トークン代 9 割減？プロンプトキャッシュの仕組みと効果の実測 — 保持時間が過ぎるとコスト 11 倍に

Last updated at 2026-10-25Posted at 2026-10-25

AI エージェントの料金の話では、よく「プロンプトキャッシュで入力が 9 割安くなる」と言われます。上の図のとおり、キャッシュから読む料金は、Claude Sonnet 5.5 で通常の入力の 0.05 倍（95% 引き）、OpenAI の GPT-5.6 以降と Gemini 3.8 Flash で 0.1 倍（90% 引き）です。では、プロンプトキャッシュはどう働き、実際の会話では、どの部分が安くなり、どの部分で費用がかかっているのでしょうか。作業を中断して時間があくと、どうなるのでしょうか。

IT連携マップ編集部は、各社の公式文書を読み、Claude Code（サブスクリプション）と Antigravity で会話を続けて、1 回の問い合わせの入力を「キャッシュから読む」「キャッシュへの書き込み」「キャッシュの外（キャッシュを使わない入力）」の 3 つに分けて測りました。費用は公式の料金で換算し、AI の返事（出力）は比べる対象から外しています。

先に結論

9 割引きになるのは「キャッシュから読む」部分だけ: Claude Code の 2 ターン目は、トークンの 93% がキャッシュから読まれましたが、費用の 75% は、新しく足した部分のキャッシュへの書き込みでした。Claude と OpenAI は、キャッシュへの書き込みに入力の 1.25〜2 倍の料金がかかります。
仕組み: LLM は入力のトークンごとに key と value の値を計算し、その値はそれより前のトークンで決まります。プロンプトキャッシュは、前の問い合わせと先頭から一字一句同じ部分のこの値（KV キャッシュ）を保存して、計算を省きます。1 文字でも違うと、そこから後ろは作り直しです。
各社の条件: キャッシュが使える最小量は、Claude Sonnet 5.5 が 512 トークン、OpenAI の GPT-5.6 以降が 1,024 トークン、Gemini 3.8 Flash が 4,096 トークンです。
保持時間が過ぎると 11 倍: キャッシュは、最後に使ってから保持時間を過ぎると消えます。保持時間（Claude Code のサブスクリプションは約 1 時間）を過ぎてから再開した 1 ターンは、キャッシュから読めた場合の 11 倍の費用でした。
利用者が制御できること: 先頭を変えないこと、保持時間の選択、キャッシュする範囲、作業が一段落して長く中断する前の /compact です。

1. プロンプトキャッシュは、どう働くのか？

プロンプトキャッシュは、前の問い合わせと先頭から一字一句同じ部分の計算結果（KV キャッシュ）を LLM のサーバーに保存しておき、次の問い合わせでその部分を安く読む仕組みです。ローカルのエージェント（Claude Code・Antigravity など）は、話しかけるたびに、システムプロンプト・ツール定義・指示ファイル（AGENTS.md など）・それまでの会話を全部まとめて（コンテキスト）、LLM のサーバーへ送ります。サーバーは、先頭から前の問い合わせと一字一句同じ部分を探し、入力を次の 3 つに分けて料金を数えます。

入力の区分	中身	料金（Claude Sonnet 5.5）
キャッシュから読む	前の問い合わせと一字一句同じ先頭の部分	通常の入力の 0.05 倍
キャッシュへの書き込み	新しく足した部分（次のターンで読めるように保存する）	5 分保持は 1.25 倍、1 時間保持は 2 倍
キャッシュの外（キャッシュを使わない入力）	キャッシュから読まず、キャッシュにも保存しないで送った部分	通常の入力の料金

先頭が一字一句同じでないと使えないのは、LLM が入力のトークンごとに作る key と value の値（KV・テンソル）が、それより前のすべてのトークンで決まるからです（vLLM の設計文書）。プロンプトキャッシュは、この値（KV キャッシュ）をサーバーに保存しておく仕組みです（OpenAI の公式）。

冒頭の図の 2 ターン目では、送った 53,801 トークンのうち 49,997 トークンをキャッシュから読み（$0.0050）、3,802 トークンをキャッシュへ書き込みました（$0.0152）。トークンの数ではキャッシュから読む部分が大半でも、費用を決めるのは、毎ターン新しく足す量です。では、キャッシュはいつ書き込まれ、いつ消えるのでしょうか。

2. キャッシュは、いつ書き込まれ、いつ読まれ、いつ消えるのか？

キャッシュは、新しく足した部分を送ったときに書き込まれ、次のターンで先頭が同じなら読まれ、最後に使ってから保持時間（TTL）を過ぎると消えます。上の図の会話では、1 ターン目は、資料と指示を初めてキャッシュへ書き込みました。2 ターン目からは、前と同じ先頭をキャッシュから読み、足した分だけをキャッシュへ書き込みました。使うたびに保持時間が延びるので、作業を続けている間は消えません。

上の図の会話を 65 分あけて再開すると、4 ターン目は共通の前置き（システムプロンプトとツール定義）しかキャッシュから読めず、履歴を全部キャッシュへ書き直しました（$0.175）。作業が一段落したときに /compact しておくと、再開した 4 ターン目は $0.032 で済みました。では、各社のモデルで、キャッシュが効く条件と割引率はどう違うのでしょうか。

3. 各社のモデルで、キャッシュが効く条件と割引率はどう違うのか？

提供元・モデル	効き方	最小量	キャッシュから読む料金	キャッシュへの書き込みの料金	保持時間
Claude Sonnet 5.5・Opus 5.5	自動か、区切りを最大 4 か所	512 トークン	入力の 0.05 倍	5 分保持 1.25 倍・1 時間保持 2 倍	5 分（既定）か 1 時間
Claude Haiku 5.5	同上	512 トークン	入力の 0.1 倍	同上	同上
OpenAI GPT-5.6 以降	既定で自動	1,024 トークン	入力の 0.1 倍（GPT-6.1 Sol は 0.05 倍）	1.25 倍	最後に使ってから 30 分
Gemini 3.8 Flash（暗黙のキャッシュ）	既定で自動・キャッシュヒットの保証は無い	4,096 トークン	入力の 0.1 倍（$0.75 → $0.075）	料金なし	公開されていない
Gemini（明示的なキャッシュ）	利用者がキャッシュを作る	—	同上	保存料（1M トークン・1 時間あたり $0.50）	既定 1 時間・変えられる

キャッシュから読む料金（割引率）は、Claude Sonnet 5.5・Opus 5.5 が入力の 0.05 倍、Claude Haiku 5.5・OpenAI の GPT-5.6 以降・Gemini 3.8 Flash が 0.1 倍です。各社で大きく違うのは、キャッシュへの書き込みの料金（Claude と OpenAI は 1.25〜2 倍、Gemini の暗黙のキャッシュは料金なし）、キャッシュが使える最小量、保持時間です。出典は Anthropic の公式・OpenAI の公式・Gemini API の公式（キャッシュ）・同（料金）です。料金は 1M トークンあたりの米ドルで、Gemini 3.8 Flash は 2026 年 12 月 31 日までの料金です（2027 年 1 月 1 日からキャッシュから読む料金は $0.15）。

公式の最小量と、実際にキャッシュヒットした量は違うことがあります。Antigravity の Gemini 3.8 Flash では、1 回の入力が 17,459 トークン以下の回は 1 度もキャッシュヒットしませんでした。では、利用者は何を制御できるのでしょうか。

4. 利用者は、何をどうやって制御できるのか？

利用者が制御できるのは、下の表の 5 つです。先頭を変えないこと、保持時間を選ぶこと、キャッシュする範囲を決めること、保持時間を超える前に /compact で小さくすること、効いているかを確かめることです。キャッシュヒットするかどうかはサーバーが決めますが、キャッシュヒットしやすくする手と、保持時間を選ぶ手は利用者にあります。上の図のとおり、Claude Code で指示ファイルに現在時刻を 1 行足すと、時刻が変わるたびに、そこから後ろの 10,774 トークンをキャッシュへ書き直しました。MCP（Model Context Protocol）サーバーを足したときや、モデルを切り替えたときも、キャッシュへの書き直しが起きました。

制御できること	方法
先頭を変えない	毎回変わる日時・乱数を、指示ファイルやプロンプトの先頭に書かない。変わらない物を先頭に置く。作業の途中でモデルやツール（MCP サーバー）を変えない
保持時間を選ぶ	Claude Code は `promptCacheTtl`（5m・1h）、Claude の API（Application Programming Interface）は `cache_control` の `ttl`、OpenAI は `prompt_cache_options.ttl`（GPT-5.6 以降は 30m だけ）、Gemini は明示的なキャッシュの `ttl`
キャッシュする範囲を決める	Claude の API は `cache_control` の区切り、OpenAI は区切りを明示するか任せる、Gemini は明示的なキャッシュを作る
保持時間を超える前に小さくする	作業が一段落して、保持時間を超えて中断する前に `/compact` する（費用は 57% 減った）
効いているかを確かめる	Claude Code は `/usage` の「Prompt cache (main)」、API は返事の usage（キャッシュから読んだ数・書き込んだ数）

制御できないのは、キャッシュヒットの保証と料金の倍率です。OpenAI の prompt_cache_key も、キャッシュヒットを保証しません。そして、製品が決める保持時間は、製品によって違います。

製品・モデル	キャッシュから読めた間	キャッシュが切れた間	保持時間（見立て）	切れた後の 1 ターン
Claude Code（サブスクリプション）・Claude Sonnet 5.5	30・50・55・58 分	61・64・70・90・120 分	約 1 時間	11 倍
Antigravity・Claude Sonnet 5.5	4 分	6・15・30・55・65 分	約 5 分	9.4 倍
Antigravity・Gemini 3.8 Flash	4・6・8・10 分	12・15・30・55・65 分	10〜12 分	6.1 倍

同じ Claude Sonnet 5.5 でも、Claude Code のサブスクリプションは 1 時間保持、Antigravity は 5 分前後でした。Claude Code の倍率が大きいのは、1 時間保持のキャッシュへの書き込みが入力の 2 倍の料金だからです。保持時間より長く作業を中断するなら、作業が一段落したときに /compact しておくのが安く済みます（compact とは）。

最後に

プロンプトキャッシュの「9 割引き」は、キャッシュから読む部分の話です。実際の費用は、毎ターン新しく足す量（キャッシュへの書き込み）と、保持時間が切れたときの払い直しで決まります。先頭を変えず、資料を貼り直さず、作業が一段落して長く中断する前に /compact しておくのが、いちばん効く使い方でした。

全データと測り方、設定の一覧は、次のガイドで公開しています。

仕組みの前提になる言葉と、費用の確かめ方は、次のガイドにまとめています。

今回取り上げた製品とモデルのページ: Claude Code・Antigravity・Claude・Gemini・OpenAI API