，V4-Flash-0731 為每百萬 Token 0.0028美元。現行的 V4.1-Flash 雖然基礎單價拉到離峰0.15美元、尖峰0.30美元，離峰快取命中仍只要0.003美元。當基礎價格已經壓得很低，快取的邊際節省看起來不顯眼，但在長 System Prompt 且高頻重複的場景，省下的比例一樣可觀。反過來說，如果你的請求幾乎不重複，硬做快取只會增加架構複雜度。

五、真的能達到$0.0028/M嗎？能，但那只是輸入端最便宜的一格

標題的0.0028美元，指的是 DeepSeek V4-Flash-0731 官方公布的「快取命中輸入價」，每百萬 Token 0.0028美元，不是整筆帳單的平均單價。這一點必須說清楚，否則很容易誤讀。實際帳單由三塊組成：快取未命中或寫入的輸入、快取命中的輸入、以及輸出。

以 Claude Haiku 4.5 對照，官方價目是：

• 標準輸入：$1.00/M
• 5分鐘快取寫入：$1.25/M
• 快取命中：$0.10/M，搭配 Batch 五折後約$0.05/M（皆為官方價目數字）

用一個具體情境算給你看。假設客服 Agent 每天送出十萬次請求，System Prompt 固定兩千 Token，每次用戶問題兩百 Token，回覆三百 Token，而且九成請求命中快取。輸入端只有一成用未命中價計，其餘用快取命中價；輸出端不受快取影響，三百 Token 以 Haiku 4.5 的5美元/M 計算約0.0015美元，仍是單次成本裡最大的一塊。所以「0.0028美元/M」為真，但它描述的是輸入端最便宜的那一格，不是你的平均成本。任何人拿單一最低價當成整體單價來報預算，都會低估帳單。

更務實的數字：現行的 DeepSeek V4.1 Flash 即使完全不靠快取，離峰輸入0.15美元/M、輸出0.60美元/M 已經很有競爭力，尖峰則加倍，所以把批次工作排到離峰時段的效益，往往比多花兩週做快取架構更直接。若再搭配模型路由，把八成的簡單任務導向 V4.1 Flash、兩成複雜任務交給 Claude Sonnet 並啟用快取，整體成本可以壓到相當低。

六、FAQ 常見問題

Q1：快取命中的定價是所有模型都支援嗎？
A：Anthropic、OpenAI、DeepSeek 三家目前都在官方價目表上公布了快取價。Anthropic 用 cache_control 欄位標示快取範圍，快取命中為標準輸入價的10%；OpenAI 以 cached input 計價，GPT-5.6 Luna 為每百萬0.02美元；DeepSeek 以 cache hit 計價，V4-Flash-0731 為0.0028美元、現行 V4.1 Flash 為離峰0.003美元。各家名稱與欄位不同，共同點是要把固定不變的內容放在請求最前面。

Q2：Batch API加上快取，會不會有衝突？
A：不會。Batch API仍然使用相同的Messages API協議，cache_control欄位正常解析。同一段system prompt在batch內仍能觸發cache_write/cache_read區分計費，最終結算在Messages API原價基礎上再乘以0.5（Batch折扣）。

Q3：快取命中的90%折扣有上限嗎？
A：目前Anthropic並未公開快取命中配額限制，但理論上快取容量有限，極高頻率的變動可能導致部分請求無法命中。建議監控cache read百分比。

Q4：使用DeepSeek V4.1 Flash是否還需要考慮快取？
A：要考慮。現行 V4.1 Flash 的離峰輸入是0.15美元/M、快取命中0.003美元/M，兩者差50倍，只要你的 System Prompt 夠長、重複率夠高，快取就值得做。若請求量達到每天數億 Token，即使只省下三成也非常可觀。

Q5：隱藏成本（如失敗重試）佔20%，快取能幫助嗎？
A：間接幫助。快取降低輸入成本後，你可以將省下的預算用於提升輸出品質或減少重試；但直接減少重試需要改善Prompt設計和模型選擇。

七、替代方案有限公司觀點

替代方案有限公司長期關注AI基礎設施成本優化，我們認為「快取命中定價」是本年度最重要的API經濟創新之一。然而，企業在追求極致低價的同時，必須注意以下陷阱：

• 快取命中率不等於免費：即使命中率99%，仍有1%的cache write費用，且首次請求成本較高（cache write為原價125%）。如果你的應用用戶量波動劇烈，首次請求的比例會拉高平均成本。
• 模型能力與快取收益的權衡：Claude Sonnet 4.6 的快取命中可低到0.30美元/M，但輸出價是15美元/M，才是主要成本來源（現行的 Sonnet 5 為輸入2美元、輸出10美元）。快取無法減少輸出 Token 費用，因此若你的應用輸出長文本，例如生成報告，快取的省錢效果有限。
• 架構複雜度：要實現高快取命中率，你需要精細設計System Prompt、管理緩存區、監控命中率。對於小型團隊，直接使用 DeepSeek V4.1 Flash 並把批次工作排在離峰時段，可能比花時間開發快取系統更划算。

替代方案有限公司的建議是：先量化，再優化。記錄每一次請求的cache_read、cache_write、input/output token數量，然後計算每個付費用戶的毛利。不要只看總 Token 數，一個重度用戶可能吃掉20個輕度用戶的毛利。利用「模型路由分流」策略，將八成的任務導向便宜模型（如現行的 DeepSeek V4.1 Flash），兩成需要高智能的任務導向 Claude Sonnet 並啟用快取，整體成本效益最高。

相關閱讀：1.6T參數只激活49B？DeepSeek V4 MoE架構的效率奇蹟、跨模型擂台：DeepSeek V4 與 GPT、Qwen、小米的全面比較

八、結論與行動呼籲

快取命中定價正在重新定義 API 成本的下限。從 Claude 的快取加 Batch 折扣，到 DeepSeek V4.1 世代的低價與離峰計費，2026年的開發者比過去任何時候都更有能力建造大規模 AI 應用。要做到極致降本，你需要：

1. 評估你的流量模式：是否屬於高頻、長System Prompt的應用？如果是，立刻導入Prompt Caching + Batch API。
2. 試用DeepSeek V4.1 Flash：對於不需要極高智能的任務，直接用離峰0.15美元/M 的輸入價，再靠離峰排程省下一半，免去快取設計的麻煩。
3. 建立成本監控儀表板：至少記錄model、input token、output token、cache read/write、retry count，才能精準計算每個用戶的真實成本。
4. 與替代方案有限公司合作：我們提供API成本優化顧問服務，協助你設計路由策略、快取策略，並定期審計API帳單。

未來，隨著模型供應商更加競爭，快取定價可能成為標準功能。現在就開始調整你的API呼叫架構，讓每一分錢都花在刀口上。立即檢視你的即時監控數據，計算你的快取命中率，如果低於六成，你正在錯過最低成本的時代。

參考資料：本文原始數據取自2026年5月即時搜尋結果，包括CloudInsight成本分析、小李出海筆記實操指南、Tencent Cloud DeepSeek V4發布報導、Tenten完整解析等。2026年9月更新時，價格與型號已改依 Anthropic 官方價目表、OpenAI 官方價目表與 DeepSeek 官方定價頁查核。