Kontext-Caching

In einem typischen KI-Workflow können Sie dieselben Eingabetokens immer wieder an ein Modell übergeben. Mit der Gemini API-Funktion zum Kontext-Caching können Sie einige Inhalte einmal an das Modell übergeben, die Eingabetokens im Cache speichern und dann bei nachfolgenden Anfragen auf die im Cache gespeicherten Tokens verweisen. Bei bestimmten Volumen sind im Cache gespeicherte Tokens günstiger als die wiederholte Übergabe desselben Tokenkorpus.

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

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

Wann sollte Kontext-Caching verwendet werden?

Das Kontext-Caching eignet sich besonders gut für Szenarien, in denen kürzere Anfragen wiederholt auf einen wesentlichen anfänglichen Kontext verweisen. Kontext-Caching kann für folgende Anwendungsfälle in Betracht gezogen werden:

  • 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, die zu einem reduzierten Preis abgerechnet werden, wenn sie in nachfolgenden Aufforderungen enthalten sind.
  2. Speicherdauer:Die Dauer, für die im Cache gespeicherte Tokens gespeichert werden (TTL). Sie wird basierend auf der TTL-Dauer der im Cache gespeicherten Tokenanzahl berechnet. Es gibt keine Mindest- oder Höchstgrenzen für die TTL.
  3. Weitere Faktoren: Es fallen weitere Gebühren an, z. B. für nicht zwischengespeicherte Eingabetokens und Ausgabetokens.

Aktuelle Preisinformationen finden Sie in der Preisübersicht für die Gemini API. Informationen zum Zählen von Tokens finden Sie im Leitfaden zu Tokens.

Kontext-Caching verwenden

In diesem Abschnitt wird davon ausgegangen, dass Sie ein Gemini SDK installiert und einen API-Schlüssel konfiguriert haben, wie in der quickstart gezeigt.

Weitere Überlegungen

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

  • Die minimale Anzahl der Eingabetokens für das Kontext-Caching beträgt 32.768 und das Maximum ist mit dem Maximum des jeweiligen Modells identisch. Weitere Informationen zum Zählen von Tokens finden Sie im Leitfaden zu Tokens.
  • Das Modell unterscheidet nicht zwischen im Cache gespeicherten Tokens und regulären Eingabetokens. Im Cache gespeicherte Inhalte sind einfach ein Präfix für die Aufforderung.
  • Es gibt keine speziellen Raten- oder Nutzungslimits für das Kontext-Caching. Es gelten die standardmäßigen Ratenbegrenzungen für GenerateContent und Tokenlimits umfassen im Cache gespeicherte Tokens.
  • Die Anzahl der im Cache gespeicherten Tokens wird im usage_metadata der Erstellungs-, Abruf- und Listenvorgänge des Cache-Dienstes sowie bei Verwendung des Caches in GenerateContent zurückgegeben.