В типичном рабочем процессе с ИИ одни и те же входные токены могут передаваться модели многократно. Gemini API предлагает два разных механизма кеширования:
- Неявное кеширование (автоматически включено в Gemini 2.5 и более новых моделях, не гарантирует экономию средств)
- Явное кеширование (можно включить вручную на большинстве моделей, гарантирует экономию средств)
Явное кеширование полезно, когда вы хотите гарантированно сэкономить средства, но при этом готовы к дополнительной работе по разработке.
Неявное кеширование
Неявное кеширование включено по умолчанию для всех моделей Gemini 2.5 и более новых. Если ваш запрос будет обработан с помощью кеша, мы автоматически передадим вам сэкономленные средства. Вам не нужно ничего делать, чтобы включить эту функцию. Минимальное количество входных токенов для кеширования контекста указано в таблице ниже для каждой модели:
| Модель | Минимальное количество токенов |
|---|---|
| Gemini 3.8 Flash | 4096 |
| Gemini 3.6 Flash | 4096 |
| Gemini 3.5 Flash | 4096 |
| Gemini 3.1 Pro Preview | 4096 |
| Gemini 2.5 Flash | 2048 |
| Gemini 2.5 Pro | 2048 |
Чтобы повысить вероятность неявного попадания в кеш:
- Попробуйте разместить в начале запроса крупные и распространенные объекты.
- Попробуйте отправлять запросы с похожим префиксом за короткий промежуток времени.
Количество токенов, которые были совпадением в кеше, можно посмотреть в поле usage_metadata объекта ответа.
Явное кеширование
С помощью функции явного кеширования Gemini API вы можете передать модели определенный контент один раз, кешировать входные токены, а затем ссылаться на них в последующих запросах. При определенных объемах использование кешированных токенов обходится дешевле, чем многократная передача одного и того же корпуса токенов.
При кешировании набора токенов можно указать, как долго должен существовать кеш, прежде чем токены будут автоматически удалены. Время, в течение которого данные хранятся в кеше, называется временем жизни (TTL). Если значение не задано, по умолчанию используется 1 час. Стоимость кеширования зависит от размера входного токена и того, как долго вы хотите хранить токены.
В этом разделе предполагается, что вы установили Gemini SDK (или curl) и настроили ключ API, как описано в руководстве по началу работы.
Как генерировать контент с помощью кеша
Python
В примере ниже показано, как создать контент, используя кешированную системную инструкцию и видеофайл.
Видео
import os
import pathlib
import requests
import time
from google import genai
from google.genai import types
client = genai.Client()
# Download a test video file and save it locally
url = 'https://storage.googleapis.com/generativeai-downloads/data/SherlockJr._10min.mp4'
path_to_video_file = pathlib.Path('SherlockJr._10min.mp4')
if not path_to_video_file.exists():
path_to_video_file.write_bytes(requests.get(url).content)
# Upload the video using the Files API
video_file = client.files.upload(file=path_to_video_file)
# Wait for the file to finish processing
while video_file.state.name == 'PROCESSING':
time.sleep(2.5)
video_file = client.files.get(name=video_file.name)
print(f'Video processing complete: {video_file.uri}')
model='models/gemini-3.8-flash'
# Create a cache with a 5 minute TTL (300 seconds)
cache = client.caches.create(
model=model,
config=types.CreateCachedContentConfig(
display_name='sherlock jr movie', # used to identify the cache
system_instruction=(
'You are an expert video analyzer, and your job is to answer '
'the user\'s query based on the video file you have access to.'
),
contents=[video_file],
ttl="300s",
)
)
response = client.models.generate_content(
model = model,
contents= (
'Introduce different characters in the movie by describing '
'their personality, looks, and names. Also list the timestamps '
'they were introduced for the first time.'),
config=types.GenerateContentConfig(cached_content=cache.name)
)
print(response.usage_metadata)
print(response.text)
Файлы PDF
from google import genai
from google.genai import types
import io
import httpx
client = genai.Client()
long_context_pdf_path = "https://sma.nasa.gov/SignificantIncidents/assets/a11_missionreport.pdf"
# Retrieve and upload the PDF using the File API
doc_io = io.BytesIO(httpx.get(long_context_pdf_path).content)
document = client.files.upload(
file=doc_io,
config=dict(mime_type='application/pdf')
)
model_name = "gemini-3.8-flash"
system_instruction = "You are an expert analyzing transcripts."
# Create a cached content object
cache = client.caches.create(
model=model_name,
config=types.CreateCachedContentConfig(
system_instruction=system_instruction,
contents=[document],
)
)
print(f'{cache=}')
response = client.models.generate_content(
model=model_name,
contents="Please summarize this transcript",
config=types.GenerateContentConfig(
cached_content=cache.name
))
print(f'{response.usage_metadata=}')
print('\n\n', response.text)
JavaScript
В следующем примере показано, как создать контент с помощью кешированной системной инструкции и текстового файла.
import {
GoogleGenAI,
createUserContent,
createPartFromUri,
} from "@google/genai";
const ai = new GoogleGenAI({ apiKey: "GEMINI_API_KEY" });
async function main() {
const doc = await ai.files.upload({
file: "path/to/file.txt",
config: { mimeType: "text/plain" },
});
console.log("Uploaded file name:", doc.name);
const modelName = "gemini-3.8-flash";
const cache = await ai.caches.create({
model: modelName,
config: {
contents: createUserContent(createPartFromUri(doc.uri, doc.mimeType)),
systemInstruction: "You are an expert analyzing transcripts.",
},
});
console.log("Cache created:", cache);
const response = await ai.models.generateContent({
model: modelName,
contents: "Please summarize this transcript",
config: { cachedContent: cache.name },
});
console.log("Response text:", response.text);
}
await main();
Проложить маршрут
В следующем примере показано, как создать контент с помощью кеша.
package main
import (
"context"
"fmt"
"log"
"google.golang.org/genai"
)
func main() {
ctx := context.Background()
client, err := genai.NewClient(ctx, &genai.ClientConfig{
APIKey: "GOOGLE_API_KEY",
Backend: genai.BackendGeminiAPI,
})
if err != nil {
log.Fatal(err)
}
modelName := "gemini-3.8-flash"
document, err := client.Files.UploadFromPath(
ctx,
"media/a11.txt",
&genai.UploadFileConfig{
MIMEType: "text/plain",
},
)
if err != nil {
log.Fatal(err)
}
parts := []*genai.Part{
genai.NewPartFromURI(document.URI, document.MIMEType),
}
contents := []*genai.Content{
genai.NewContentFromParts(parts, genai.RoleUser),
}
cache, err := client.Caches.Create(ctx, modelName, &genai.CreateCachedContentConfig{
Contents: contents,
SystemInstruction: genai.NewContentFromText(
"You are an expert analyzing transcripts.", genai.RoleUser,
),
})
if err != nil {
log.Fatal(err)
}
fmt.Println("Cache created:")
fmt.Println(cache)
// Use the cache for generating content.
response, err := client.Models.GenerateContent(
ctx,
modelName,
genai.Text("Please summarize this transcript"),
&genai.GenerateContentConfig{
CachedContent: cache.Name,
},
)
if err != nil {
log.Fatal(err)
}
printResponse(response) // helper for printing response parts
}
REST
В примере ниже показано, как создать кеш и использовать его для создания контента.
Видео
wget https://storage.googleapis.com/generativeai-downloads/data/a11.txt
echo '{
"model": "models/gemini-3.8-flash",
"contents":[
{
"parts":[
{
"inline_data": {
"mime_type":"text/plain",
"data": "'$(base64 $B64FLAGS a11.txt)'"
}
}
],
"role": "user"
}
],
"systemInstruction": {
"parts": [
{
"text": "You are an expert at analyzing transcripts."
}
]
},
"ttl": "300s"
}' > request.json
curl -X POST "https://generativelanguage.googleapis.com/v1beta/cachedContents?key=$GEMINI_API_KEY" \
-H 'Content-Type: application/json' \
-d @request.json \
> cache.json
CACHE_NAME=$(cat cache.json | grep '"name":' | cut -d '"' -f 4 | head -n 1)
curl -X POST "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.8-flash:generateContent?key=$GEMINI_API_KEY" \
-H 'Content-Type: application/json' \
-d '{
"contents": [
{
"parts":[{
"text": "Please summarize this transcript"
}],
"role": "user"
},
],
"cachedContent": "'$CACHE_NAME'"
}'
Файлы PDF
DOC_URL="https://sma.nasa.gov/SignificantIncidents/assets/a11_missionreport.pdf"
DISPLAY_NAME="A11_Mission_Report"
SYSTEM_INSTRUCTION="You are an expert at analyzing transcripts."
PROMPT="Please summarize this transcript"
MODEL="models/gemini-3.8-flash"
TTL="300s"
# Download the PDF
wget -O "${DISPLAY_NAME}.pdf" "${DOC_URL}"
MIME_TYPE=$(file -b --mime-type "${DISPLAY_NAME}.pdf")
NUM_BYTES=$(wc -c < "${DISPLAY_NAME}.pdf")
echo "MIME_TYPE: ${MIME_TYPE}"
echo "NUM_BYTES: ${NUM_BYTES}"
tmp_header_file=upload-header.tmp
# Initial resumable request defining metadata.
# The upload url is in the response headers dump them to a file.
curl "${BASE_URL}/upload/v1beta/files?key=${GOOGLE_API_KEY}" \
-D upload-header.tmp \
-H "X-Goog-Upload-Protocol: resumable" \
-H "X-Goog-Upload-Command: start" \
-H "X-Goog-Upload-Header-Content-Length: ${NUM_BYTES}" \
-H "X-Goog-Upload-Header-Content-Type: ${MIME_TYPE}" \
-H "Content-Type: application/json" \
-d "{'file': {'display_name': '${DISPLAY_NAME}'}}" 2> /dev/null
upload_url=$(grep -i "x-goog-upload-url: " "${tmp_header_file}" | cut -d" " -f2 | tr -d "\r")
rm "${tmp_header_file}"
# Upload the actual bytes.
curl "${upload_url}" \
-H "Content-Length: ${NUM_BYTES}" \
-H "X-Goog-Upload-Offset: 0" \
-H "X-Goog-Upload-Command: upload, finalize" \
--data-binary "@${DISPLAY_NAME}.pdf" 2> /dev/null > file_info.json
file_uri=$(jq ".file.uri" file_info.json)
echo "file_uri: ${file_uri}"
# Clean up the downloaded PDF
rm "${DISPLAY_NAME}.pdf"
# Create the cached content request
echo '{
"model": "'$MODEL'",
"contents":[
{
"parts":[
{"file_data": {"mime_type": "'$MIME_TYPE'", "file_uri": '$file_uri'}}
],
"role": "user"
}
],
"system_instruction": {
"parts": [
{
"text": "'$SYSTEM_INSTRUCTION'"
}
],
"role": "system"
},
"ttl": "'$TTL'"
}' > request.json
# Send the cached content request
curl -X POST "${BASE_URL}/v1beta/cachedContents?key=$GOOGLE_API_KEY" \
-H 'Content-Type: application/json' \
-d @request.json \
> cache.json
CACHE_NAME=$(cat cache.json | grep '"name":' | cut -d '"' -f 4 | head -n 1)
echo "CACHE_NAME: ${CACHE_NAME}"
# Send the generateContent request using the cached content
curl -X POST "${BASE_URL}/${MODEL}:generateContent?key=$GOOGLE_API_KEY" \
-H 'Content-Type: application/json' \
-d '{
"contents": [
{
"parts":[{
"text": "'$PROMPT'"
}],
"role": "user"
}
],
"cachedContent": "'$CACHE_NAME'"
}' > response.json
cat response.json
echo jq ".candidates[].content.parts[].text" response.json
Список кешей
Получить или посмотреть кешированный контент нельзя, но можно получить метаданные кеша (name, model, display_name, usage_metadata, create_time, update_time и expire_time).
Python
Чтобы получить список метаданных для всех загруженных кешей, используйте команду CachedContent.list():
for cache in client.caches.list():
print(cache)
Чтобы получить метаданные для одного объекта кеша, если вам известно его название, используйте get:
client.caches.get(name=name)
JavaScript
Чтобы получить список метаданных для всех загруженных кешей, используйте команду GoogleGenAI.caches.list():
console.log("My caches:");
const pager = await ai.caches.list({ config: { pageSize: 10 } });
let page = pager.page;
while (true) {
for (const c of page) {
console.log(" ", c.name);
}
if (!pager.hasNextPage()) break;
page = await pager.nextPage();
}
Проложить маршрут
В следующем примере перечислены все кеши.
caches, err := client.Caches.All(ctx)
if err != nil {
log.Fatal(err)
}
fmt.Println("Listing all caches:")
for _, item := range caches {
fmt.Println(" ", item.Name)
}
В следующем примере перечислены кеши с размером страницы 2.
page, err := client.Caches.List(ctx, &genai.ListCachedContentsConfig{PageSize: 2})
if err != nil {
log.Fatal(err)
}
pageIndex := 1
for {
fmt.Printf("Listing caches (page %d):\n", pageIndex)
for _, item := range page.Items {
fmt.Println(" ", item.Name)
}
if page.NextPageToken == "" {
break
}
page, err = page.Next(ctx)
if err == genai.ErrPageDone {
break
} else if err != nil {
return err
}
pageIndex++
}
REST
curl "https://generativelanguage.googleapis.com/v1beta/cachedContents?key=$GEMINI_API_KEY"
Как обновить кеш
Вы можете задать новое значение ttl или expire_time для кеша. Изменять другие параметры кеша нельзя.
Python
В следующем примере показано, как обновить ttl кеша с помощью client.caches.update().
from google import genai
from google.genai import types
client.caches.update(
name = cache.name,
config = types.UpdateCachedContentConfig(
ttl='300s'
)
)
Чтобы задать время истечения срока действия, можно использовать объект datetime или строку даты и времени в формате ISO (dt.isoformat(), например 2025-01-27T16:02:36.473528+00:00). В строке обязательно должен быть указан часовой пояс (datetime.utcnow() не добавляет часовой пояс, а datetime.now(datetime.timezone.utc) добавляет).
from google import genai
from google.genai import types
import datetime
# You must use a time zone-aware time.
in10min = datetime.datetime.now(datetime.timezone.utc) + datetime.timedelta(minutes=10)
client.caches.update(
name = cache.name,
config = types.UpdateCachedContentConfig(
expire_time=in10min
)
)
JavaScript
В следующем примере показано, как обновить ttl кеша с помощью GoogleGenAI.caches.update().
const ttl = `${2 * 3600}s`; // 2 hours in seconds
const updatedCache = await ai.caches.update({
name: cache.name,
config: { ttl },
});
console.log("After update (TTL):", updatedCache);
Проложить маршрут
В следующем примере показано, как обновить TTL кеша.
// Update the TTL (2 hours).
cache, err = client.Caches.Update(ctx, cache.Name, &genai.UpdateCachedContentConfig{
TTL: 7200 * time.Second,
})
if err != nil {
log.Fatal(err)
}
fmt.Println("After update:")
fmt.Println(cache)
REST
В следующем примере показано, как обновить ttl кеша.
curl -X PATCH "https://generativelanguage.googleapis.com/v1beta/$CACHE_NAME?key=$GEMINI_API_KEY" \
-H 'Content-Type: application/json' \
-d '{"ttl": "600s"}'
Как удалить кеш
Сервис кеширования предоставляет операцию удаления для ручного удаления контента из кеша. В следующем примере показано, как удалить кеш:
Python
client.caches.delete(cache.name)
JavaScript
await ai.caches.delete({ name: cache.name });
Проложить маршрут
_, err = client.Caches.Delete(ctx, cache.Name, &genai.DeleteCachedContentConfig{})
if err != nil {
log.Fatal(err)
}
fmt.Println("Cache deleted:", cache.Name)
REST
curl -X DELETE "https://generativelanguage.googleapis.com/v1beta/$CACHE_NAME?key=$GEMINI_API_KEY"
Явное кеширование с помощью библиотеки OpenAI
Если вы используете библиотеку OpenAI, то можете включить явное кеширование с помощью свойства cached_content в extra_body.
Когда использовать явное кеширование
Кэширование контекста особенно хорошо подходит для сценариев, в которых на значительный исходный контекст многократно ссылаются более короткие запросы. Используйте кеширование контекста в следующих случаях:
- Чат-боты с подробными системными инструкциями
- Повторяющийся анализ длинных видеофайлов
- Повторяющиеся запросы к большим наборам документов
- Частый анализ репозитория кода или исправление ошибок
Как явное кеширование помогает снизить расходы
Кэширование контекста – это платная функция, которая позволяет снизить расходы. Стоимость услуг зависит от следующих факторов:
- Количество токенов в кеше. Число токенов ввода, которые были закешированы и при использовании в последующих запросах оплачиваются по сниженной цене.
- Срок хранения. Время, в течение которого хранятся кешированные токены (TTL), оплачивается на основе количества кешированных токенов и срока их хранения. Минимальное и максимальное значения TTL не ограничены.
- Другие факторы. Взимается плата за другие ресурсы, например за входные и выходные токены, не сохраненные в кеше.
Актуальную информацию о ценах можно найти на странице Gemini API. Чтобы узнать, как подсчитывать токены, ознакомьтесь с руководством по токенам.
В видео есть другие нарушения?
При использовании кеширования контекста учитывайте следующее:
- Минимальное количество входных токенов для кеширования контекста зависит от модели. Максимальное значение совпадает с максимальным значением для выбранной модели. Подробнее о том, как подсчитываются токены…
- Модель не делает различий между токенами, полученными из кеша, и обычными входными токенами. Кэшированный контент является префиксом запроса.
- Для кеширования контекста не предусмотрены специальные ограничения на частоту или использование. Действуют стандартные ограничения на частоту для
GenerateContent, а лимиты на токены включают кешированные токены. - Количество токенов, хранящихся в кеше, возвращается в поле
usage_metadataиз операций создания, получения и перечисления сервиса кеширования, а также в полеGenerateContentпри использовании кеша.