Kontext-Caching

In einem typischen KI-Workflow werden dieselben Eingabetokens Modell zu erstellen. Mit der Gemini API-Funktion für Kontext-Caching können Sie einige Inhalte übergeben. einmal in das Modell ein, speichern Sie die Eingabetokens im Cache und verweisen Sie dann auf die im Cache gespeicherten Tokens. für nachfolgende Anfragen. Bei bestimmten Volumen sind die Kosten für die Verwendung von im Cache gespeicherten Tokens niedriger als wiederholt denselben Korpus von Tokens übergeben.

Wenn Sie eine Reihe von Tokens im Cache speichern, können Sie festlegen, wie lange der Cache vorhanden sind, bevor die Tokens automatisch gelöscht werden. Diese Caching-Dauer beträgt wird als Gültigkeitsdauer (TTL) bezeichnet. Wenn die Richtlinie nicht konfiguriert ist, wird die TTL standardmäßig auf 1 Stunde festgelegt. Die Die Kosten für das Caching hängen von der Größe des Eingabetokens ab und davon, wie lange das die beibehalten werden sollen.

Kontext-Caching unterstützt sowohl Gemini 1.5 Pro als auch Gemini 1.5 Flash.

Wann sollte Kontext-Caching verwendet werden?

Kontext-Caching eignet sich besonders für Szenarien, bei denen in kürzeren Anfragen wiederholt auf eine hohe anfängliche Kontextmenge verwiesen wird. Ziehen Sie die Verwendung von Kontext-Caching für Anwendungsfälle wie diese in Betracht:

  • Chatbots mit ausführlichen Systemanweisungen
  • Wiederholte Analyse langer Videodateien
  • Wiederkehrende Abfragen großer Dokumentgruppen
  • Häufige Analyse oder Behebung von Fehlern im Code-Repository

Wie Caching die Kosten senkt

Kontext-Caching ist eine kostenpflichtige Funktion, mit der die Betriebskosten insgesamt gesenkt werden können. Die Abrechnung erfolgt anhand der folgenden Faktoren:

  1. Anzahl der Cache-Tokens: Die Anzahl der im Cache gespeicherten Eingabetokens, für die ein ermäßigter Tarif für die Nutzung in nachfolgenden Prompts gilt.
  2. Speicherdauer:Die Dauer, für die im Cache gespeicherte Tokens gespeichert werden (TTL) Die Abrechnung erfolgt anhand der TTL-Dauer der im Cache gespeicherten Tokens. Es gibt keine Mindestanzahl oder Obergrenzen für die TTL festlegen.
  3. Andere Faktoren: Es fallen weitere Gebühren an, z. B. für nicht im Cache gespeicherte Eingabe- und Ausgabetokens.

Aktuelle Preisinformationen finden Sie in der Preisübersicht zur Gemini API“ . Informationen zum Zählen von Tokens finden Sie auf der Seite Tokens .

Kontext-Caching verwenden

In diesem Abschnitt wird davon ausgegangen, dass Sie ein Gemini SDK installiert und eine API konfiguriert haben enthalten, wie in der Kurzanleitung gezeigt.

Weitere Überlegungen

Beachten Sie bei der Verwendung von Kontext-Caching die folgenden Überlegungen:

  • Die Mindestanzahl der Eingabetokens für das Kontext-Caching beträgt 32.768 und das Maximum ist mit dem Maximalwert des gegebenen Modells identisch. (Weitere Informationen Tokens zählen, finden Sie im Leitfaden zu Tokens.
  • Das Modell unterscheidet nicht zwischen im Cache gespeicherten Tokens und regulären Tokens. Eingabetokens. Im Cache gespeicherte Inhalte sind einfach ein Präfix für die Aufforderung.
  • Es gibt keine speziellen Raten oder Nutzungslimits für das Kontext-Caching. der Standard Es gelten Ratenbegrenzungen für GenerateContent und Tokenlimits umfassen im Cache gespeicherte Daten Tokens.
  • Die Anzahl der im Cache gespeicherten Tokens wird im usage_metadata von der Vorgänge des Cache-Dienstes erstellen, abrufen und auflisten GenerateContent bei Verwendung des Cache.