Claude API 降本实操：Prompt Caching 与 Batch API 怎么省

TL;DR： Claude API 的账单高，多数不是模型单价贵，而是调用方式贵。官方给了三板斧：Prompt Caching 把重复前缀的读取价压到基础输入价的 0.1 倍、Batch API 把全部用量打五折、再加上一批省 token 的写法。本文把三者的计费规则、适用边界和代码写法一次讲清，每个数字都标了官方出处与核对日期。

一、钱花在哪：两类最常见的浪费

先定位问题。Claude 按 token 计费，一次请求的账单 = 输入 tokens × 输入单价 + 输出 tokens × 输出单价。多数人账单失控，卡在两个地方。

第一类：重复前缀。 每次请求，system prompt、工具定义、长对话历史都被完整计费。一段 2 万 token 的稳定前缀跑 100 轮对话，就是 200 万 token 的输入费用——而这 2 万 token 一个字都没改过。

第二类：用同步通道跑批量任务。 数据集打标、回归评测、离线清洗，这些活不需要当场出结果，却走了和线上聊天一样的全价通道。

这两类浪费各有一个官方工具：对应用 Prompt Caching 和 Batch API。第三板斧在写法层面，对两者同时有效。

二、Prompt Caching：命中规则与计费

Prompt Caching 让 API 记住请求前缀，重复部分不再按全价计费。按 2026-10-30 核对的官方文档（Prompt caching），倍率是：

缓存写入（5 分钟 TTL）：基础输入价的 1.25 倍
缓存写入（1 小时 TTL）：基础输入价的 2 倍
缓存命中（读取）：基础输入价的 0.1 倍，即命中部分省 90%

新一代模型的命中价更低：Claude Opus 5.5 与 Claude Sonnet 5.5 为 0.05 倍，Claude Fable 5.1 与 Claude Mythos 5.1 为 0.025 倍，其余模型沿用 0.1 倍。官方原文：5 分钟档在一次缓存读之后即回本。

以 Opus 5.5 官方牌价（每百万 token，2026-10-30 核对）为例：基础输入 $4、5 分钟缓存写 $5、1 小时缓存写 $8、缓存读 $0.20、输出 $20。

算笔账。2 万 token 稳定前缀跑 100 轮：不缓存 = 200 万 token 输入，约 $8.00；开缓存 = 一次写入约 $0.10，99 次读取约 $0.40，合计约 $0.50——不到原来的十六分之一（按上表牌价推算）。

三条命中规则要记住：

前缀必须逐字稳定。 缓存是前缀哈希，前缀里混进一个变动的字（时间戳、随机 ID、每次不同的检索结果），整段失效。
有最小长度门槛。 官方口径：512 token（Opus 5.5、Sonnet 5.5、Haiku 5.5、Opus 5、Fable 5 系列等）、1,024 token（Opus 4.8、Sonnet 5、Sonnet 4.6 等）、2,048 token（Opus 4.7、Mythos Preview 等）、4,096 token（Opus 4.6、Opus 4.5、Haiku 4.5 等）。低于门槛按普通请求处理，不报错——但你会以为缓存生效了，实际没有。
回溯窗口是 20 个 block。 对话变长时断点被推离上次写入位置超过 20 个 block，就找不到旧条目了；这时要在更早的位置再加一个断点。

另外两个容易忽略的细节：缓存断点本身不额外计费，加更多断点不会让账单变高（只按真正被缓存和被读取的内容计费）；缓存默认 5 分钟 TTL，每次命中会免费刷新，所以高频对话不需要额外花钱维持。

三、把稳定内容放前面：可复制的写法

排序决定生死：system prompt → 工具定义 → 长期知识与记忆 → 对话历史 → 本轮新问题。越稳定的内容越靠前。

在稳定前缀的末尾打一个断点即可，官方文档的写法是给 content 块加 cache_control：

json

{
  "system": [
    {
      "type": "text",
      "text": "稳定的系统提示词与规则",
      "cache_control": { "type": "ephemeral" }
    }
  ],
  "messages": [
    { "role": "user", "content": "本轮的问题" }
  ]
}

需要 1 小时 TTL 时，在断点上写 "cache_control": { "type": "ephemeral", "ttl": "1h" }——官方口径是 1 小时档按 2 倍基础输入价写入。

如果走 SDK，同样的语义这样表达：

python

import anthropic

client = anthropic.Anthropic()

resp = client.messages.create(
    model="claude-sonnet-5-5",
    max_tokens=1024,
    system=[{
        "type": "text",
        "text": STABLE_SYSTEM_PROMPT,          # 逐字不变的部分
        "cache_control": {"type": "ephemeral"},  # 断点打在这里
    }],
    messages=[{"role": "user", "content": user_input}],
)
print(resp.usage.cache_creation_input_tokens, resp.usage.cache_read_input_tokens)

最后两行是验收位：cache_creation_input_tokens 和 cache_read_input_tokens 都是 0，就说明这次根本没命中缓存（多半是没到最小长度门槛），不是缓存"坏了"。

四、Batch API：不赶时间的任务直接五折

Message Batches API 把请求打包异步执行。按 2026-10-30 核对的官方文档（Batch processing）：

全量五折：输入、输出、特殊 token 一律按标准价的 50% 计
时效：多数批次 1 小时内完成，24 小时未完成即过期作废
规模：单批最多 100,000 条请求或 256 MB，先到者为准
结果保留：创建后 29 天内可下载
不支持：stream、speed、fallbacks，以及 max_tokens: 0（批量下的缓存预热不支持）
叠加：Batch 折扣与 Prompt Caching 折扣可叠加

批量场景下的缓存命中是尽力而为——官方原文：用户实际经历的命中率在 30%–98% 之间，取决于流量形态。所以想让批量也吃到缓存，两个动作：一是每条请求里放完全相同的 cache_control 块，二是保持请求流稳定不断档。

可复制的提交方式：

bash

# 1) 准备一个 JSONL 文件，每行一条 {"custom_id": "...", "params": {...}}
curl -s https://api.anthropic.com/v1/messages/batches \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  --data-binary @batch.jsonl

提交后拿 results_url，轮询该地址取回每条请求的结果。适合"今晚跑完、明早要结果"的活：数据集打标、回归评测、批量翻译、文档抽取。要用户当场看到响应的，别用 batch。

五、第三板斧：省 token 的写法清单

折扣之外，写法直接决定 token 总量：

system prompt 写短写稳：不复述用户已能看到的信息，不放会变的内容
长对话定期摘要：把上百轮历史压成一段摘要再继续，别让上下文无限滚
给 max_tokens 设上限：不让模型把简单问题答成长文
按需给上下文：不整库粘贴代码，先检索再贴相关片段
工具定义固定成一套：稳定地放在前缀里吃缓存，而不是每次拼新的

这不是玄学，是计费表的直接推论：输入按 token 计费，前缀稳定才命中缓存；输出比输入贵得多——Opus 5.5 输出 $20、输入 $4（每百万 token，2026-10-30 核对），管住输出长度和上下文长度同样值钱。

六、三板斧怎么选

场景	用什么	效果
交互式产品，多轮对话	Prompt Caching	命中部分输入价 ×0.1（Opus 5.5 / Sonnet 5.5 为 ×0.05）
离线批量，1 小时后要结果	Batch API	全量 ×0.5
写完就不改的固定前缀	缓存断点	一次 1.25× 写入，换长期 0.1× 读取
怎么调都贵	先改写法	token 总量降了，折扣才有意义

三件事不互斥：批量任务可以同时吃缓存折扣，所有请求都受益于更省的写法。

七、在 CodeGateway 上把成本看清楚

先把定位说清楚：CodeGateway 是多模型聚合网关，在上游官方刊例价之上叠加统一倍率计费——它是加价渠道，不是折扣渠道。 省钱的主体是本文这三板斧，网关解决的是"接入"和"看得见"这两件事。

已交付的能力有三个（数字以站内页面为准，2026-10-30 核对）：

一把 key 多模型：同一把 API Key 调 Claude、GPT、Gemini、DeepSeek 等多家模型，模型清单见模型目录。不用为每家厂商分别注册、绑卡。
透明计费口径：消费倍率固定 1.07×（相对上游官方刊例价），充值另收 2% 服务费，构成见统一倍率详解。上游调价时基础价同步调整，倍率本身不变。
余额与用量可查：登录 Dashboard 概览可看余额、近期用量与按模型的费用拆分，充值与计费细节见充值与费用指南。一个项目一把 key，账单天然按 key 拆开。

优化前先看一周账单，优化后再看一周——三板斧有没有真省下来，用数据说话。想先对齐单价口径，可对照 Claude API 定价与 Token 计费指南。

八、常见问题

Prompt Caching 什么时候反而更贵？ 写多读少：前缀只用一两次，或每次都变。付了 1.25 倍写入费，却没有足够的 0.1 倍读取来摊薄。

Batch 结果能流式拿吗？ 不能，batch 不支持 stream，整批返回。

前缀长度不够会报错吗？ 不会。低于最小长度时按普通请求处理，官方文档明说不返回错误——用 cache_read_input_tokens 是否为 0 来判断有没有命中。

Batch 折扣和缓存折扣能叠加吗？ 能。官方文档明确写明两种折扣可组合使用；但批量下的缓存命中是尽力而为。

在哪能看到缓存有没有命中？ 响应的用量统计会把缓存创建与缓存读取的 token 数分开列出。

九、现在就去领一把 key

没有官方 Key，或者不想绑外卡？⇒ 直接在 CodeGateway 领一个。 注册即用，一把 Key 打通 Claude / GPT / Gemini 等多家模型；按量计费，用多少扣多少，余额可查，没有月费门槛。计费与充值细节见定价页与充值与费用指南。

Claude API 降本实操：Prompt Caching 与 Batch API 怎么省