---
title: "Tokens en caché: cómo reducir su factura de API de LLM"
description: "La entrada en caché cuesta una fracción de la entrada normal. Cómo se factura el prompt caching, cómo leer cached_tokens en usage y cómo estructurar los prompts."
url: https://broadrouter.com/es/blog/cached-input-tokens-explained/
lang: es
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traducido del inglés con ayuda de IA. [Lea el original en inglés](https://broadrouter.com/blog/cached-input-tokens-explained/) (actualizado el 2026-11-15).

# Tokens de entrada en caché: cómo reducir la factura de una API de LLM

Por el equipo de BroadNet Inference · 5 min de lectura · Publicado 2026-11-14 · Actualizado 2026-11-15

Los tokens de entrada en caché son tokens del prompt que el proveedor ya procesó y puede reutilizar, por eso se facturan a una tarifa menor. En BroadNet Inference, DeepSeek V4.1 Flash factura la entrada en caché a $0.0055 por 1M de tokens frente a $0.175 de la entrada nueva. Ponga la parte estable del prompt al principio e idéntica entre llamadas para obtener el descuento.

## Puntos clave

-   Entrada en caché de DeepSeek V4.1 Flash: $0.0055 por 1M de tokens; entrada nueva: $0.175.
-   El bloque usage reporta `prompt_tokens_details.cached_tokens` cuando el modelo lo informa, así que puede medir su tasa de aciertos de caché.
-   Ponga primero el contenido estable (prompt del sistema, herramientas, documentos) y al final el contenido que cambia.
-   La caché coincide desde el inicio del prompt. Un solo token distinto al principio convierte en nuevo todo lo que sigue.
-   Los más beneficiados son los agentes que reenvían el mismo contexto del repositorio en cada turno.

**En esta página**

1.  ¿Qué es un token de entrada en caché?
2.  ¿Cuánto cuestan los tokens en caché en BroadNet Inference?
3.  ¿Cuánto puede ahorrar la caché? Un ejemplo calculado
4.  ¿Cómo se ven los tokens en caché en la respuesta de la API?
5.  ¿En qué se diferencia el prompt caching de OpenAI, Anthropic y DeepSeek?
6.  ¿Qué reduce su tasa de aciertos de caché?
7.  ¿Cuándo deja de importar la caché?
8.  ¿Por qué importa más la caché con contextos largos?
9.  Dónde encaja BroadNet Inference

La mayor parte de lo que un agente envía a un LLM es igual en cada turno: el prompt del sistema, las definiciones de herramientas, los archivos con los que trabaja y la conversación hasta ese momento. Solo el último mensaje es nuevo. El prompt caching significa que el proveedor no factura esa parte repetida a precio completo.

## ¿Qué es un token de entrada en caché?

Cada solicitud se compone de [tokens de entrada y de salida](https://broadrouter.com/es/glossary/input-and-output-tokens/). Antes de responder, el modelo procesa el prompt completo. Si una solicitud anterior empezaba exactamente con los mismos tokens, el sistema de servicio puede reutilizar ese trabajo en lugar de repetirlo. La parte reutilizada se reporta como [tokens de entrada en caché](https://broadrouter.com/es/glossary/cached-input-tokens/) y se factura a una tarifa menor.

De cómo funciona esto se desprenden dos puntos:

-   **Solo se cachea el prefijo.** La coincidencia va desde el primer token hacia delante y se detiene en la primera diferencia.
-   **La respuesta nunca se cachea.** El modelo sigue generando una salida nueva, facturada al precio completo de salida.

## ¿Cuánto cuestan los tokens en caché en BroadNet Inference?

Por 1 millón de tokens, según el archivo de precios publicado:

| Modelo | Entrada nueva | Entrada en caché | Salida |
| --- | --- | --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/es/models/deepseek-v4.1-flash/) | $0.175 | $0.0055 | $0.52 |
| [GLM 5.3](https://broadrouter.com/es/models/glm-5.3/) | $0.78 | $0.173 | $3.46 |
| [Qwen3.8 27B](https://broadrouter.com/es/models/qwen3.8-27b/) | $0.175 | $0.0435 | $2.17 |

En DeepSeek V4.1 Flash la diferencia es grande: compare $0.0055 por 1M de tokens en caché con $0.175 por 1M de tokens nuevos. Para un agente que reenvía un repositorio de 200,000 tokens en cada turno, la tasa de aciertos de caché decide la mayor parte de la factura.

## ¿Cuánto puede ahorrar la caché? Un ejemplo calculado

Un agente de programación envía un prompt de 200,000 tokens 100 veces en una jornada laboral. Eso son 20 millones de tokens de entrada al día.

| Tasa de caché | Tokens de entrada nuevos | Tokens de entrada en caché |
| --- | --- | --- |
| 0 % | 20M a $0.175 por 1M | 0 |
| 50 % | 10M a $0.175 por 1M | 10M a $0.0055 por 1M |
| 90 % | 2M a $0.175 por 1M | 18M a $0.0055 por 1M |

La fórmula de la factura diaria de entrada es `new tokens (M) × input price + cached tokens (M) × cached price`. Al 90 %, 18M de los 20M tokens de entrada se facturan al precio en caché en lugar del precio de entrada completo, así que cuanto mayor sea la diferencia entre ambos precios, más ahorra en la parte de entrada de la factura. La salida no cambia. Pruebe sus propios números en la [calculadora de prompt caching](https://broadrouter.com/tools/prompt-caching-calculator/).

## ¿Cómo se ven los tokens en caché en la respuesta de la API?

La referencia de la API de BroadNet indica que, cuando el modelo los reporta, el objeto `usage` incluye `prompt_tokens_details.cached_tokens`: los tokens del prompt leídos de la caché, facturados al precio de caché. En un [stream](https://broadrouter.com/es/glossary/streaming/), pida el uso en el último fragmento:

```python
from openai import OpenAI
import os

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
messages = [
    {"role": "system", "content": "You are a code reviewer."},  # stable prefix: keep it identical
    {"role": "user", "content": "Review the diff below."},
]
stream = client.chat.completions.create(
    model="broadnet/deepseek-v4.1-flash",
    messages=messages,
    stream=True,
    stream_options={"include_usage": True},
)
for chunk in stream:
    if chunk.usage:
        u = chunk.usage
        cached = (u.prompt_tokens_details.cached_tokens if u.prompt_tokens_details else 0) or 0
        print(f"prompt={u.prompt_tokens} cached={cached} rate={cached / max(1, u.prompt_tokens):.0%}")
```

Registre esa tasa por solicitud durante un día. Le dirá lo que paga en realidad, y es el número que debe introducir en la [calculadora de prompt caching](https://broadrouter.com/tools/prompt-caching-calculator/). Encontrará más sobre el uso en streaming en la [guía de streaming](https://broadrouter.com/es/guides/streaming-chat-completions/).

## ¿En qué se diferencia el prompt caching de OpenAI, Anthropic y DeepSeek?

La caché no está estandarizada. Esto es lo que decía la documentación oficial cuando la consultamos el 14 de noviembre de 2026:

|  | OpenAI | Anthropic | DeepSeek (API directa) |
| --- | --- | --- | --- |
| Activación | Por defecto en los modelos compatibles | Opcional, con un campo `cache_control` (automático o por bloque) | Por defecto para todos los usuarios |
| Prompt mínimo | 1,024 tokens en GPT-5.6 y posteriores | De 512 a 4,096 tokens, según el modelo | No se indica mínimo |
| Duración de la caché | 30 minutos por defecto en GPT-5.6 y posteriores; opción de 12 horas | 5 minutos por defecto, 1 hora con costo adicional | Según disponibilidad; se borra cuando no se usa, “a few hours to a few days” (Traducción: «de unas horas a unos días») |
| Escrituras | 1.25× la entrada (30 minutos) o 2.5× (12 horas) en GPT-5.6 y posteriores | 1.25× la entrada por 5 minutos, 2× por 1 hora | No se menciona cargo por escritura |
| Lecturas | 0.1× la entrada en GPT-5.6 y posteriores (0.05× en GPT-6.1 Sol y Terra) | 0.1× la entrada en la mayoría de los modelos, menos en algunos | Precio aparte de “cache hit” (acierto de caché) |
| Campo de uso | `cached_tokens` en los detalles de tokens | `cache_read_input_tokens` | `prompt_cache_hit_tokens` |

Fuentes: [guía de prompt caching de OpenAI](https://developers.openai.com/api/docs/guides/prompt-caching), [documentación de prompt caching de Anthropic](https://platform.claude.com/docs/en/build-with-claude/prompt-caching) y [documentación de caché de contexto de DeepSeek](https://api-docs.deepseek.com/guides/kv_cache). Cuando las escrituras cuestan más, una caché que se escribe pero nunca se lee cuesta más que no tener caché. La caché solo compensa en los prompts que realmente repite. Para comparar precios de lista por modelo, consulte la [tabla de precios de API de LLM](https://broadrouter.com/es/llm-api-pricing/).

## ¿Qué reduce su tasa de aciertos de caché?

La caché busca un prefijo exacto, así que cualquier cambio al principio del prompt convierte en nuevo todo lo demás. Las causas habituales:

-   una marca de tiempo, un ID de solicitud o un nombre de usuario cerca del inicio del prompt del sistema;
-   definiciones de herramientas o JSON serializados con un orden de claves distinto en cada llamada, lo que cambia los [tokens](https://broadrouter.com/es/glossary/token/);
-   un agente que reescribe o resume su historial en lugar de añadir al final;
-   pausas largas, tras las cuales la caché ha caducado.

La solución es un orden fijo de capas (prompt del sistema, herramientas, documentos, historial, mensaje nuevo), con cada capa idéntica byte a byte entre llamadas. Nuestra guía sobre [cómo estructurar los prompts para que el prefijo se cachee](https://broadrouter.com/es/blog/prompt-structure-for-caching/) recorre esa estructura en código, con una prueba que demuestra que el prefijo se reutiliza.

## ¿Cuándo deja de importar la caché?

En un plan de tarifa plana, la factura no depende en absoluto de los tokens. Luna Llena (Full Moon) cuesta $60 al mes por sesión, con DeepSeek V4.1 Flash ilimitado. Si su agente ya supera el [punto de equilibrio](https://broadrouter.com/es/blog/flat-rate-vs-pay-per-token-llm-api/), la tasa de caché deja de ser un problema de costo. En prompts largos, los hábitos anteriores siguen ayudando con la velocidad, así que vale la pena mantenerlos en cualquier caso.

## ¿Por qué importa más la caché con contextos largos?

DeepSeek V4.1 Flash y GLM 5.3 aceptan hasta 1,048,576 tokens por solicitud. La caché es lo que hace asequibles los prompts muy largos con una clave de pago por token, porque la parte grande y repetida de la [ventana de contexto](https://broadrouter.com/es/glossary/context-window/) se factura a la tarifa de caché. Consulte [cuándo vale la pena una ventana de contexto de 1M de tokens](https://broadrouter.com/es/blog/million-token-context-window-guide/).

## Dónde encaja BroadNet Inference

BroadNet publica un precio de entrada en caché para cada modelo de chat que lo tiene y reporta los tokens en caché en usage cuando el modelo los informa, así que puede medir su tasa antes de comprometerse. No publica la duración de la caché ni la longitud mínima del prompt, así que mida ambas con su propio tráfico. Si su agente trabaja todo el día, un plan de tarifa plana elimina la pregunta por completo.

Herramientas gratuitas sobre este tema (en inglés)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [Prompt caching savings calculator](https://broadrouter.com/tools/prompt-caching-calculator/) Bill with and without caching, by prefix share and hit rate.
-   [Prompt token diff](https://broadrouter.com/tools/prompt-token-diff/) Two prompt versions side by side: changed lines, exact token delta and the monthly cost difference.

[Herramientas gratuitas (en inglés)](https://broadrouter.com/tools/)

## Términos de este artículo

[Token](https://broadrouter.com/es/glossary/token/)

Un token es la unidad de texto que un modelo de lenguaje lee y escribe: una palabra, parte de una palabra, un signo de puntuación o una secuencia de bytes producida por el tokenizador del modelo. Las APIs de LLM cuentan, limitan y normalmente facturan el uso en tokens.

[Tokens de entrada en caché (cached input tokens)](https://broadrouter.com/es/glossary/cached-input-tokens/)

Los tokens de entrada en caché son tokens del prompt que un proveedor de LLM procesó recientemente y puede reutilizar desde un caché en lugar de calcularlos de nuevo; normalmente son un prefijo repetido, como un prompt de sistema o un documento. Los proveedores los cobran a una tarifa menor que los tokens de entrada nuevos.

[Tokens de entrada y de salida (input and output tokens)](https://broadrouter.com/es/glossary/input-and-output-tokens/)

Los tokens de entrada son los que un modelo de lenguaje lee en una solicitud, incluidos el prompt de sistema, el historial de la conversación, las definiciones de herramientas y las imágenes. Los tokens de salida son los que genera en la respuesta, incluido el razonamiento. Las APIs de LLM suelen cobrarlos por separado, y la salida suele costar más.

[Streaming (respuestas en tiempo real)](https://broadrouter.com/es/glossary/streaming/)

El streaming es una forma de devolver la respuesta de un modelo de lenguaje en pequeños fragmentos mientras aún se genera, en lugar de una sola respuesta al final. Las APIs compatibles con OpenAI hacen streaming mediante server-sent events cuando la solicitud define stream como true.

[Llamadas a herramientas (tool calling)](https://broadrouter.com/es/glossary/tool-calling/)

Las llamadas a herramientas (tool calling), también llamadas function calling, son una función de las APIs de LLM en la que el modelo devuelve una solicitud estructurada para ejecutar una función definida por el desarrollador, con argumentos JSON. La aplicación ejecuta la función y devuelve el resultado; el modelo nunca ejecuta código.

[Plan de LLM con tarifa plana (flat-rate LLM plan)](https://broadrouter.com/es/glossary/flat-rate-llm-plan/)

Un plan de LLM con tarifa plana cobra un precio fijo por un periodo, como un mes, por acceder a la API de un modelo de lenguaje, en lugar de facturar por token. Estos planes suelen limitar otra cosa, como la concurrencia, la velocidad, los modelos o las ventanas de uso, así que los topes importan tanto como el precio.

[Ventana de contexto (context window)](https://broadrouter.com/es/glossary/context-window/)

La ventana de contexto es la cantidad máxima de tokens con la que un modelo de lenguaje puede trabajar en una sola solicitud. Incluye el prompt, el historial de la conversación, las definiciones de herramientas, las imágenes y la salida generada, incluidos los tokens de razonamiento. Lo que no cabe debe recortarse, resumirse o dividirse en varias solicitudes.

[Agente de programación con IA (AI coding agent)](https://broadrouter.com/es/glossary/coding-agent/)

Un agente de programación con IA es una herramienta de software en la que un modelo de lenguaje trabaja sobre una base de código en un ciclo: lee archivos, los edita, ejecuta comandos como pruebas, lee la salida y decide el siguiente paso hasta que termina la tarea o alcanza un límite.

## Preguntas frecuentes

### ¿Tengo que activar el prompt caching?

Depende del proveedor. OpenAI y DeepSeek cachean automáticamente; Anthropic necesita un campo cache\_control. En BroadNet Inference, revise el bloque usage: cuando el modelo reporta tokens en caché, aparecen como prompt\_tokens\_details.cached\_tokens y se facturan al precio de entrada en caché.

### ¿Cómo compruebo si el prompt caching está funcionando?

Pida usage en cada solicitud y calcule cached\_tokens dividido entre prompt\_tokens. Una tasa cercana a cero en la segunda llamada de un prompt largo y repetido indica que algo al principio del prompt cambia entre llamadas.

### ¿Por qué mi tasa de aciertos de caché es baja?

Normalmente porque algo al principio del prompt cambia en cada llamada, como una marca de tiempo, un ID de solicitud o una lista de herramientas reordenada. Mueva el contenido cambiante al final.

### ¿Qué diferencia hay entre prompt caching y caché de respuestas?

El prompt caching reutiliza el trabajo del proveedor sobre un prefijo de prompt repetido, y el modelo sigue escribiendo una respuesta nueva. La caché de respuestas la construye usted: guarda respuestas completas y las devuelve ante preguntas idénticas sin llamar al modelo.

### ¿Los tokens en caché son gratis?

No. Se facturan a una tarifa menor, no a cero. En DeepSeek V4.1 Flash, la entrada en caché cuesta $0.0055 por 1M de tokens, y la salida se factura completa.

### ¿Importa la caché en un plan ilimitado?

No para la factura, porque las sesiones de plan no tienen medidor de tokens. Aun así, en muchos sistemas de servicio acorta el tiempo hasta el primer token en prompts largos, así que los mismos hábitos ayudan.

## Siga leyendo

-   [Cómo estructurar los prompts para que el prefijo quede en caché](https://broadrouter.com/es/blog/prompt-structure-for-caching/)
-   [Precios de la API de LLM: entrada, caché, salida y razonamiento](https://broadrouter.com/es/blog/llm-api-pricing-explained/)
-   [API de LLM con tarifa plana o pago por token: el punto de equilibrio](https://broadrouter.com/es/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [Ventana de contexto de 1M de tokens: cuándo compensa y cuándo no](https://broadrouter.com/es/blog/million-token-context-window-guide/)
-   [Caché de respuestas de APIs de LLM para reducir costos en Python](https://broadrouter.com/es/blog/cache-llm-responses-cut-cost/)
-   [Precios de API de LLM en octubre de 2026: 3 subidas, ninguna rebaja](https://broadrouter.com/es/blog/llm-api-price-changes-october-2026/)
-   [¿Cada cuánto cambian los precios de las API de LLM? 3 años de archivo](https://broadrouter.com/es/blog/how-often-llm-api-prices-change/)
-   [Guía: Streaming de chat completions y conexiones interrumpidas](https://broadrouter.com/es/guides/streaming-chat-completions/)
-   [Guía: Usar el SDK de OpenAI para Python con BroadNet Inference](https://broadrouter.com/es/guides/openai-python-sdk/)

Pruébelo con su carga de trabajo real. Las cuentas nuevas empiezan con USD 5 de crédito para Gemma y transcripción. DeepSeek, GLM y Qwen3.8 requieren una recarga.

[Comenzar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-cached-input-tokens-explained&utm_content=page-cta) ·

**Fuentes**

-   [Referencia de la API de BroadNet Inference, razonamiento y tokens en caché (consultado el 2026-11-14) (en inglés)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-cached-input-tokens-explained&utm_content=sources)
-   [Precios de BroadNet Inference en formato legible por máquina (pricing.json, consultado el 2026-11-14) (en inglés)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-cached-input-tokens-explained&utm_content=sources)
-   [Guía de prompt caching de OpenAI (consultado el 2026-11-14)](https://developers.openai.com/api/docs/guides/prompt-caching)
-   [Documentación de prompt caching de Anthropic (consultado el 2026-11-14)](https://platform.claude.com/docs/en/build-with-claude/prompt-caching)
-   [Documentación de la API de DeepSeek, caché de contexto (consultado el 2026-11-14)](https://api-docs.deepseek.com/guides/kv_cache)
