上下文缓存

Python JavaScript Go REST

在典型的 AI 工作流中，您可能会反复将相同的输入令牌传递给模型。借助 Gemini API 上下文缓存功能，您可以将一些内容传递给模型一次，缓存输入 token，然后在后续请求中引用缓存的 token。在某些数据量下，使用缓存的令牌比重复传入同一令牌集更经济。

缓存一组令牌时，您可以选择缓存在令牌被自动删除之前存在的时长。此缓存时长称为存留时间 (TTL)。如果未设置，TTL 默认为 1 小时。缓存的开销取决于输入令牌的大小以及您希望令牌保留多长时间。

上下文缓存因型号而异。

应在何时使用上下文缓存

上下文缓存特别适合较短的请求重复引用大量初始上下文的场景。例如，对于以下使用场景，可以考虑使用上下文缓存：

• 有大量系统指令的聊天机器人
• 对较长的视频文件进行的重复分析
• 针对大型文档集的定期查询
• 频繁的代码库分析或 bug 修复

如何使用上下文缓存

本部分假定您已安装 Gemini SDK（或已安装 curl），并且已配置 API 密钥，如快速入门中所示。

缓存如何降低费用

虽然上下文缓存是一项付费功能，但它的目的是为了降低整体的运营成本。结算取决于以下因素：

1. 缓存词元数：缓存的输入词元数，如果相同的词元在后续提示中被重复使用，则按折扣费率计费。
2. 存储时长：所缓存词元的存储时长 (TTL)，按缓存词元数的 TTL 时长计费。TTL 没有最小值或最大值。
3. 其他因素：可能还会产生其他费用，例如非缓存输入词元和输出词元的费用。

如需了解最新的价格详情，请参阅 Gemini API 价格页面。如需了解如何计算令牌数，请参阅令牌指南。

其他注意事项

使用上下文缓存时，请注意以下事项：

• 上下文缓存的输入令牌数下限为 4,096，上限与给定模型的上限相同。（如需详细了解如何统计令牌，请参阅令牌指南。）
• 该模型不会区分缓存的令牌和常规输入令牌。缓存的内容是提示的前缀。
• 上下文缓存没有特殊的速率或使用限制；适用 GenerateContent 的标准速率限制，并且令牌限制包括缓存的令牌。
• 缓存的令牌数量会在缓存服务的创建、获取和列表操作的 usage_metadata 中返回，在使用缓存时也会在 GenerateContent 中返回。