En un flujo de trabajo de IA típico, puedes pasar los mismos tokens de entrada una y otra vez a un modelo. Con la función de almacenamiento en caché de contexto de la API de Gemini, puedes pasar parte del contenido al modelo una vez, almacenar en caché los tokens de entrada y, luego, consultar los tokens almacenados en caché para solicitudes posteriores. En ciertos volúmenes, usar tokens almacenados en caché tiene un costo más bajo que pasar el mismo corpus de tokens de forma reiterada.
Cuando almacenas en caché un conjunto de tokens, puedes elegir cuánto tiempo quieres que exista la caché antes de que los tokens se borren automáticamente. Esta duración del almacenamiento en caché se denomina el tiempo de actividad (TTL). Si no se establece, el TTL se establece de forma predeterminada en 1 hora. El costo de la caché depende del tamaño del token de entrada y de cuánto tiempo deseas que persistan los tokens.
El almacenamiento en caché de contexto admite Gemini 1.5 Pro y Gemini 1.5 Flash.
Cuándo usar el almacenamiento en caché de contexto
El almacenamiento en caché de contexto es particularmente adecuado para situaciones en las que las solicitudes más cortas hacen referencia repetidamente a un contexto inicial sustancial. Considera usar el almacenamiento en caché de contexto para casos de uso como los siguientes:
- Chatbots con instrucciones del sistema detalladas
- Análisis repetitivo de archivos de video largos
- Consultas recurrentes en conjuntos de documentos grandes
- Análisis frecuente del repositorio de código o corrección de errores
Cómo la caché reduce los costos
La caché de contexto es una función pagada diseñada para reducir los costos operativos generales. La facturación se basa en los siguientes factores:
- Recuento de tokens de caché: Es la cantidad de tokens de entrada almacenados en caché que se facturan a una tarifa reducida cuando se incluyen en mensajes posteriores.
- Duración del almacenamiento: La cantidad de tiempo que se almacenan los tokens almacenados en caché (TTL), que se factura según la duración de TTL del recuento de tokens almacenados en caché. No hay límites mínimos ni máximos en el TTL.
- Otros factores: Se aplican otros cargos, como por los tokens de entrada y los tokens de salida que no están almacenados en caché.
Para obtener información actualizada sobre los precios, consulta la página de precios de la API de Gemini. Si deseas obtener información para contar tokens, consulta la guía de tokens.
Cómo usar el almacenamiento en caché de contexto
En esta sección, se da por sentado que instalaste un SDK de Gemini (o tienes instalado curl) y que configuraste una clave de API, como se muestra en la guía de inicio rápido.
Consideraciones adicionales
Ten en cuenta las siguientes consideraciones cuando uses la caché de contexto:
- El recuento mínimo de tokens de entrada para el almacenamiento en caché de contexto es 32,768 y el máximo es el mismo que el máximo para el modelo determinado. (Para obtener más información sobre el recuento de tokens, consulta la Guía de tokens).
- El modelo no hace ninguna distinción entre los tokens almacenados en caché y los tokens de entrada regulares. El contenido almacenado en caché es simplemente un prefijo de la instrucción.
- No hay límites de frecuencia ni de uso especiales en la caché de contexto. Se aplican los límites de frecuencia estándar para
GenerateContent, y los límites de tokens incluyen los tokens almacenados en caché. - La cantidad de tokens almacenados en caché se muestra en
usage_metadatadesde las operaciones de creación, obtención y lista del servicio de caché, y también enGenerateContentcuando se usa la caché.