先说结论：如果你每天在调大模型API，或者用Cursor、Claude Code这类工具烧token，今天的账单值得重新看一遍。计费明细里大概率有一栏你从没认真看过——“缓存命中输入token”。小红书
同一个模型，同样的问题，有人每百万Token付3元，有人只付2分5。这不是段子，是DeepSeek V4-Pro现在的计费现实：缓存未命中输入3元/百万Token，缓存命中0.025元/百万Token，差120倍。微信公众号
为什么能差这么多？先搞懂缓存命中到底命中了什么。你每次发请求，模型都要把你发过去的所有内容——系统提示词、历史对话、文档资料——完整"读一遍"，这一步叫prefill，是推理里最烧算力的环节。读完之后，模型的"阅读笔记"（术语叫KV缓存）会留在服务端，下一次请求只要开头部分一模一样，就直接翻笔记、跳过重读，省下的算力就体现为账单上的折扣。百家号
折扣能压到多低，取决于厂商把笔记存在哪。海外厂商的KV缓存大多放在GPU显存里，显存贵，折扣就给得保守；DeepSeek是自研路线，把缓存下沉到NVMe固态硬盘阵列，存储成本比显存低几个数量级，命中价才能压到近乎免费。微信公众号小米MiMo-V2.5-Pro也跟进了同样的120倍价差。
已经有人吃到了完整的红利：一个用Claude Code的开发团队，之前每月账单5000美元，原因只是每次请求都把同一份5000 token的系统提示词重复塞给模型重算；接入Prompt Cache之后，同样的工作量，账单降到800美元，少了84%。微信公众号
把主流厂商的缓存折扣拉个表（2026年5-7月公开定价页口径）：
DeepSeek V4-Pro：命中0.025元/百万Token，约为未命中价的1/120
DeepSeek V4-Flash：命中0.02元/百万Token，约为未命中价的1/10
小米MiMo-V2.5-Pro：命中0.025元/百万Token，约为未命中价的1/120
GPT-5.5：命中0.50美元/百万Token，约为未命中价的1/10
Claude：命中约为输入价的一折，但需要手动设置缓存断点
腾讯云混元：支持缓存，要求输入内容完全一致，实战项目整体token开销省三成以上比较常见
这里面腾讯云混元的条件最苛刻：输入内容必须完全一致才能命中，多一个时间戳都会失效。知乎
但重点来了：折扣是真实存在的，大多数人却命中不了。因为缓存匹配不是"意思差不多就行"，而是严格的前缀逐字节匹配，新请求必须从第一个token开始，和历史请求一字不差地对上。多一个空格、换一个标点、插一个时间戳，整个前缀的指纹就变了，前面几千上万token的缓存全部作废，按全价计费。微信公众号小红书
对照社区里反复出现的吐槽，踩坑姿势基本就这几种：
一是系统提示词里放了日期时间，天天在变，缓存天天失效；
二是换话题就点"新对话"，之前全价建的笔记直接扔掉，一切从头付费；
三是AI编程工具开了自动上下文，每次把无关文件拖进请求，前缀一直在变，自己还控制不了；
四是提示词每次重写，今天"资深文案"，明天"文案高手"，永远命不中。
所以想命中，核心就一句话：稳定的内容放最前面，变化的内容放最后面。微信公众号具体拆成五个动作：
第一，把人设和规则提示词固化下来，一个字都别改。Agent的系统提示、.md规则文件，越短越稳定越好，它们会原样出现在每轮请求的最前面。
第二，长文档分两次发。第一次只发文档全文让模型"已读"，这次全价；之后把文档原文一字不动钉在前面，每次只追加新问题，后面每一轮都是命中价。一次全价建缓存，后面反复白菜价复用。
第三，多轮对话尽量在同一个会话里追加，别轻易点新对话。只要对话没清空，前面的内容全部走缓存。
第四，批量任务集中在同一时段跑。第一个请求预热缓存，后面99个大概率全部命中。白天高峰期并发大，缓存可能被挤掉，凌晨跑批命中率明显更稳。微信公众号
第五，盯着账单验证。现在主流厂商的计费明细里都有"缓存命中"这一栏，API响应体里一般也有缓存命中的统计字段。如果这栏长期是0，别怀疑，一定是你的前缀在动。
再泼三盆冷水，免得被"省90%"的标题带偏。
第一，省90%的前提是命中率90%以上。生产环境里实测过的团队，命中率能做到30%就算不错了。知乎对应整体账单省30%-50%，已经很可观，但别指望账单清零。
第二，警惕假缓存中转站。社区已经有多起曝光：账单上显示有缓存，实际次次按全价收，多轮对话能多亏好几倍。哔哩哔哩选中转平台，先用官方账单的缓存栏对一次账，对不上就换官方渠道。
第三，市面上号称"自动压缩省六七成"的token省钱插件，大多是在有损压缩中间结果。微信公众号省的是账单的边角，换来的是隐性bug，不划算。
最后说说谁该重点做这件事。如果你的业务是固定提示词加批量处理——客服问答、合同审核、内容清洗——或者重度的多轮对话、Agent工作流，缓存折扣基本是纯利润，值得专门花半天调。如果你是随机的一次性提问，或者主要靠IDE自动上下文干活，缓存收益有限，更有效的省钱方式是分级：轻活交给DeepSeek V4-Flash这类便宜模型，硬活才上旗舰，比硬凑命中率见效更快。
还有一个值得持续关注的信号：DeepSeek V4-Pro的输入缓存命中价从4月26日起已经永久大幅下调。微信公众号缓存价格战其实才刚开始，各家都在跟进缓存折扣的计费方式。如果你的AI预算在涨，账单里的缓存命中率是第一个值得每周盯的指标。同样的问题，第二次还付全价，那不是模型贵，是信息差。
