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，您可以将一些内容一次性传递给模型，缓存输入令牌，然后在后续请求中引用缓存的令牌。在某些数量下，使用缓存的令牌比重复传入相同语料库的令牌费用更低。
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。
上下文缓存支持 Gemini 1.5 Pro 和 Gemini 1.5 Flash。
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
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：
- 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。
- 存储时长：缓存令牌的存储时间 (TTL)，根据缓存令牌计数的 TTL 时长计费。TTL 没有上下限。
- 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。
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。
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 32,768，输入令牌数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。
- 模型对缓存的令牌和常规输入令牌没有任何区别。缓存内容只是提示的前缀。
- 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。 - 缓存令牌的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。