Claude API 省錢：提示快取與批次處理怎麼用

用 Claude API 寫一個小工具，第一個月的帳單常常比預期高一截。原因多半只有一個：模型沒有記憶，每次呼叫都要把整段系統提示與背景知識重送一遍，輸入 token 一天就累積幾百萬個。結論可以先講：先到主控台看用量分佈，找出被重送最多次的那段長前綴，標成提示快取。依 Anthropic 官方文件，快取讀取只收基礎輸入價的 0.1 倍，寫入 1.25 倍，讀一次就回本；不急的工作再丟批次，輸入與輸出照標價的 50% 計費。

這篇依 Anthropic 官方文件（價格、快取與批次規則 2026 年 10 月 5 日查證，主控台畫面 9 月 14 日查證），把三個省錢手段由易到難講一遍：提示快取、批次處理、選對模型。每一個都寫清楚它砍掉帳單的哪一塊、代價是什麼、什麼情況反而更貴，參數名稱照官方文件。最後用一個每天呼叫 200 次的小工具做試算，看三個手段各砍掉多少，再列四個常見錯誤。價格與規則換得很快，動手前以官網當下的頁面為準。

帳單為什麼會高：同一段前綴被重送幾千次

API 的計價單位是 token，而且每一次呼叫都是獨立的：系統提示、工具定義、背景文件、前面的對話要整包重送，模型才知道上下文是什麼。一個問答式的小工具，系統提示加上一份固定的產品說明可能就有 20,000 個 token，使用者真正打的那句話只有 200 個。也就是說，每次呼叫有 99% 的輸入是「上次送過、這次一模一樣」的內容，而這份重複的內容預設每次都照基礎輸入價重算。三個手段都在這一塊上做文章。

動手前先看用量分佈，不要憑感覺猜。Claude 主控台左邊的導覽有 Usage 與 Cost 兩頁，開發者、帳務與管理員三種角色看得到。Usage 頁把輸入與輸出 token 畫成長條圖，可按小時或分鐘看，能依 workspace、模型、API 金鑰與日期篩選，還有一張標題是 Rate Limit Use + Caching - Input Tokens 的圖，直接顯示每小時未快取的輸入 token 尖峰與目前的快取率；Cost 頁是每日花費圖。兩頁都能匯出 CSV，但說明中心註明目前沒辦法把用量拆到個別使用者。

要更細的數字，每一次呼叫的回應裡都有一個 usage 物件：input_tokens 是沒被快取的輸入，cache_creation_input_tokens 是這次寫進快取的量，cache_read_input_tokens 是從快取讀回來的量，三個相加才是總輸入。組織層級另有 Usage and Cost Admin API，可以用 1 分鐘、1 小時或 1 天的區間，依模型與 API 金鑰分組拉出同一份數字。

手段一：提示快取，重複的前綴只算一次

提示快取的原理是在提示詞前面切一刀：斷點以前的內容如果和前一次呼叫一字不差，模型就直接讀已經算好的結果，不重算。可以快取的東西有三類，順序固定是工具定義、系統提示、訊息，官方文件寫成 tools、system、messages，比對照這個順序從頭往後比，前面有一個位元不同，後面全部算沒中。這也是為什麼要快取的東西得放在提示詞最前面。

價錢分三種。寫進快取的那一次，5 分鐘版收基礎輸入價的 1.25 倍，1 小時版收 2 倍；之後每次讀到快取只收 0.1 倍，Opus 5.5 只收 0.05 倍，Fable 5.1 更只收 0.025 倍。官方文件直接把回本點寫出來：5 分鐘版讀一次就回本，1 小時版讀兩次回本。存活時間預設 5 分鐘，每讀一次就免費續命，所以只要呼叫沒斷超過 5 分鐘，同一份前綴可以一直接力用下去。要注意這段時間是從發出請求那一刻算起，不是從回答結束算。想撐久一點就用 1 小時的選項，寫法是在 cache_control 裡多一個 ttl 欄位、值填 1h；官方文件寫明沒有更長的選項。

最小可快取長度依模型不同：Opus 5.5、Sonnet 5.5、Opus 5 與 Fable 5.1 是 512 個 token，Sonnet 5 與 Opus 4.8 是 1,024，Opus 4.7 是 2,048，Haiku 4.5 與 Opus 4.6、4.5 是 4,096。不到門檻不會報錯，只是靜靜地不快取，要確認有沒有中，就看回應裡的 cache_creation_input_tokens 與 cache_read_input_tokens 是不是都是 0。標記用的參數叫 cache_control，值是一個物件，type 填 ephemeral。有兩種用法：放在請求最上層是自動快取，系統會把斷點放在最後一個可快取的區塊，對話變長時自動往後移，官方建議多數情況從這個開始；放在個別內容區塊上是明確斷點，一個請求最多 4 個，超過會回 400 錯誤。快取不會跨組織共用，在 Claude API 上還按 workspace 隔離。

• 最划算：同一份長文件被問很多次。整本手冊、整份規格、整張資料表放進系統提示，斷點放在文件結尾，之後每一個問題都只付 0.1 倍。
• 最划算：固定不動的長系統提示。角色設定、輸出格式、20 個以上的範例，官方文件把這幾樣列為最適合快取的內容，還有常用的工具定義。
• 划算：多輪對話。前面的對話會一路往後累積，用最上層的自動快取，斷點會自己跟著往後移，不用自己算位置。
• 不划算：每次內容都不同。前綴只要有一個字不一樣就算沒中，你付了 1.25 倍的寫入價，卻連一次讀取都拿不到，比不快取還貴。
• 不划算：間隔太久。呼叫零零星星、一小時才一次，5 分鐘的快取早就過期，等於每次都在付寫入價；這種情況要嘛改用 1 小時版，要嘛乾脆不快取。
• 不用試：前綴太短。不到模型的最小可快取長度就是不會快取，標了也沒用，而且系統不會提醒你。

手段二：批次處理，不急的工作打五折

Message Batches API 是把一疊請求包成一包送出去、晚點再回來拿結果。所有用量照標價的 50% 計費，輸入與輸出都算。送出的格式是一個 requests 陣列，每一筆有自己的 custom_id 與一個 params 物件，裡面就是平常 Messages API 的參數；送出後輪詢批次的 processing_status，從 in_progress 變成 ended 就可以下載結果。每一筆結果有四種狀態：succeeded、errored、canceled、expired。幾乎所有平常能送的東西都能放進批次，同一包裡也可以混不同類型的請求。

代價是等待與幾條限制。官方文件寫多數批次一小時內跑完，但正式的說法是：全部跑完或滿 24 小時，以先到的為準，才能取結果；24 小時內沒跑完的請求會過期，過期的不收費。一個批次最多 100,000 筆請求或 256 MB，結果保留 29 天。所有現役模型都支援批次，但有三個參數不能用：stream 設成 true、快速模式的 speed，以及 max_tokens 設成 0。官方另外提醒，批次可能跑超過 5 分鐘，同一批共用前綴時建議搭 1 小時的快取，命中率才高。

• 適合：整批分類貼標籤、整批摘要、離線的資料處理、大規模的評測。官方文件給的例子就是內容審核、資料分析與大量產生文案。
• 適合：每天固定跑一次的排程工作，反正結果隔天早上才要看。
• 不適合：要即時回覆的聊天介面，或使用者按了按鈕站在畫面前等的功能。
• 不適合：要逐字串流出來的畫面，批次的結果是一個檔案，不是串流。
• 不適合：一次就要跑滿的高風險工作。先用一小批試過再放大，不然整批跑完才發現提示詞寫錯。

手段三：選對模型，長對話定期重開

前兩個手段是把同一件事做得便宜，第三個是換一個更便宜的人來做。官方的成本建議第一條就是選對模型：簡單的工作用 Haiku、多數線上工作用 Sonnet、最複雜的推理才用 Opus。以每百萬 token 的標價看，Sonnet 5.5 是輸入 2 美元、輸出 10 美元，Haiku 4.5 是輸入 1 美元、輸出 5 美元，正好是一半；Opus 5.5 則是 4 與 20 美元。分類、抽欄位、判斷格式這種每次都很簡單的工作，換成輕一階的模型，那一塊的帳單直接砍半，品質常看不出差別。

另一個容易忽略的是對話長度。每送一則訊息，模型都要把前面整段對話重讀一次，對話越長每一則越貴，而思考用掉的 token 還是按輸出計價。換了主題就開新對話，或把前面的內容濃縮成一段摘要再接下去，比一路聊到底便宜很多。要注意換模型會讓快取失效：官方的快取診斷把 model_changed 列為第一種沒中的原因，快取按模型隔離，同一段對話中途換模型，前綴得整段重寫。

Claude 模型家族：Fable、Opus、Sonnet、Haiku 怎麼選

閱讀完整文字說明

左半邊上下兩塊是同一次呼叫的兩種算法。上面那塊是沒有快取：一段 20,000 token 的前綴照基礎輸入價整段重算，後面再加上使用者打的 200 個 token，每次呼叫都重算一遍。下面那塊是有快取：同一段 20,000 token 的前綴改成讀快取，只收 0.1 倍，後面一樣加上 200 個 token；第一次寫進快取收 1.25 倍，1 小時版收 2 倍；快取存活 5 分鐘，每讀一次免費續命，1 小時是另一個選項。左下方是一個每天呼叫 200 次的小工具試算，四個方塊由左到右是什麼都不做 9.08 美元、加提示快取 2.64 美元、再加批次處理 0.98 美元、再換輕一階的模型 0.49 美元，單位都是美元每天，全部依官網標價推算，不是官方公布的數字。右半邊由上到下是三個手段。第一個是提示快取，省的是重複的長前綴：讀取 0.1 倍、寫入 1.25 倍、1 小時版 2 倍；適合同一份長文件被問很多次與固定的長系統提示；不適合每次內容都不同或間隔超過存活時間。第二個是批次處理，整張帳單打五折：輸入與輸出都收 50%，多數一小時內完成；適合整批分類、整批摘要與離線的資料處理；不適合要即時回覆的情況，最長要等 24 小時，逾時過期。第三個是選對模型，把單價降一階：簡單的工作換輕一階的模型，單價大約砍半；適合分類、抽欄位、判斷格式這種每次都簡單的事；長對話也要定期重開，因為前面整段每次都要重讀。三個可以疊起來用，批次折扣與快取折扣會相乘，順序是先做快取、再搬批次、最後才檢討模型。最底下提醒先看主控台的用量分佈，帳單多半是被同一段長前綴重送幾千次吃掉的。價格與規則依 2026 年 9 月 14 日的 Anthropic 官方文件。

實際試算：每天 200 次、前綴 20,000 token 的小工具

假設一個工具每天被呼叫 200 次，每次都送同一段 20,000 token 的系統提示與知識，使用者輸入 200 token，回答 500 token，模型用 Sonnet 5.5。快取那幾列假設用 1 小時版、一天寫 10 次讀 190 次；批次那列假設整批在同一包裡跑，寫 1 次讀 199 次。下面的金額是拿官網標價推算的，不是官方公布的數字，換成自己的長度與次數，方向不會變。

三個手段各砍掉不同的一塊。快取砍的是「重複的長前綴」那一塊輸入，輸入端從 8.08 美元掉到 1.64 美元，輸出完全沒動；批次是整張帳單對半砍，輸入與輸出都算，但它一個 token 也不會幫你少送；換模型是把每個單價降一階。三個可以疊起來，官方文件寫明批次折扣與快取折扣可以合併計算，疊完每天從 9.08 美元掉到 0.49 美元。要注意 Haiku 4.5 的最小可快取長度是 4,096 個 token，這例子的 20,000 token 前綴過得了門檻，前綴短的工具換到 Haiku 就可能快取不到。

四個把快取弄丟的常見錯誤

1. 把斷點標在會變動的內容上。系統提示裡插了目前時間、請求編號或使用者名字，前綴每次都不一樣，於是你每次都在付 1.25 倍的寫入價、永遠讀不到。官方的修法是把系統提示做成一個字都不會動的常數，會變的資料移到斷點後面的第一則使用者訊息。
2. 把使用者輸入放進快取前綴。使用者打的字每次都不同，放在斷點以前等於自己把快取砸掉。斷點要放在「每次都一模一樣的最後一塊」，不是整段提示詞的最後一塊。官方文件點名這個誤解：快取不會往回找穩定的內容，它只找得到前一次在斷點寫下的那份。
3. 以為快取永久有效。預設只有 5 分鐘，最長的選項是 1 小時，沒有更久的；呼叫間隔比存活時間長，快取就是過期，而且那段時間是從發出請求開始算，不是從你收到回答開始算。
4. 其他讓前綴對不上的小動作。中途換模型、工具清單加減或換順序、某些語言序列化 JSON 時鍵的順序是隨機的、改了思考或 effort 設定、多送或少送一張圖片，都會讓快取整段失效。查不出原因時，官方有一個 beta 的快取診斷：帶上 cache-diagnosis-2026-04-07 這個 beta 標頭，並在請求裡傳 diagnostics 的 previous_message_id，回應會告訴你 cache_miss_reason 是 model_changed、system_changed、tools_changed 還是 messages_changed。

第一次呼叫 Claude API：金鑰、費用與十行 Python

三個手段的順序也是建議的順序：先看用量、再做快取，把不急的搬去批次，最後才檢討模型選得對不對。要再往下壓可以回頭比各家的單價，但換供應商之前，先確認那段長前綴沒有被重送幾千次，通常這一步就夠了。

• AI 工具
• 教學
• AI 寫程式與本機模型
• AI 方案與費用