克雷西 发自 凹非寺
量子位 | 公众号 QbitAI
Claude深夜上新重磅功能——API长文本缓存。
新版API可以“记住”一整本书或整个代码库，不需要再重复输入了。
这样一来，不仅处理长文本的延时更低，更是能节省最高90%的成本。
来看看这降本的效果~
△假定重复部分为1万Token，模型为3.5 Sonnet，只计算输入
今年5月，谷歌在Gemini更新中提出了这项功能，然后是国内的Kimi和DeepSeek团队，总之现在又轮到了Claude。
值得一提的是，厂商Anthropic的推文当中提到，提示词缓存功能可以让用户用更长、更有指导性的提示词对模型进行“微调”。
有网友看了之后感慨，人们本来就很难分清提示工程（prompting）和微调（fine-tune），这下更不好区分了。
当然在这种场合下，也难免会有人点名或不点名地cue起隔壁的OpenAI。
成本节约高至90%
提示词缓存的作用，就是一次给模型发送大量prompt，然后让它记住这些内容，并在后续请求中直接复用，避免反复输入。
对此，博主Dan Shipper做了这样的一个比喻：
假设你在一家咖啡馆，第一次点单的时候需要告诉店员自己点的内容，但是接下来再去只需要说一句“和平常一样”就可以了。
不过需要注意的是，缓存的有效期为五分钟，但每读取一次计时都会被重置，一直连续提问时无需担心。
在Claude的官方文档中，也介绍了几个典型的应用场景，非常适合代码和长文档处理。
对话：降低扩展会话的成本和延迟，尤其是包含长指令或附有文档的会话；
代码助理：通过在prompt保存的对代码库的总结，改善代码自动补全和问答功能；
大型文档处理：在提示中纳入完整的长格式材料（包括图像），而不会增加响应延迟；
详细的指令集：（在多个对话中）共享详细的指令、过程和示例列表以进行微调Claude的回应；
搜索和工具调用：增强涉及多轮工具调用和迭代更改的场景的性能；
长文本对话：将整个文档（书、论文、播客脚本等）嵌入到提示中并让用户提出问题，从而对知识库进行增强。
由于不需要反复输入重复的脚本，提示词缓存具有速度更快、成本更低这两大优势。
比如在基于一本10万Tokens的图书进行对话时，以往模型需要11.5秒才能生成首个输出Token，但有了提示词缓存就只需要2.4秒，降低了79%，成本更是减少90%。
在其他场景中，延时和成本也有不同程度的降低。
定价上，原有的输入和输出Token价格不变，提示词缓存的价格则分成了写入和读取两个部分。
最小的Haiku每百万Token的写入和读取价格分别是30美分（约合人民币两块一）和3美分。
3.5 Sonnet则是写入3.75美元，读取0.3美元，最大号的Opus是18.75美元和1.5美元。
可以看出，初始写入的价格相对于输入要高一些，但读取的价格只有重复输入的十分之一。
换言之，缓存被反复读取的次数越多，相比于重新输入节约的成本也就越多。
举个例子，假设要发送1万次请求，重复部分包含1万Tokens，如果不用缓存，总输入是1亿Tokens，用Sonnet需要300美元。
但如果开启缓存，就只需要1÷100×3.75+1×10000÷100×0.3=30.03美元，节省了近90%。
还是假设重复部分包含1万Tokens，那么从下图可以看出，随着调用次数的增加，成本优势将越来越明显
对于开发者来说，这无疑是一项重大利好。
AI写作工具HyperWriteAI创始人兼CEO Matt Shumer就表示，这项更新相当重大。
这意味着人们可以用更低的成本把一整个代码库喂给模型，然后要求增加新功能；或者突破一次只能RAG 5个的限制，直接输入大量文档；又或者直接给出数百个示例，以得到“比微调更好的结果”。
目前该功能支持3 Haiku和3.5 Sonnet，Opus则将在稍晚一些更新。
顶级玩家纷纷跟进
这项功能并非是Claude首创，今年5月，谷歌的Gemini就已经支持了上下文缓存。
后来国内月之暗面的Kimi和深度求索团队的DeepSeek也进行了跟进。
值得一提的是，DeepSeek团队把这项技术的存储介质换成了硬盘，还降低了存储成本。
触发方式也有所区别，比如DeepSeek是由系统自动判断哪些内容需要缓存，Claude则是要在调用时手动添加标记。
虽然在细节上各家有各自的做法，但这种新模式，已经受到了国内外顶级玩家的青睐，未来可能会成为大模型厂商的新标配。
参考链接：
[1]https://twitter.com/anthropicai/status/1823751314444021899
[2]https://www.anthropic.com/news/prompt-caching
[3]https://twitter.com/danshipper/status/1823790134745289106
