# ¿Qué es el prompt caching? Definición, precios y duración de la caché

> El prompt caching (caché de prompts) permite a una API de modelo de lenguaje reutilizar el inicio idéntico de un prompt ya procesado (instrucciones, herramientas, documentos) en lugar de recalcularlo en cada solicitud. En Anthropic, leer la caché cuesta 0,1 veces el precio de entrada en la mayoría de los modelos (0,025 veces en Claude Fable 5.2) y escribirla 5 minutos, 1,25 veces.

## Definición
Una solicitud enviada a un modelo suele llevar la misma base: instrucciones del sistema, definición de herramientas, documentos de referencia, historial de conversación. Sin caché, el proveedor reprocesa esos miles de tokens en cada llamada y los factura a precio completo. Con el prompt caching, el inicio del prompt se memoriza tras una primera solicitud, y las siguientes que empiezan exactamente con el mismo texto lo releen a tarifa reducida. La caché no cambia la respuesta: Anthropic precisa que no afecta a la generación de los tokens de salida. En Anthropic, la escritura cuesta 1,25 veces el precio de entrada base para una duración de 5 minutos y 2 veces para 1 hora. La lectura cuesta 0,1 veces en la mayoría de los modelos, 0,05 veces en Claude Opus 5.5 y Claude Sonnet 5.5, y 0,025 veces en Claude Fable 5.2. La duración por defecto es de 5 minutos, renovada sin coste en cada lectura. El texto debe ser idéntico al 100 %, en el orden herramientas, sistema, mensajes. El mínimo es de 512 tokens en Fable 5.2, Opus 5.5, Sonnet 5.5 y Haiku 5.5. En OpenAI, la caché está activada por defecto. En GPT-5.6 y posteriores, la lectura cuesta 0,1 veces el precio de entrada (0,05 veces en GPT-6.1 Sol y Terra) y la escritura 1,25 veces para un mínimo de 30 minutos o 2,5 veces para 12 horas, con un mínimo de 1024 tokens. Los modelos anteriores no tienen coste de escritura.

## Ejemplo
Caso ilustrativo, con los precios reales de Claude Sonnet 5.5 (2 $ por millón de tokens de entrada, 2,50 $ en escritura de 5 minutos, 0,10 $ en lectura). Una consultora de 35 personas consulta un asistente respaldado por un referencial interno de 50 000 tokens (métodos, plantillas de entregables), situado al inicio de cada solicitud. En una hora punta llegan 200 solicitudes, cada una menos de 5 minutos después de la anterior. Sin caché: 200 x 50 000 = 10 millones de tokens, es decir, 20,00 $. Con caché: una escritura (50 000 x 2,50 $ / 1 000 000 = 0,125 $) y 199 lecturas (9,95 millones x 0,10 $ / 1 000 000 = 0,995 $), es decir, 1,12 $, un 94 % menos aproximadamente en esa parte. Las preguntas y las respuestas se facturan a la tarifa normal en ambos casos.

## Para un directivo
Activar la caché sin estructurar el prompt: una fecha, un identificador de usuario o extractos cambiantes situados al inicio hacen que el comienzo sea distinto en cada solicitud. La caché no sirve nunca y la escritura, más cara que la entrada normal, se paga en balde. | Colocar al principio todo lo estable (instrucciones, herramientas, documentos de referencia) y al final lo que varía. Comprobar en la respuesta de la API los contadores cache_creation_input_tokens y cache_read_input_tokens, que indican si la caché se ha usado. Elegir la duración de una hora solo si las solicitudes están separadas por más de 5 minutos: en Anthropic se amortiza tras dos lecturas.

*Prompt caching, semantic caching, KV cache y RAG: cuatro nociones que no hay que confundir*

|  | Prompt caching | Semantic caching | KV cache | RAG |
| --- | --- | --- | --- | --- |
| Dónde actúa | En el proveedor, en la API del modelo | En su aplicación, antes de llamar al modelo | Dentro del modelo, durante la generación | En su aplicación, antes de redactar el prompt |
| Qué se reutiliza | El procesamiento de un inicio de prompt idéntico | Una respuesta ya producida para una pregunta parecida | Los cálculos de atención de los tokens ya leídos | Extractos de sus documentos, añadidos al prompt |
| Coincidencia | Exacta, carácter por carácter | Aproximada, por similitud de sentido | Automática, interna al modelo | Por búsqueda de pertinencia |
| ¿Se llama al modelo? | Sí, se genera una respuesta cada vez | No, si la caché acierta | Sí, es una etapa del cálculo | Sí |
| Riesgo principal | Un inicio de prompt que cambia y vuelve inútil la caché | Servir una respuesta obsoleta o fuera de lugar | Memoria consumida en contextos largos | Extractos no pertinentes, respuesta inexacta |
| Quién lo ajusta | Usted, con la estructura del prompt y un parámetro de API | Usted, con el umbral de similitud y la vigencia | El proveedor o el equipo de infraestructura | Usted, con la indexación y la búsqueda |

## Preguntas frecuentes

**¿Qué es el prompt caching?**
Es una función de API que memoriza el inicio de un prompt ya procesado (instrucciones, herramientas, documentos) para no recalcularlo en cada solicitud. Las solicitudes siguientes que empiezan con el mismo texto releen ese inicio a tarifa reducida. La respuesta del modelo sigue siendo la misma.

**¿Cuál es la diferencia entre prompt caching y semantic caching?**
El prompt caching se sitúa en el proveedor del modelo y exige un inicio de prompt idéntico; el modelo genera siempre una respuesta. El semantic caching se sitúa en su aplicación: compara el sentido de las preguntas por similitud (un umbral habitual es de 0,85 a 0,95 según Redis) y devuelve una respuesta ya producida sin llamar al modelo. Ahorra más en cada acierto, pero puede servir una respuesta obsoleta o fuera de lugar.

**¿Cuál es la diferencia entre prompt caching y KV cache?**
La KV cache es un mecanismo interno del modelo: durante la generación conserva los cálculos de atención (claves y valores) de los tokens ya leídos para no rehacerlos. El prompt caching pertenece a la misma familia de ideas, pero es una función de API, facturada y configurable, que conserva el inicio de un prompt entre dos solicitudes.

**¿Cuál es la diferencia entre prompt caching y RAG?**
El RAG busca en sus documentos los extractos pertinentes y los añade al prompt. El prompt caching no busca nada: reduce el coste de lo que se reenvía idéntico. Se combinan, con una precaución: unos extractos RAG que cambian con cada pregunta, colocados al inicio, impiden que la caché sirva. Ponga primero las partes estables.

**¿Cuánto cuestan la escritura y la lectura de la caché en Anthropic?**
Precios por millón de tokens (página de precios de Anthropic, noviembre de 2026), entrada base / escritura 5 minutos / escritura 1 hora / lectura: Claude Fable 5.2, 8 $ / 10 $ / 16 $ / 0,20 $; Claude Opus 5.5, 4 $ / 5 $ / 8 $ / 0,20 $; Claude Sonnet 5.5, 2 $ / 2,50 $ / 4 $ / 0,10 $; Claude Haiku 5.5 (prompts de hasta 100 000 tokens), 0,10 $ / 0,125 $ / 0,20 $ / 0,01 $.

**¿Cuánto cuesta el prompt caching en OpenAI?**
Está activado por defecto. En GPT-5.6 y posteriores, la lectura cuesta 0,1 veces la tarifa de entrada (0,05 veces en GPT-6.1 Sol y Terra) y la escritura 1,25 veces (mínimo de 30 minutos) o 2,5 veces (12 horas), con un mínimo de 1024 tokens. En los modelos anteriores no hay coste de escritura y el descuento sobre la entrada en caché llega hasta el 95 %.

**¿Cuánto tiempo se conserva la caché?**
En Anthropic, 5 minutos por defecto o 1 hora como opción, renovada sin coste en cada lectura y contada desde el inicio de la solicitud. En OpenAI, en los modelos anteriores, de 5 a 10 minutos de inactividad (hasta una hora) en memoria, o hasta 24 horas con retención ampliada; en GPT-5.6 y posteriores, 30 minutos como mínimo, o 12 horas.

## Para seguir

- [Coste por token](https://wyp.agency/es/glosario/coste-por-token/)
- [RAG (Retrieval-Augmented Generation)](https://wyp.agency/es/glosario/rag/)
- [Ventana de contexto](https://wyp.agency/es/glosario/ventana-de-contexto/)
- [Token](https://wyp.agency/es/glosario/token/)
- [Inferencia](https://wyp.agency/es/glosario/inferencia/)

## Fuentes

- Pricing (modelos, multiplicadores de caché, precios de lectura y escritura), Anthropic, página consultada el 14 de noviembre de 2026 (https://platform.claude.com/docs/en/about-claude/pricing)
- Prompt caching (duración, mínimo de tokens, coincidencia exacta), documentación de Claude, Anthropic (https://platform.claude.com/docs/en/build-with-claude/prompt-caching)
- Prompt caching (retención, mínimo, descuentos, costes de escritura), OpenAI Developers (https://developers.openai.com/api/docs/guides/prompt-caching)
- Cache strategies (KV cache), documentación de Transformers, Hugging Face (https://huggingface.co/docs/transformers/kv_cache)
- What is semantic caching? (embeddings, umbral de similitud), Redis, actualizado el 13 de noviembre de 2026 (https://redis.io/blog/what-is-semantic-caching/)

---
Ficha del glosario de IA de WYP.agency · https://wyp.agency/es/glosario/cache-de-prompts/ · Última actualización : 2026-11-14
