In einem typischen KI-Workflow werden dieselben Eingabe-Tokens möglicherweise immer wieder an ein Modell übergeben. Die Gemini API bietet implizites Caching, um Leistung und Kosten zu optimieren.
Implizites Caching
Implizites Caching ist für alle Gemini 2.5- und neueren Modelle standardmäßig aktiviert. Es wird sowohl für zustandsorientierte (mit previous_interaction_id) als auch für zustandslose Unterhaltungsmodi unterstützt.
Wir geben Kosteneinsparungen automatisch weiter, wenn Ihre Anfrage auf Caches trifft. Sie müssen nichts konfigurieren, um sie zu aktivieren. In der folgenden Tabelle ist die Mindestanzahl von Eingabetokens für jedes Modell aufgeführt:
Modell
Mindest-Tokenlimit
Gemini 4 Argon
4.096
Gemini 3.8 Flash
4.096
Gemini 3.6 Flash
4.096
Gemini 3.1 Pro (Vorabversion)
4.096
Gemini 2.5 Flash
2.048
Gemini 2.5 Pro
2.048
So erhöhen Sie die Wahrscheinlichkeit eines impliziten Cache-Treffers:
Versuchen Sie, große und häufige Inhalte am Anfang des Prompts zu platzieren.
Versuchen Sie, Anfragen mit ähnlichem Präfix innerhalb kurzer Zeit zu senden.
Die Anzahl der Tokens, die Cache-Treffer waren, finden Sie im Feld usage.total_cached_tokens (Python und JavaScript) des Antwortobjekts.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Benötigte Informationen nicht gefunden","missingTheInformationINeed","thumb-down"],["Zu umständlich/zu viele Schritte","tooComplicatedTooManySteps","thumb-down"],["Nicht mehr aktuell","outOfDate","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Problem mit Beispielen/Code","samplesCodeIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2026-10-23 (UTC)."],[],[]]
