Cache de prompts

O cache de prompts reduz o custo de um prefixo de solicitação repetido (instrução do sistema, histórico, descrições de ferramentas). Para modelos compatíveis, um prefixo repetido é lido do cache a um custo muito menor do que o de uma entrada normal — na ordem de dezenas por cento do preço total. O suporte a cache de cada variante é exibido na página Modelos.

Nos modelos /v1/chat/completions da família OpenAI, o cache é ativado automaticamente: um prefixo estável idêntico em solicitações repetidas é lido do cache. Nenhum campo especial é necessário — o mais importante é não alterar o início da solicitação. Por isso, o corpo é enviado ao endpoint byte a byte, sem reordenar os campos.

Claude funciona de forma diferente: ele armazena em cache somente quando há pontos de interrupção cache_control explícitos no corpo — repetir o prefixo não ativa o cache por si só. Coloque esse ponto de interrupção no final da parte inalterada (system ou o último bloco):

curl https://getvibeapi.com/v1/messages \
  -H "x-api-key: $GETVIBE_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-opus-5.5",
    "max_tokens": 256,
    "system": [
      {
        "type": "text",
        "text": "A large fixed instruction worth caching…",
        "cache_control": { "type": "ephemeral" }
      }
    ],
    "messages": [{"role": "user", "content": "Question about the instruction"}]
  }'

Para Claude, aceitamos o formato nativo da Anthropic — /v1/messages com o cabeçalho x-api-key. É o formato usado pelo Claude Code e pelo SDK da Anthropic: o corpo é enviado upstream como está, sem tradução do formato OpenAI, portanto tanto os pontos de interrupção do cache quanto os campos cache_creation / cache_read na resposta permanecem intactos.

Isso é uma medição, não uma promessa: em 2026-08-21, uma sessão de agente em claude-opus-5 por meio de /v1/messages — 119 solicitações, 15M tokens de entrada — leu 91.6% de sua entrada a partir do cache. A quantidade de cache que você realmente obtém está sempre visível na resposta usage e nas estatísticas de solicitações do seu dashboard.