Caché de prompts

El caché de prompts es una característica poderosa que optimiza el uso de tu API al permitir reanudar desde prefijos específicos en tus prompts. Este enfoque reduce significativamente el tiempo de procesamiento y los costos para tareas repetitivas o prompts con elementos consistentes.

Aquí tienes un ejemplo de cómo implementar el caché de prompts con la API de Messages usando un bloque cache_control:

curl https://api.anthropic.com/v1/messages \
  -H "content-type: application/json" \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -d '{
    "model": "claude-opus-4-20250514",
    "max_tokens": 1024,
    "system": [
      {
        "type": "text",
        "text": "Eres un asistente de IA encargado de analizar obras literarias. Tu objetivo es proporcionar comentarios perspicaces sobre temas, personajes y estilo de escritura.\n"
      },
      {
        "type": "text",
        "text": "<todo el contenido de Orgullo y Prejuicio>",
        "cache_control": {"type": "ephemeral"}
      }
    ],
    "messages": [
      {
        "role": "user",
        "content": "Analiza los temas principales en Orgullo y Prejuicio."
      }
    ]
  }'

# Llama al modelo nuevamente con las mismas entradas hasta el punto de control del caché
curl https://api.anthropic.com/v1/messages # resto de la entrada

{"cache_creation_input_tokens":188086,"cache_read_input_tokens":0,"input_tokens":21,"output_tokens":393}
{"cache_creation_input_tokens":0,"cache_read_input_tokens":188086,"input_tokens":21,"output_tokens":393}

En este ejemplo, todo el texto de “Orgullo y Prejuicio” se almacena en caché usando el parámetro cache_control. Esto permite reutilizar este texto extenso en múltiples llamadas a la API sin reprocesarlo cada vez. Cambiar solo el mensaje del usuario te permite hacer varias preguntas sobre el libro mientras utilizas el contenido en caché, lo que resulta en respuestas más rápidas y mayor eficiencia.

​

Cómo funciona el caché de prompts

Cuando envías una solicitud con el caché de prompts habilitado:

1. El sistema verifica si un prefijo de prompt, hasta un punto de interrupción de caché especificado, ya está almacenado en caché desde una consulta reciente.
2. Si se encuentra, utiliza la versión en caché, reduciendo el tiempo de procesamiento y los costos.
3. De lo contrario, procesa el prompt completo y almacena en caché el prefijo una vez que comienza la respuesta.

Esto es especialmente útil para:

• Prompts con muchos ejemplos
• Grandes cantidades de contexto o información de fondo
• Tareas repetitivas con instrucciones consistentes
• Conversaciones largas de múltiples turnos

Por defecto, el caché tiene una duración de 5 minutos. El caché se actualiza sin costo adicional cada vez que se utiliza el contenido en caché.

​

Precios

El caché de prompts introduce una nueva estructura de precios. La tabla a continuación muestra el precio por millón de tokens para cada modelo compatible:

Nota:

• Los tokens de escritura de caché de 5 minutos cuestan 1.25 veces el precio base de tokens de entrada
• Los tokens de escritura de caché de 1 hora cuestan 2 veces el precio base de tokens de entrada
• Los tokens de lectura de caché cuestan 0.1 veces el precio base de tokens de entrada
• Los tokens de entrada y salida regulares se cobran a tarifas estándar

​

Cómo implementar el caché de prompts

​

Modelos compatibles

El caché de prompts está actualmente disponible en:

• Claude Opus 4
• Claude Sonnet 4
• Claude Sonnet 3.7
• Claude Sonnet 3.5
• Claude Haiku 3.5
• Claude Haiku 3
• Claude Opus 3

​

Estructurando tu prompt

Coloca el contenido estático (definiciones de herramientas, instrucciones del sistema, contexto, ejemplos) al principio de tu prompt. Marca el final del contenido reutilizable para el caché usando el parámetro cache_control.

Los prefijos de caché se crean en el siguiente orden: tools, system, luego messages. Este orden forma una jerarquía donde cada nivel se basa en los anteriores.

​

Cómo funciona la verificación automática de prefijos

Puedes usar solo un punto de interrupción de caché al final de tu contenido estático, y el sistema encontrará automáticamente el prefijo coincidente más largo. Así es como funciona:

• Cuando agregas un punto de interrupción cache_control, el sistema verifica automáticamente coincidencias de caché en todos los límites de bloques de contenido anteriores (hasta aproximadamente 20 bloques antes de tu punto de interrupción explícito)
• Si alguna de estas posiciones anteriores coincide con contenido en caché de solicitudes anteriores, el sistema usa el prefijo coincidente más largo
• Esto significa que no necesitas múltiples puntos de interrupción solo para habilitar el caché - uno al final es suficiente

​

Cuándo usar múltiples puntos de interrupción

Puedes definir hasta 4 puntos de interrupción de caché si quieres:

• Almacenar en caché diferentes secciones que cambian con diferentes frecuencias (por ejemplo, las herramientas rara vez cambian, pero el contexto se actualiza diariamente)
• Tener más control sobre exactamente qué se almacena en caché
• Asegurar el caché para contenido más de 20 bloques antes de tu punto de interrupción final

​

Limitaciones del caché

La longitud mínima de prompt que se puede almacenar en caché es:

• 1024 tokens para Claude Opus 4, Claude Sonnet 4, Claude Sonnet 3.7, Claude Sonnet 3.5 y Claude Opus 3
• 2048 tokens para Claude Haiku 3.5 y Claude Haiku 3

Los prompts más cortos no se pueden almacenar en caché, incluso si están marcados con cache_control. Cualquier solicitud para almacenar en caché menos de este número de tokens se procesará sin caché. Para ver si un prompt fue almacenado en caché, consulta los campos de uso de la respuesta.

Para solicitudes concurrentes, ten en cuenta que una entrada de caché solo está disponible después de que comience la primera respuesta. Si necesitas coincidencias de caché para solicitudes paralelas, espera la primera respuesta antes de enviar solicitudes posteriores.

Actualmente, “ephemeral” es el único tipo de caché compatible, que por defecto tiene una duración de 5 minutos.

​

Entendiendo los costos de los puntos de interrupción de caché

Los puntos de interrupción de caché en sí mismos no agregan ningún costo. Solo se te cobra por:

• Escrituras de caché: Cuando se escribe contenido nuevo al caché (25% más que los tokens de entrada base para TTL de 5 minutos)
• Lecturas de caché: Cuando se utiliza contenido en caché (10% del precio de tokens de entrada base)
• Tokens de entrada regulares: Para cualquier contenido no almacenado en caché

Agregar más puntos de interrupción cache_control no aumenta tus costos - sigues pagando la misma cantidad basada en qué contenido se almacena realmente en caché y se lee. Los puntos de interrupción simplemente te dan control sobre qué secciones se pueden almacenar en caché independientemente.

​

Qué se puede almacenar en caché

La mayoría de los bloques en la solicitud se pueden designar para caché con cache_control. Esto incluye:

• Herramientas: Definiciones de herramientas en el array tools
• Mensajes del sistema: Bloques de contenido en el array system
• Mensajes de texto: Bloques de contenido en el array messages.content, para turnos tanto de usuario como de asistente
• Imágenes y Documentos: Bloques de contenido en el array messages.content, en turnos de usuario
• Uso de herramientas y resultados de herramientas: Bloques de contenido en el array messages.content, en turnos tanto de usuario como de asistente

Cada uno de estos elementos se puede marcar con cache_control para habilitar el caché para esa porción de la solicitud.

​

Qué no se puede almacenar en caché

Aunque la mayoría de los bloques de solicitud se pueden almacenar en caché, hay algunas excepciones:

• Los bloques de pensamiento no se pueden almacenar en caché directamente con cache_control. Sin embargo, los bloques de pensamiento SÍ se pueden almacenar en caché junto con otro contenido cuando aparecen en turnos de asistente anteriores. Cuando se almacenan en caché de esta manera, SÍ cuentan como tokens de entrada cuando se leen desde el caché.

• Los sub-bloques de contenido (como citas) en sí mismos no se pueden almacenar en caché directamente. En su lugar, almacena en caché el bloque de nivel superior.

  En el caso de las citas, los bloques de contenido de documento de nivel superior que sirven como material fuente para las citas se pueden almacenar en caché. Esto te permite usar el caché de prompts con citas de manera efectiva almacenando en caché los documentos a los que las citas harán referencia.

• Los bloques de texto vacíos no se pueden almacenar en caché.

​

Qué invalida el caché

Las modificaciones al contenido en caché pueden invalidar parte o todo el caché.

Como se describe en Estructurando tu prompt, el caché sigue la jerarquía: tools → system → messages. Los cambios en cada nivel invalidan ese nivel y todos los niveles posteriores.

La siguiente tabla muestra qué partes del caché se invalidan por diferentes tipos de cambios. ✘ indica que el caché se invalida, mientras que ✓ indica que el caché permanece válido.

​

Seguimiento del rendimiento del caché

Monitorea el rendimiento del caché usando estos campos de respuesta de la API, dentro de usage en la respuesta (o evento message_start si estás transmitiendo):

• cache_creation_input_tokens: Número de tokens escritos al caché al crear una nueva entrada.
• cache_read_input_tokens: Número de tokens recuperados del caché para esta solicitud.
• input_tokens: Número de tokens de entrada que no se leyeron del caché o se usaron para crear un caché.

​

Mejores prácticas para un caché efectivo

Para optimizar el rendimiento del caché de prompts:

• Almacena en caché contenido estable y reutilizable como instrucciones del sistema, información de fondo, contextos grandes o definiciones de herramientas frecuentes.
• Coloca el contenido en caché al principio del prompt para el mejor rendimiento.
• Usa puntos de interrupción de caché estratégicamente para separar diferentes secciones de prefijo que se pueden almacenar en caché.
• Analiza regularmente las tasas de acierto del caché y ajusta tu estrategia según sea necesario.

​

Optimizando para diferentes casos de uso

Adapta tu estrategia de caché de prompts a tu escenario:

• Agentes conversacionales: Reduce el costo y la latencia para conversaciones extendidas, especialmente aquellas con instrucciones largas o documentos subidos.
• Asistentes de codificación: Mejora el autocompletado y las preguntas y respuestas de la base de código manteniendo secciones relevantes o una versión resumida de la base de código en el prompt.
• Procesamiento de documentos grandes: Incorpora material completo de formato largo incluyendo imágenes en tu prompt sin aumentar la latencia de respuesta.
• Conjuntos de instrucciones detalladas: Comparte listas extensas de instrucciones, procedimientos y ejemplos para afinar las respuestas de Claude. Los desarrolladores a menudo incluyen uno o dos ejemplos en el prompt, pero con el caché de prompts puedes obtener un rendimiento aún mejor incluyendo más de 20 ejemplos diversos de respuestas de alta calidad.
• Uso de herramientas agénticas: Mejora el rendimiento para escenarios que involucran múltiples llamadas de herramientas y cambios de código iterativos, donde cada paso típicamente requiere una nueva llamada a la API.
• Hablar con libros, artículos, documentación, transcripciones de podcasts y otro contenido de formato largo: Da vida a cualquier base de conocimiento incrustando todo el documento(s) en el prompt, y permitiendo a los usuarios hacerle preguntas.

​

Solución de problemas comunes

Si experimentas comportamiento inesperado:

• Asegúrate de que las secciones en caché sean idénticas y estén marcadas con cache_control en las mismas ubicaciones en todas las llamadas
• Verifica que las llamadas se hagan dentro de la duración del caché (5 minutos por defecto)
• Confirma que tool_choice y el uso de imágenes permanezcan consistentes entre llamadas
• Valida que estés almacenando en caché al menos el número mínimo de tokens
• El sistema verifica automáticamente coincidencias de caché en límites de bloques de contenido anteriores (hasta ~20 bloques antes de tu punto de interrupción). Para prompts con más de 20 bloques de contenido, puedes necesitar parámetros cache_control adicionales más temprano en el prompt para asegurar que todo el contenido se pueda almacenar en caché

​

Caché con bloques de pensamiento

Cuando uses pensamiento extendido con caché de prompts, los bloques de pensamiento tienen un comportamiento especial:

Caché automático junto con otro contenido: Aunque los bloques de pensamiento no se pueden marcar explícitamente con cache_control, se almacenan en caché como parte del contenido de la solicitud cuando haces llamadas posteriores a la API con resultados de herramientas. Esto comúnmente ocurre durante el uso de herramientas cuando pasas bloques de pensamiento de vuelta para continuar la conversación.

Conteo de tokens de entrada: Cuando los bloques de pensamiento se leen desde el caché, cuentan como tokens de entrada en tus métricas de uso. Esto es importante para el cálculo de costos y el presupuesto de tokens.

Patrones de invalidación de caché:

• El caché permanece válido cuando solo se proporcionan resultados de herramientas como mensajes de usuario
• El caché se invalida cuando se agrega contenido de usuario que no es resultado de herramienta, causando que todos los bloques de pensamiento anteriores se eliminen
• Este comportamiento de caché ocurre incluso sin marcadores cache_control explícitos

Para más detalles sobre la invalidación del caché, consulta Qué invalida el caché.

Ejemplo con uso de herramientas:

Solicitud 1: Usuario: "¿Cuál es el clima en París?"
Respuesta: [bloque_pensamiento_1] + [bloque uso herramienta 1]

Solicitud 2: 
Usuario: ["¿Cuál es el clima en París?"], 
Asistente: [bloque_pensamiento_1] + [bloque uso herramienta 1], 
Usuario: [resultado_herramienta_1, cache=True]
Respuesta: [bloque_pensamiento_2] + [bloque texto 2]
# La Solicitud 2 almacena en caché su contenido de solicitud (no la respuesta)
# El caché incluye: mensaje de usuario, bloque_pensamiento_1, bloque uso herramienta 1, y resultado_herramienta_1

Solicitud 3:
Usuario: ["¿Cuál es el clima en París?"], 
Asistente: [bloque_pensamiento_1] + [bloque uso herramienta 1], 
Usuario: [resultado_herramienta_1, cache=True], 
Asistente: [bloque_pensamiento_2] + [bloque texto 2], 
Usuario: [Respuesta de texto, cache=True]
# El bloque de usuario que no es resultado de herramienta causa que todos los bloques de pensamiento se ignoren
# Esta solicitud se procesa como si los bloques de pensamiento nunca hubieran estado presentes

Cuando se incluye un bloque de usuario que no es resultado de herramienta, designa un nuevo bucle de asistente y todos los bloques de pensamiento anteriores se eliminan del contexto.

Para información más detallada, consulta la documentación de pensamiento extendido.

​

Almacenamiento y compartición de caché

• Aislamiento de Organización: Los cachés están aislados entre organizaciones. Diferentes organizaciones nunca comparten cachés, incluso si usan prompts idénticos.

• Coincidencia Exacta: Las coincidencias de caché requieren segmentos de prompt 100% idénticos, incluyendo todo el texto e imágenes hasta e incluyendo el bloque marcado con control de caché.

• Generación de Tokens de Salida: El caché de prompts no tiene efecto en la generación de tokens de salida. La respuesta que recibas será idéntica a la que obtendrías si no se usara el caché de prompts.

​

Duración de caché de 1 hora

Si encuentras que 5 minutos es demasiado corto, Anthropic también ofrece una duración de caché de 1 hora.

Para usar el caché extendido, agrega extended-cache-ttl-2025-04-11 como un encabezado beta a tu solicitud, y luego incluye ttl en la definición cache_control así:

"cache_control": {
    "type": "ephemeral",
    "ttl": "5m" | "1h"
}

La respuesta incluirá información detallada del caché como la siguiente:

{
    "usage": {
        "input_tokens": ...,
        "cache_read_input_tokens": ...,
        "cache_creation_input_tokens": ...,
        "output_tokens": ...,
        
        "cache_creation": {
            "ephemeral_5m_input_tokens": 456,
            "ephemeral_1h_input_tokens": 100,
        }
    }
}

Ten en cuenta que el campo actual cache_creation_input_tokens es igual a la suma de los valores en el objeto cache_creation.

​

Cuándo usar el caché de 1 hora

Si tienes prompts que se usan con una cadencia regular (es decir, prompts del sistema que se usan más frecuentemente que cada 5 minutos), continúa usando el caché de 5 minutos, ya que este continuará actualizándose sin cargo adicional.

El caché de 1 hora se usa mejor en los siguientes escenarios:

• Cuando tienes prompts que probablemente se usen menos frecuentemente que 5 minutos, pero más frecuentemente que cada hora. Por ejemplo, cuando un agente lateral agéntico tomará más de 5 minutos, o cuando almacenes una conversación de chat larga con un usuario y generalmente esperes que ese usuario pueda no responder en los próximos 5 minutos.
• Cuando la latencia es importante y tus prompts de seguimiento pueden enviarse más allá de 5 minutos.
• Cuando quieres mejorar la utilización de tu límite de tasa, ya que las coincidencias de caché no se deducen de tu límite de tasa.

​

Mezclando diferentes TTLs

Puedes usar controles de caché tanto de 1 hora como de 5 minutos en la misma solicitud, pero con una restricción importante: Las entradas de caché con TTL más largo deben aparecer antes que TTLs más cortos (es decir, una entrada de caché de 1 hora debe aparecer antes que cualquier entrada de caché de 5 minutos).

Al mezclar TTLs, determinamos tres ubicaciones de facturación en tu prompt:

1. Posición A: El conteo de tokens en la coincidencia de caché más alta (o 0 si no hay coincidencias).
2. Posición B: El conteo de tokens en el bloque cache_control de 1 hora más alto después de A (o igual a A si no existe ninguno).
3. Posición C: El conteo de tokens en el último bloque cache_control.

Se te cobrará por:

1. Tokens de lectura de caché para A.
2. Tokens de escritura de caché de 1 hora para (B - A).
3. Tokens de escritura de caché de 5 minutos para (C - B).

Aquí hay 3 ejemplos. Esto representa los tokens de entrada de 3 solicitudes, cada una de las cuales tiene diferentes coincidencias y fallos de caché. Cada una tiene un precio calculado diferente, mostrado en las cajas de colores, como resultado.

​

Ejemplos de caché de prompts

Para ayudarte a comenzar con el caché de prompts, hemos preparado un libro de cocina de caché de prompts con ejemplos detallados y mejores prácticas.

A continuación, hemos incluido varios fragmentos de código que muestran varios patrones de caché de prompts. Estos ejemplos demuestran cómo implementar el caché en diferentes escenarios, ayudándote a entender las aplicaciones prácticas de esta característica: