CometAPI ile geliştirinBirden çok model için tek bir API mi gerekiyor?İş akışını Playground'da test edin, ardından model ve maliyet kullanım senaryonuza uyduğunda bir API anahtarı oluşturun.
İstem önbelleğe alma nedir? 2026'da OpenAI vs Claude vs Gemini
2026'da istem önbelleklemenin nasıl çalıştığını öğrenin. OpenAI, Claude ve Gemini'nin önbellekleme yöntemlerini, yaşam süresi (TTL) değerlerini, fiyatlandırmayı, performansı, Python örneklerini ve CometAPI erişimini karşılaştırın.
Deon GoodwinAI model ve API araştırma ekibi
Güncellendi Nov 3, 2026 13 dk okuma
Önce yanıt
2026'da istem önbelleklemenin nasıl çalıştığını öğrenin. OpenAI, Claude ve Gemini'nin önbellekleme yöntemlerini, yaşam süresi (TTL) değerlerini, fiyatlandırmayı, performansı, Python örneklerini ve CometAPI erişimini karşılaştırın.
Hızlı bir yanıt için bu özeti kullanın, ardından bağlam, örnekler ve uygulama ayrıntıları için kılavuzu okuyun.
İstem önbellekleme, dil modellerinin aynı girdi hesaplamasını tekrarlamak yerine daha önce işlenmiş istem öneklerini yeniden kullanmasına olanak tanır. Özellikle ajan iş akışları, müşteri desteği, RAG ve büyük belge analizi için girdi jetonu maliyetlerini azaltabilir ve gecikmeyi iyileştirebilir. 2026’da OpenAI otomatik önbellekleme ve daha yeni açık önbellek denetimleri sunarken, Claude otomatik ve blok düzeyinde önbellek kesme noktalarını destekler; Gemini ise en yeni modellerinde örtük önbelleğe vurgu yapar. Sağlayıcılar önbelleğe yazma, okuma ve uygulanabildiğinde depolama için farklı ücretlendirme yapar. Sürenin dolması başka bir yazmayı veya tam giriş ücretini tetikleyebilir; bu nedenle gerçek tasarruf, yeniden kullanım sıklığına ve ölçülen önbellek isabetlerine bağlıdır.
Bu kılavuz, tekrarlanan girdilerle uygulamalar geliştirenler için GPT-6.1 Sol, Claude Opus 5.5 ve Gemini 4 Argon’daki istem önbelleklemeyi karşılaştırır. Odak noktası önbellek denetimleri, fiyatlandırma ve yeniden kullanımın nasıl doğrulanacağıdır.
Key Takeaways
İstem önbellekleme, işlenmiş girdiyi yeniden kullanır—modelin önceki yanıtını değil.
Netlik, kaynak ataması ve güncel API terminolojisi açısından gözden geçirildi.
OpenAI istem önbellekleme, kararlı bir öneke, desteklenen model özelliklerine ve modele özgü minimumlar ile saklama ayarlarına bağlıdır.
Claude istem önbellekleme, otomatik ve açık önbellek denetimiyle 5 dakikalık ve isteğe bağlı 1 saatlik TTL’ler sunar.
Gemini bağlam önbellekleme modern modellerde örtüktür; açık önbellek kaynakları ise modele bağlıdır.
İstem önbelleklemeden sağlanan tasarruf, önbelleğe yazma, okuma, depolama ve gerçek isabetlere bağlıdır; CometAPI kullanırken uç nokta desteğini ve önbelleğe alınmış jeton faturalandırmasını doğrulayın.
What Is Prompt Caching in LLMs?
İstem önbellekleme, daha önce işlenmiş bir önekten türetilen hesaplama durumunun yeniden kullanılmasını sağlayan bir çıkarım optimizasyonudur. Bir istem genellikle kararlı yönergeler, araç tanımları veya belgeler içerir; bunu değişen bir kullanıcı sorusu izler. Daha sonraki bir istek, uygun öneki tekrar ederse, sağlayıcı önbelleğe alınmış anahtar-değer (KV) durumlarını yeniden kullanabilir ve yalnızca önbelleğe alınmamış kalan kısmı işleyebilir. Yanıt önbelleğe almanın aksine, bu önceki bir yanıtın yeniden oynatılması değildir: model, geçerli istek için yeni bir yanıt üretir.
İstem Önbellekleme İş Akışı:
İlk istek: büyük, tekrarlanabilir bir önek ve belirli bir soru gönderin.
Önbellek oluşturma: sağlayıcı uygun ara hesaplama durumunu depolar.
Sonraki istek: aynı öneki yeniden kullanın ve soruyu değiştirin.
Önbellek okuma: daha önce işlenmiş jetonlar yeniden kullanılırken yeni jetonlar normal şekilde işlenir.
Orijinal taslakla birlikte sağlanan kavramsal görsel: tekrarlanan istem materyali, değişen bir sorudan önce gelir. Bu resmi bir sağlayıcı mimarisi diyagramı değildir.
Ortak tasarım ilkesi önek kararlılığıdır. API sözleşmeleri, uygun model aileleri, önbellek ömrü ve ücretler birbirinin yerine geçmez.
OpenAI, Claude ve Gemini Önbelleklemesine Genel Bakış
Sağlayıcılar arasında aynı kararlı önek ilkesi geçerlidir, ancak aşağıdaki denetimler bu kılavuzda kullanılan modellere özeldir. Bir ayarı kopyalamadan önce modeli ve uç noktayı birlikte kontrol edin.
İstem Önbellekleme Denetimleri ve Python Örnekleri
Her örnek, aynı başvuru materyalini iki farklı soruyla birlikte gönderir. Paylaşılan içeriği değiştirmeyin, istekleri sıralı olarak çalıştırın ve ikinci isteğin gerçekten önbelleğe alınmış girdiyi yeniden kullanıp kullanmadığını görmek için kullanımı inceleyin.
OpenAI: Önbellek Denetimleri ve Python Örneği
OpenAI, önbelleğe uygun istem öneklerini otomatik olarak eşleştirir ve desteklenen daha yeni modellerde açık kesme noktası ve saklama yapılandırmasına izin verir. Uzun sistem yönergeleri, araç şemaları veya depo bağlamı istekler arasında tekrarlandığında önbellek yeniden kullanımı özellikle faydalıdır. Gerekli önek uzunluğu ve jeton-fiyat çarpanları, model nesline ve seçilen saklama katmanına bağlıdır.
Örnek, prompt_cache_options parametresi örtük moda ve 30 dakikalık yaşam süresine ayarlanmış Responses API’yi kullanır. Daha eski model nesilleri farklı saklama parametreleri kullanır; tam modeliniz için ayarları izleyin.
openai SDK’sını kurun ve OPENAI_API_KEY’i ayarlayın. Kararlı önekte en az 1,024 görünür jeton kullanın. Her iki isteği de sıralı çalıştırın ve kullanımda input_tokens_details.cached_tokens ve cache_write_tokens değerlerini inceleyin. Pozitif bir önbelleğe alınmış jeton sayısı, faturalandırılan bir önbellek okumasını doğrular; bu, her istekte daha düşük gecikme vaat etmez.
Örnekleri çalıştırmak için ilgili Python SDK’sını kurun, sağlayıcının API anahtarını ayarlayın ve modelin önbellekleme minimumunu karşılayacak kadar kararlı içerik içeren UTF-8 reference.txt dosyasını oluşturun.
from pathlib import Path
from openai import OpenAI
client = OpenAI() # Reads OPENAI_API_KEY
shared = Path("reference.txt").read_text(encoding="utf-8")
questions = ["Summarize the architecture.", "Identify the main technical risks."]
for question in questions:
response = client.responses.create(
model="gpt-6.1-sol",
instructions="Use the following reference material.\n" + shared,
input=question,
prompt_cache_key="docs-assistant-v1",
prompt_cache_options={"mode": "implicit", "ttl": "30m"},
)
print(response.output_text)
print(response.usage)
Claude: Önbellek Denetimleri ve Python Örneği
Claude Messages API’de istem önbellekleme isteğe bağlıdır. Otomatik kesme noktası yerleşimi için istek düzeyinde cache_control ekleyin veya açık bir kesme noktasını işaretlemek için bir içerik bloğuna ekleyin. Geliştiriciler, daha sonraki kullanıcı girdisini değiştirirken kararlı yönergeleri, belgeleri ve seçili istem bloklarını işaretleyebilir. Standart kısa süreli önbellek beş dakikadır; uygun iş yükleri için bir saatlik seçenek vardır.
anthropic SDK’sını kurun ve ANTHROPIC_API_KEY’i ayarlayın. Claude Opus 5.5 için, önbellek sınırından önce en az 512 jeton sağlayın. Sistem bloğunu istekler arasında aynı tutun. Bir önbellek girdisi, ilk yanıt başladığında kullanılabilir hâle gelir; bu örnek gösterimi basit tutmak için tam yanıtı bekler. Önbellek oluşturma ve okuma sayılarını inceleyin; kısa bir önek, hata oluşturmadan ikisi için de sıfır döndürebilir.
from pathlib import Path
import anthropic
client = anthropic.Anthropic() # Reads ANTHROPIC_API_KEY
shared = Path("reference.txt").read_text(encoding="utf-8")
for question in ["Summarize the architecture.", "Identify the main technical risks."]:
response = client.messages.create(
model="claude-opus-5-5",
max_tokens=1024,
system=[{
"type": "text",
"text": shared,
"cache_control": {"type": "ephemeral"},
}],
messages=[{"role": "user", "content": question}],
)
print(response.content)
print(response.usage.cache_creation_input_tokens)
print(response.usage.cache_read_input_tokens)
Gemini: Örtük Önbellekleme ve Python Örneği
Google, uygulamasını bağlam önbellekleme olarak adlandırır. Gemini 4 Argon, örtük önbellekleme kullanır ve açık önbellek kaynaklarını desteklemez. Bazı daha eski model aileleri, yapılandırılabilir TTL ile açık önbellekleri destekler. Tüm Gemini modellerinin aynı denetimleri sunduğunu varsaymak yerine, önbellekleme arayüzünü tek tek model sözleşmesinden seçin.
google-genai’yi kurun ve GEMINI_API_KEY’i ayarlayın. Gemini 4 Argon için, paylaşılan baştaki içerikte en az 4,096 jeton kullanın ve ikinci isteği ilki hemen sonrasında gönderin. Mevcut olduğunda usage_metadata içindeki cached_content_token_count değerini inceleyin. Örtük önbellekleme, önek uygun olsa bile ıskalayabilir.
from pathlib import Path
from google import genai
client = genai.Client() # Reads GEMINI_API_KEY
shared = Path("reference.txt").read_text(encoding="utf-8")
for question in ["Summarize the architecture.", "Identify the main technical risks."]:
response = client.models.generate_content(
model="gemini-4-argon",
contents=shared + "\nQuestion: " + question,
)
print(response.text)
print(response.usage_metadata)
OpenAI, Claude ve Gemini genelinde İstem Önbelleklemenin Maliyeti Ne Kadar?
Önbellekleme maliyetleri, yazmalar, okumalar ve bazı açık önbellek sistemlerinde saklama veya depolamanın birleşimi olarak değerlendirilmelidir. Aşağıdaki çarpanlar yaygın tasarımları örnekler; model sürümleri arasında evrensel fiyat vaatleri değildir.
Örnek amaçlı: 10,000 jetonluk bir önek N istek boyunca yeniden kullanılıyor, ilk önbellek yazımı sıradan girdinin 1.25 katına mal oluyor ve sonraki önbellek okumaları sıradan girdinin 0.1 katına mal oluyor. Milyon jeton başına 2 $ temel giriş fiyatını ve ilk isteğin ardından mükemmel önbellek isabetlerini varsayın.
İstek sayısı
Önbellekleme olmadan
Önbellekleme ile
Yeniden kullanılan önek üzerindeki tasarruf
10
$0.200
$0.043
Formül: Önbelleğe alınmış önek maliyeti = 1.25P + (N − 1) × 0.1P; burada P, paylaşılan öneğin bir kez işlenmesinin sıradan maliyetidir. Bu örnek dinamik giriş, çıktı, son kullanımlar, ıskalamalar, depolama ve diğer hizmetleri dışlar.
Yukarıdaki örnek, GPT-6.1 Sol’un mevcut oranı değil, örnek amaçlı %10 okuma oranı kullanır. Sol’un standart kısa-bağlam fiyatlandırması milyon başına önbelleksiz giriş jetonları için 2 $, milyon başına önbelleğe alınmış giriş jetonları için 0.10 $ ve varsayılan yaşam süresiyle yazılan jetonlar için milyon başına 2.50 $’dır. Örneği kendi gerçek modeliniz, katmanınız ve uç nokta faturanızla yeniden hesaplayın.
Daha uzun bir yaşam süresi, fiyatını telafi edecek kadar tekrarlanan yazmaları veya önbellesiz istekleri önlediğinde değerlidir. Claude’un 5 dakikalık ve 1 saatlik yazmaları sırasıyla temel girişin 1.25× ve 2× katı olarak ücretlendirilir. Desteklenen eski modellerdeki açık Gemini önbellekleri depolama ücretlerine de yol açabilir. Yalnızca art arda aramalar patlaması değil, gerçek boşluklar boyunca yeniden kullanımı ölçün.
Iskalamaları, sürenin dolmasını ve çıktı üretimini faturanın bir parçası olarak ele alın. Bir önek yeniden kullanılmadan önce süresi dolarsa, sonraki istek başka bir yazma veya tam giriş işlemi gerektirebilir. Kısa istemler hiç uygun olmayabilirken, uzun yanıtlar güçlü önbellek yeniden kullanımı olsa bile çıktı jetonlarını en büyük gider bırakabilir. Daha fazla önbellekleme karmaşıklığı eklemeden önce, tamamlanan görev başına toplam maliyeti karşılaştırın.
Farklı İş Yükleri İçin Hangi İstem Önbellekleme API’si En İyisidir?
Kodlama ajanları ve müşteri desteği için değişen görevin önüne kararlı araç tanımlarını, depo bağlamını, ilkeleri ve bilgiyi yerleştirin. OpenAI ve Claude, yeniden kullanılabilir sınırları tanımlamaya yardımcı olan kesme noktası denetimleri sunar; tekrar eden metnin önbelleğe alındığını varsaymak yerine uç noktanın gerçek önbellek okumalarını değerlendirin.
Belge analizi ve çok modlu çalışmalar için sorudan önce kaynak belgeyi veya desteklenen medyayı tutun. Gemini’nin örtük yaklaşımı önbellek yönetimi işini azaltır; Claude ise kararlı bloğu doğrudan işaretlemenize izin verir. Yeniden kullanıma güvenmeden önce belirli medya türü ve model desteğini kontrol edin.
Uzun konuşmalar için başlangıcı tekrar tekrar yeniden yazmak yerine yeni turları ekleyin ve turlar arasındaki boşluklara uyan uygun bir yaşam süresi seçin. Uygulamanız açıkça oluşturup başvurabileceği adlandırılmış bir önbellek kaynağına ihtiyaç duyuyorsa, bu arayüzü destekleyen bir Gemini modelini değerlendirin; Argon desteklemez.
Evrensel bir kazanan yoktur: gerçek trafik deseniniz altında önbellek isabet oranını, tamamlanan görev başına maliyeti ve gecikmeyi karşılaştırın.
İstem Önbellekleme Gecikme ve Performansı Nasıl Etkiler?
Bir önbellek isabeti, tekrarlanan girdi işlemesini azaltır ve ilk jetona kadar geçen süreyi kısaltabilir. Yanıt kalitesini doğası gereği iyileştirmez veya çıktı üretimini hızlandırmaz ve önbelleğe alınan giriş yine de bağlam penceresini doldurur. Karşılaştırılabilir isteklerde hem ilk jeton gecikmesini hem de toplam yanıt süresini ölçün; tek başına bir önbellek isabeti, kullanıcının nihai yanıtı daha erken aldığına dair kanıt değildir.
İstem Önbelleklemeyi Nasıl Optimize Eder ve Iskalamaları Nasıl Giderirsiniz
Kararlı ve Faydalı Bir Önekle Başlayın
Yeniden kullanılabilir yönergeleri, araç tanımlarını, ilkeleri ve belgeleri başa yerleştirin; zaman damgalarını, istek kimliklerini, değişen bağlamı ve kullanıcının sorusunu sonraya bırakın. Araç sıralamasını ve şemalarını kararlı tutun. Açık önbellekleme kullanırken, kesme noktasını değişmeden kalan son blokta bitirin. Faydalı olduğunda başvuru materyali ekleyin; bir önbellek metriğinin peşinden koşmak için her isteği gereksiz yere şişirmeyin.
Önbelleğe Alınmış Jetonlar Sıfırda Kalırsa
İstemi değiştirmeden önce uygunluğu kontrol edin: tam modeli, uç noktayı, minimum jeton uzunluğunu ve gerekli önbellek denetimi ayarlarını doğrulayın. Ardından paylaşılan içeriği bire bir aynı tutarak iki sıralı istek gönderin. Önbellek oluşturmayı ve önbellek okumalarını ayrı ayrı inceleyin; ilk istek, daha sonraki bir isteğin yeniden kullanabileceği girdiyi oluşturabilir. Örtük bir önbellek, isabet almaya uygundur; isabet garantisi yoktur.
Claude için, minimumun altındaki bir istek hata vermeden hem önbellek oluşturma hem de önbellek okuma jetonları için sıfır döndürebilir. Önbellek girdisi, ilk yanıt başladığında kullanılabilir olur. Claude önbellekleme kılavuzu ayrıca kesme noktası yerleşiminin ve değişen istek ayarlarının yeniden kullanımı nasıl etkilediğini açıklar.
İstekler Arasında İsabetler Kaybolursa
Yalnızca istem şablonunu değil, gerçek yükleri karşılaştırın. Değişmiş belge metni, yeniden sıralanmış araçlar, değiştirilmiş şemalar, yeniden yazılmış erken konuşma turları veya yeniden kullanılabilir sınırdan önce eklenen dinamik alanlar olup olmadığına bakın. Önceki istekten bu yana geçen süreyi ve seçilen yaşam süresinin bunu karşılayıp karşılamadığını kontrol edin. Bir kerede tek bir değişkeni değiştirin ve ortaya çıkan kullanımı kaydedin.
İsabetler Tasarruf Getirmezse
Önbelleğe alınmış girişi, yazmaları, önbellesiz girişi, çıktıyı ve varsa depolama ücretlerini birbirinden ayırın. Boşluklardan sonra tekrarlanan yazmalar, düşük yeniden kullanım veya uzun üretilen yanıtlar, giriş indirimlerinin faydasını ortadan kaldırabilir. Ölçülen kullanımla ve uç noktanın gerçek faturalandırma oranlarıyla yukarıdaki maliyet hesabını kullanın. Yalnızca toplam görev maliyetini veya kullanıcıya görünen gecikmeyi iyileştiriyorsa bir optimizasyonu koruyun.
Uç Nokta Desteğini ve Veri Sınırlarını Kontrol Edin
Bir uyumluluk uç noktası, yerel API ile aynı önbellek denetimlerini veya kullanım alanlarını göstermeden bir isteği kabul edebilir. Yeniden kullanımı tasarruf olarak değerlendirmeden önce parametre desteğini doğrulayın ve döndürülen kullanımı hesap faturalandırmasıyla karşılaştırın. Kiracı izolasyonunu ve erişim denetimlerini sürdürün ve sağlayıcının saklama ve veri işleme politikalarına uyun. Önbellekleme bu denetimlerin yerini almaz.
CometAPI ile İstem Önbelleklemeyi Nasıl Kullanabilirsiniz?
CometAPI, model aileleri arasında istekleri test etmek için tek bir entegrasyon noktası sunar. Önbellekleme için, seçilen uç noktanın hangi sağlayıcıya özgü denetimleri kabul ettiğini ve önbelleğe alınmış girdinin kullanım ve faturalandırmada nasıl göründüğünü doğrulayın. Geliştiriciler, yerel sağlayıcı seçenekleri proxy veya uyumluluk uç noktaları arasında özdeş olma garantisi taşımadığından, önbellekleme davranışı ve muhasebe için ayrı doğrulamayı sürdürürken model testini merkezileştirebilir.
Model özelindeki kurulum için, GPT-6.1 Sol, Claude Opus 5.5 ve Gemini 4 Argon için CometAPI sayfalarına bakın. Seçtiğiniz uç noktanın ihtiyaç duyduğunuz önbellekleme davranışını desteklediğini doğrulayın.
openai SDK’sını kurun ve COMETAPI_KEY’i ayarlayın. Bu örnek, tekrarlanan önekli istekleri CometAPI’nin OpenAI uyumlu Chat Completions arayüzü üzerinden gönderir. Model kullanılabilirliğini doğrulayın, ardından önbellek yeniden kullanımına dair kanıt için döndürülen kullanımı ve hesap faturalandırmasını inceleyin. Destek kontrolü yapmadan Responses API önbellek parametrelerini bu uç noktaya kopyalamayın.
import os
from pathlib import Path
from openai import OpenAI
client = OpenAI(
api_key=os.environ["COMETAPI_KEY"],
base_url="https://api.cometapi.com/v1",
)
shared = Path("reference.txt").read_text(encoding="utf-8")
for question in ["Summarize the architecture.", "Identify the main technical risks."]:
response = client.chat.completions.create(
model="gpt-6.1-sol",
messages=[
{"role": "system", "content": shared},
{"role": "user", "content": question},
],
)
print(response.choices[0].message.content)
print(response.usage)
Sonuç
Tekrar ağırlıklı yapay zekâ uygulamaları için istem önbellekleme, çıkarım ekonomisinde maddi bir fark yaratabilir. OpenAI geliştiricilere giderek daha ayrıntılı istem ve saklama denetimleri sunar; Claude kullanışlı otomatik ve blok düzeyinde denetimler sağlar; Gemini ise modern modellerinde örtük yeniden kullanımı kolaylaştırır. Doğru uygulama, kararlı istem hacmine, isabet oranına, sona erme sürelerine ve toplam maliyete bağlıdır. Net bir paylaşılan önekle başlayın, kullanım telemetrisiyle doğrulayın; ardından üretime benzer ölçümlerle saklama ve sağlayıcı seçimini optimize edin.
SSS
Önbellekleme sağlayıcılarını adil şekilde nasıl karşılaştırabilirim?
Aynı faydalı kaynak belgelerini ve eşdeğer soruları yeniden oynatın, ancak her sağlayıcının kendi jeton sayılarını ve gerçek faturalandırma oranlarını kullanın. Çıktı gereksinimlerini karşılaştırılabilir tutun ve başarısız istekleri de başarılı olanlarla birlikte raporlayın. Sabit bir karakter sayısı aynı jeton sayısını ima etmez; bu nedenle, önbellek isabet ölçümlerinin yanında tamamlanan görev başına maliyeti karşılaştırın.
Değişen bir bilgi tabanındaki her belgeyi önbelleğe almalı mıyım?
Belgeleri ne sıklıkla değiştiklerine ve ne sıklıkla yeniden kullanıldıklarına göre gruplayın. Sık güncellenen bir belge, büyük bir paylaşılan öneği defalarca geçersiz kılabilir; kararlı ilke materyalini öne koyup değişen materyali sonraya koymak bu maruziyeti azaltabilir. Kaynak materyali bilinçli biçimde sürümleyin ve doğruluk gerektirdiğinde yenileyin; bunu yapmak önbellek yeniden kullanımını azaltsa bile.
Parametre
OpenAI: GPT-6.1 Sol
Claude: Opus 5.5
Google: Gemini 4 Argon
Önbellek etkinleştirme
Örtük eşleştirme; açık kesme noktaları desteklenir
İstek düzeyi veya içerik bloğu cache_control ile katılma
Varsayılan olarak örtük önbellekleme etkin
Minimum önek
1,024 görünür girdi jetonu
Önbellek sınırından önce 512 jeton
4,096 girdi jetonu
Yaşam süresi denetimleri
Responses API: prompt_cache_options.ttl; varsayılan 30m veya 12h
Varsayılan 5 dakika; isteğe bağlı 1 saatlik TTL
Sağlayıcı yönetimli örtük yaşam süresi
Kararlı içerik nereye konur
Başta yönergeler, araçlar ve başvuru materyali
Kesme noktasından önce kararlı araç tanımları, sistem içeriği veya ileti blokları
İstemin başında büyük paylaşılan içerik
İncelenecek kullanım metrikleri
input_tokens_details.cached_tokens ve bildirilen önbellek yazma kullanımı
cache_creation_input_tokens ve cache_read_input_tokens
usage_metadata içinde cached_content_token_count, mevcutsa
Önemli ayrım
prompt_cache_key muhasebeyi ayırabilir; Sol'un otomatik yönlendirmesi için gerekli değildir
Kesme noktası, değişmeden kalan içerikte sonlanmalıdır
Argon için açık önbellek kaynağı yoktur; desteklenen eski modeller ayrı bir arayüz sunar
Maliyet kategorisi
OpenAI
Claude
Gemini
Önbelleksiz giriş
Normal giriş jetonu ücreti
Normal giriş jetonu ücreti
Normal giriş jetonu ücreti
Önbelleğe yazma
Yeni modellerde yazma primi olabilir
5m/1h primleri
Örtük veya açık, modele özgü
Önbellekten okuma
Azaltılmış, modele özgü oran
Azaltılmış, modele özgü oran
Azaltılmış, modele özgü oran
Önbellek ömrü
Modele özgü
5m / 1h
Örtük yönetimli / açık yapılandırılabilir
Ek depolama
Modele bağlıdır
Genellikle yazma katmanına yansıtılır
Açık depolama ücretleri uygulanabilir
%78.50
100
$2.000
$0.223
%88.85
İstem önbelleğe alma nedir? 2026'da OpenAI vs Claude vs Gemini - CometAPI
