Caché de prompts explicada: cómo funciona y cuánto ahorra

La caché de prompts permite a una API de modelos reutilizar el trabajo que ya hizo con el comienzo de tu prompt, de modo que las instrucciones, los documentos o las definiciones de herramientas que se repiten se procesan una vez y después se cobran a una fracción del precio normal de entrada. Los principales proveedores la ofrecen: OpenAI, Google y DeepSeek la activan por defecto, y Anthropic exige un ajuste cache_control que se añade en una línea. Esta guía explica cómo funciona la caché de prompts, compara las reglas y los precios de los cuatro proveedores según su documentación del 6 de octubre de 2026 (la de Anthropic, revisada el 26 de octubre de 2026) y muestra cómo estructurar un prompt para conseguir aciertos de caché.

¿Qué es la caché de prompts?

Cuando un modelo lee tu prompt, genera resultados intermedios llamados estados de clave y valor (KV), que le permiten referirse a los tokens anteriores mientras lee el resto y escribe la respuesta. OpenAI explica que la caché de prompts guarda ese estado para un prefijo reutilizable, los tokens sin cambios al principio de un prompt, y que lo que se guarda son tensores de clave y valor, no los tokens. Cuando una petición posterior empieza con el mismo prefijo y encuentra una entrada coincidente, el modelo se salta ese trabajo y procesa solo la parte nueva.

De cómo funciona se derivan dos consecuencias:

• Solo se puede guardar en caché el principio del prompt. El prefijo tiene que coincidir exactamente: Anthropic dice que los aciertos exigen que los segmentos del prompt sean idénticos al 100 %, y OpenAI dice que la reutilización exige que coincida todo el prefijo. Cualquier cosa que cambie pronto en el prompt, como una marca de hora o una definición de herramienta reordenada, hace que falle todo lo que viene después.
• La caché cambia el precio y la velocidad, no la respuesta. El modelo ve el mismo prompt. Lo que ahorras es el coste de volver a leerlo. Para la unidad que hay detrás de estos precios, mira qué es un token.

¿Cómo se comparan los cuatro proveedores?

Tabla: reglas de la caché de prompts por proveedor (6 de octubre de 2026)

Lee la tabla con estas salvedades: los modelos anteriores de OpenAI usan otros ajustes de retención (in_memory o 24h) y otros mínimos, y las tarifas de cada modelo están en la página de precios de cada fabricante, resumidas en precios de las API de modelos comparados. Anthropic y OpenAI dicen que las cachés están aisladas entre organizaciones, y Anthropic añade que también lo están por espacio de trabajo en su API.

¿Cuánto puede ahorrar la caché?

La propia aritmética de OpenAI muestra la forma del ahorro. Con una lectura a 0,1 veces y una escritura a 1,25 veces, escribir un prefijo una vez y reutilizarlo entero una vez cuesta 1,35 veces su coste normal de entrada, frente a 2 veces por procesarlo dos veces sin caché. En diez peticiones, una escritura y nueve lecturas completas cuestan 2,15 veces, frente a 10 veces sin caché.

Nuestro modelo de costes da cifras mensuales concretas. Son cálculos nuestros a partir de los precios publicados por los proveedores; incluyen las lecturas de caché pero no las escrituras ni el almacenamiento, y no aplican ajuste de tokenizador.

Tabla: coste mensual con y sin caché (cálculo nuestro)

La primera carga ahorra menos (un 38 % con el 80 % en caché) porque los tokens de salida, que la caché no toca, son la mitad de su factura. La segunda, un documento largo que se vuelve a leer en cada petición, es donde más importa la caché: la factura baja alrededor de un 81 %. Las dos columnas coinciden porque los dos modelos leen de la caché a 0,05 veces el precio de entrada; en un modelo que lee a 0,1 veces, como Claude Haiku 4.5, la misma parte en caché ahorra menos. Prueba tus propias cifras en la calculadora de costes de API.

Cómo estructurar un prompt para conseguir aciertos de caché

Como solo se reutiliza un prefijo idéntico, la forma del prompt decide tu tasa de aciertos:

1. Pon primero lo estable. Las instrucciones del sistema, las definiciones de herramientas, los ejemplos y los documentos de referencia van al principio. La pregunta, el nombre del usuario, la fecha y todo lo que cambia en cada petición van al final.
2. No cambies la parte inicial. Reordenar herramientas, editar la descripción de una herramienta, activar o desactivar una función o añadir una marca de hora arriba invalida todo lo que viene después. La caché de Anthropic sigue el orden herramientas, sistema y mensajes, y un cambio en un nivel invalida ese nivel y todos los posteriores.
3. Coloca el punto de corte al final del prefijo estático. Con el modo explícito de Anthropic, pon cache_control en el último bloque que sea idéntico en las peticiones que deban compartir caché, no en el bloque que varía.
4. Mantén las peticiones próximas en el tiempo. Las cachés caducan: 5 minutos por defecto en Anthropic (que se renuevan con cada uso) y al menos 30 minutos en OpenAI en los modelos actuales. Enviar peticiones parecidas dentro de esa ventana mantiene viva la entrada.
5. Cuida la longitud mínima. Un prompt más corto que el mínimo se procesa sin caché y no se devuelve ningún error. Si el tuyo se queda justo por debajo, Anthropic señala que ampliar el contenido en caché hasta el umbral suele compensar.
6. Mídelo. Anthropic informa de cache_creation_input_tokens y cache_read_input_tokens, OpenAI informa de cached_tokens y cache_write_tokens en el detalle de uso, y Google informa de los tokens en caché en su respuesta. Si el recuento de caché es cero, el prefijo no coincidió o era demasiado corto.

¿Y la privacidad?

La caché guarda el estado del modelo, así que lee las condiciones de retención. OpenAI dice que la caché de prompts puede guardar tensores de clave y valor cifrados en almacenamiento local de las GPU, que las cachés no se comparten entre organizaciones y que, para evitar que los usuarios sondeen si un prompt estaba en caché, puedes usar claves de caché distintas por cliente. Anthropic documenta el aislamiento entre organizaciones y espacios de trabajo y remite a su página de retención de datos para saber cómo se aplica la retención cero de datos a esta función. Si tratas datos personales, comprueba en las condiciones del proveedor cuánto tiempo se conserva el estado en caché; nuestra guía sobre el Reglamento (UE) 2024/1689 recoge otras normas que pueden aplicarse al desplegar modelos de lenguaje en la UE.

¿Cuándo no compensa la caché?

Cuando tus prompts son cortos (por debajo del mínimo), cuando cada petición es distinta desde el principio o cuando las peticiones están tan separadas que la entrada no sobrevive. La caché tampoco hace nada por los tokens de salida, que suelen costar varias veces más que los de entrada. En un agente que da vueltas ocurre lo contrario: cada paso repite el mismo prefijo largo, y por eso los agentes se benefician tanto y por eso conviene modelar sus costes antes de construir, como en el ejemplo de agentes para empresas.