---
title: "Token in cache e prompt caching: riduci il costo delle API"
description: "L’input in cache costa una frazione dell’input normale. Come si paga il prompt caching, come leggere cached_tokens in usage e come strutturare i prompt."
url: https://broadrouter.com/it/blog/cached-input-tokens-explained/
lang: it
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Tradotto dall’inglese con l’aiuto dell’IA. [Leggi l’originale in inglese](https://broadrouter.com/blog/cached-input-tokens-explained/) (aggiornato il 2026-11-15).

# Token di input in cache: come ridurre la bolletta delle API LLM

A cura del team di BroadNet Inference · 5 min di lettura · Pubblicato 2026-11-14 · Aggiornato 2026-11-15

I token di input in cache sono token del prompt che il provider ha già elaborato e può riutilizzare, quindi si pagano a una tariffa più bassa. Su BroadNet Inference, DeepSeek V4.1 Flash fattura l’input in cache a $0.0055 per 1M di token, contro $0.175 per l’input nuovo. Per ottenere lo sconto, metti la parte stabile di ogni prompt all’inizio e tienila identica tra le chiamate.

## Punti chiave

-   Input in cache di DeepSeek V4.1 Flash: $0.0055 per 1M di token; input nuovo: $0.175.
-   Il blocco usage riporta `prompt_tokens_details.cached_tokens` quando il modello lo fornisce, così puoi misurare la tua percentuale di cache.
-   Metti prima il contenuto stabile (prompt di sistema, strumenti, documenti) e in fondo quello che cambia.
-   La cache confronta il prompt dall’inizio. Basta un token diverso nelle prime posizioni perché tutto ciò che segue risulti nuovo.
-   Ne beneficiano di più gli agenti che a ogni turno reinviano lo stesso contesto del repository.

**In questa pagina**

1.  Che cos’è un token di input in cache?
2.  Quanto costano i token in cache su BroadNet Inference?
3.  Quanto puoi risparmiare con la cache? Un esempio pratico
4.  Come vedi i token in cache nella risposta dell’API?
5.  Come cambia il prompt caching tra OpenAI, Anthropic e DeepSeek?
6.  Che cosa abbassa la tua percentuale di cache?
7.  Quando la cache smette di contare?
8.  Perché la cache conta di più con un contesto lungo?
9.  Dove si colloca BroadNet Inference

Quasi tutto quello che un agente invia a un LLM è uguale a ogni turno: il prompt di sistema, le definizioni degli strumenti, i file su cui sta lavorando e la conversazione fin lì. Solo l’ultimo messaggio è nuovo. Con il prompt caching, il provider non ti fa pagare quella parte ripetuta a prezzo pieno.

## Che cos’è un token di input in cache?

Ogni richiesta è fatta di [token di input e di output](https://broadrouter.com/it/glossary/input-and-output-tokens/). Prima di rispondere, il modello elabora l’intero prompt. Se una richiesta precedente iniziava esattamente con gli stessi token, il sistema di serving può riutilizzare quel lavoro invece di rifarlo. La parte riutilizzata viene riportata come [token di input in cache](https://broadrouter.com/it/glossary/cached-input-tokens/) e fatturata a una tariffa più bassa.

Da questo meccanismo derivano due conseguenze:

-   **Va in cache solo il prefisso.** Il confronto parte dal primo token e si ferma alla prima differenza.
-   **La risposta non va mai in cache.** Il modello genera comunque output nuovo, fatturato al prezzo pieno dell’output.

## Quanto costano i token in cache su BroadNet Inference?

Per 1 milione di token, dal file dei prezzi pubblicato:

| Modello | Input nuovo | Input in cache | Output |
| --- | --- | --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/it/models/deepseek-v4.1-flash/) | $0.175 | $0.0055 | $0.52 |
| [GLM 5.3](https://broadrouter.com/it/models/glm-5.3/) | $0.78 | $0.173 | $3.46 |
| [Qwen3.8 27B](https://broadrouter.com/it/models/qwen3.8-27b/) | $0.175 | $0.0435 | $2.17 |

Su DeepSeek V4.1 Flash il divario è ampio: confronta $0.0055 per 1M di token in cache con $0.175 per 1M di token nuovi. Per un agente che a ogni turno reinvia un repository da 200.000 token, la percentuale di cache decide gran parte della fattura.

## Quanto puoi risparmiare con la cache? Un esempio pratico

Un agente di coding invia un prompt da 200.000 token 100 volte in una giornata di lavoro. Sono 20 milioni di token di input al giorno.

| Percentuale di cache | Token di input nuovi | Token di input in cache |
| --- | --- | --- |
| 0% | 20M a $0.175 per 1M | 0 |
| 50% | 10M a $0.175 per 1M | 10M a $0.0055 per 1M |
| 90% | 2M a $0.175 per 1M | 18M a $0.0055 per 1M |

La formula per il costo giornaliero dell’input è `new tokens (M) × input price + cached tokens (M) × cached price`. Al 90%, 18M dei 20M di token di input sono fatturati al prezzo cache invece che al prezzo pieno di input, quindi più è ampio il divario tra i due prezzi, più risparmi sulla parte di fattura legata all’input. L’output non cambia. Prova i tuoi numeri nel [calcolatore del prompt caching](https://broadrouter.com/tools/prompt-caching-calculator/).

## Come vedi i token in cache nella risposta dell’API?

Il riferimento API di BroadNet dice che, quando il modello li riporta, l’oggetto `usage` contiene `prompt_tokens_details.cached_tokens`: i token del prompt letti dalla cache, fatturati al prezzo cache. In uno [stream](https://broadrouter.com/it/glossary/streaming/), chiedi usage nell’ultimo chunk:

```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%}")
```

Registra quella percentuale per ogni richiesta per una giornata. Ti dice quanto paghi davvero, ed è il numero da inserire nel [calcolatore del prompt caching](https://broadrouter.com/tools/prompt-caching-calculator/). Altro sull’usage in streaming nella [guida allo streaming](https://broadrouter.com/it/guides/streaming-chat-completions/).

## Come cambia il prompt caching tra OpenAI, Anthropic e DeepSeek?

La cache non è standardizzata. Ecco cosa diceva la documentazione ufficiale quando l’abbiamo consultata il 14 novembre 2026:

|  | OpenAI | Anthropic | DeepSeek (API diretta) |
| --- | --- | --- | --- |
| Attivazione | Predefinita per i modelli supportati | Su richiesta, con un campo `cache_control` (automatico o per blocco) | Predefinita per tutti gli utenti |
| Prompt minimo | 1.024 token su GPT-5.6 e successivi | Da 512 a 4.096 token, a seconda del modello | Nessun minimo indicato |
| Durata della cache | 30 minuti di default su GPT-5.6 e successivi; opzione da 12 ore | 5 minuti di default, 1 ora con sovrapprezzo | Best effort; svuotata se inutilizzata, “a few hours to a few days” (traduzione: da qualche ora a qualche giorno) |
| Scritture | 1,25× l’input (30 minuti) o 2,5× (12 ore) su GPT-5.6 e successivi | 1,25× l’input per 5 minuti, 2× per 1 ora | Nessun costo di scrittura indicato |
| Letture | 0,1× l’input su GPT-5.6 e successivi (0,05× su GPT-6.1 Sol e Terra) | 0,1× l’input sulla maggior parte dei modelli, meno su alcuni | Prezzo “cache hit” separato |
| Campo in usage | `cached_tokens` nei dettagli dei token | `cache_read_input_tokens` | `prompt_cache_hit_tokens` |

Fonti: [guida di OpenAI al prompt caching](https://developers.openai.com/api/docs/guides/prompt-caching), [documentazione di Anthropic sul prompt caching](https://platform.claude.com/docs/en/build-with-claude/prompt-caching) e [documentazione di DeepSeek sul context caching](https://api-docs.deepseek.com/guides/kv_cache). Dove le scritture costano di più, una cache scritta ma mai letta costa più di nessuna cache. La cache conviene solo sui prompt che ripeti davvero. Per confrontare i prezzi di listino per modello, vedi la [tabella dei prezzi delle API LLM](https://broadrouter.com/llm-api-pricing/).

## Che cosa abbassa la tua percentuale di cache?

La cache confronta un prefisso esatto, quindi qualsiasi cosa cambi all’inizio del prompt rende nuovo tutto il resto. Le cause più comuni:

-   un timestamp, un ID di richiesta o un nome utente in cima al prompt di sistema;
-   definizioni degli strumenti o JSON serializzati con un ordine delle chiavi diverso a ogni chiamata, che cambia i [token](https://broadrouter.com/it/glossary/token/);
-   un agente che riscrive o riassume la propria cronologia invece di aggiungere in coda;
-   pause lunghe, dopo le quali la cache è scaduta.

La soluzione è un ordine fisso dei livelli (prompt di sistema, strumenti, documenti, cronologia, nuovo messaggio), con ogni livello identico byte per byte tra le chiamate. La nostra guida su [come strutturare i prompt perché il prefisso vada in cache](https://broadrouter.com/it/blog/prompt-structure-for-caching/) mostra questo layout nel codice, con un test che dimostra il riutilizzo del prefisso.

## Quando la cache smette di contare?

Con un piano flat la fattura non dipende affatto dai token. Full Moon costa $60 al mese per sessione per DeepSeek V4.1 Flash illimitato. Se il tuo agente supera già il [punto di pareggio](https://broadrouter.com/it/blog/flat-rate-vs-pay-per-token-llm-api/), la percentuale di cache non è più un problema di costi. Sui prompt lunghi le abitudini descritte sopra aiutano comunque la velocità, quindi vale la pena mantenerle in ogni caso.

## Perché la cache conta di più con un contesto lungo?

DeepSeek V4.1 Flash e GLM 5.3 accettano fino a 1.048.576 token per richiesta. È la cache a rendere sostenibili i prompt molto lunghi su una chiave a token, perché la parte grande e ripetuta della [finestra di contesto](https://broadrouter.com/it/glossary/context-window/) si paga alla tariffa cache. Vedi [quando conviene una finestra di contesto da 1M di token](https://broadrouter.com/it/blog/million-token-context-window-guide/).

## Dove si colloca BroadNet Inference

BroadNet pubblica un prezzo per l’input in cache per ogni modello di chat che lo prevede, e riporta i token in cache in usage quando il modello li fornisce, così puoi misurare la tua percentuale prima di impegnarti. Non pubblica né la durata della cache né la lunghezza minima del prompt, quindi misurale sul tuo traffico. Se il tuo agente lavora tutto il giorno, un piano flat elimina del tutto la questione.

Strumenti gratuiti sul tema (in inglese)

-   [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.

[Strumenti gratuiti (in inglese)](https://broadrouter.com/tools/)

## Termini in questo articolo

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

Un token è l’unità di testo che un modello linguistico legge e scrive: una parola, una parte di parola, un segno di punteggiatura o una sequenza di byte prodotta dal tokenizer del modello. Le API LLM contano, limitano e di solito fatturano l’uso in token.

[Token di input in cache (cached input)](https://broadrouter.com/it/glossary/cached-input-tokens/)

I token di input in cache sono token del prompt che un provider LLM ha elaborato da poco e può riusare da una cache invece di ricalcolarli, di solito un prefisso ripetuto come un system prompt o un documento. I provider li fatturano a una tariffa più bassa dei token di input nuovi.

[Token di input e di output](https://broadrouter.com/it/glossary/input-and-output-tokens/)

I token di input sono quelli che un modello linguistico legge in una richiesta: system prompt, cronologia, definizioni degli strumenti e immagini. I token di output sono quelli che genera in risposta, ragionamento compreso. Le API LLM di solito li prezzano separatamente, e l’output costa di più.

[Streaming](https://broadrouter.com/it/glossary/streaming/)

Lo streaming è un modo di restituire la risposta di un modello linguistico in piccoli pezzi mentre viene ancora generata, invece che in un’unica risposta alla fine. Le API compatibili con OpenAI trasmettono in streaming tramite server-sent event quando la richiesta imposta stream a true.

[Tool calling (chiamata di strumenti)](https://broadrouter.com/it/glossary/tool-calling/)

Il tool calling, detto anche function calling, è una funzionalità delle API LLM in cui il modello restituisce una richiesta strutturata di eseguire una funzione definita dallo sviluppatore, con argomenti JSON. L’applicazione esegue la funzione e rimanda il risultato; il modello non esegue mai codice da solo.

[System prompt (prompt di sistema)](https://broadrouter.com/it/glossary/system-prompt/)

Il system prompt è il testo di istruzioni che un’applicazione invia a un modello linguistico prima della conversazione, di solito come messaggio con ruolo system o developer. Stabilisce ruolo, regole, tono e formato di output del modello, che dovrebbe seguirlo anche quando i messaggi dell’utente lo contraddicono.

[Finestra di contesto (context window)](https://broadrouter.com/it/glossary/context-window/)

La finestra di contesto è il numero massimo di token con cui un modello linguistico può lavorare in una singola richiesta. Comprende prompt, cronologia della conversazione, definizioni degli strumenti, immagini e output generato, token di ragionamento inclusi. Ciò che non ci sta va tagliato, riassunto o diviso su più richieste.

[Piano LLM flat (flat-rate)](https://broadrouter.com/it/glossary/flat-rate-llm-plan/)

Un piano LLM flat applica un prezzo fisso per un periodo, per esempio un mese, per accedere all’API di un modello linguistico invece di fatturare per token. Di solito questi piani limitano qualcos’altro, come concorrenza, velocità, modelli o finestre di utilizzo, quindi i limiti contano quanto il prezzo.

## Domande frequenti

### Devo attivare io il prompt caching?

Dipende dal provider. OpenAI e DeepSeek usano la cache in automatico; Anthropic richiede un campo cache\_control. Su BroadNet Inference controlla il blocco usage: quando il modello riporta i token in cache, compaiono in prompt\_tokens\_details.cached\_tokens e si pagano al prezzo dell’input in cache.

### Come faccio a sapere se il prompt caching funziona?

Chiedi usage a ogni richiesta e calcola cached\_tokens diviso prompt\_tokens. Una percentuale vicina a zero alla seconda chiamata di un prompt lungo e ripetuto significa che qualcosa all’inizio del prompt cambia tra una chiamata e l’altra.

### Perché la mia percentuale di cache è bassa?

Di solito perché qualcosa all’inizio del prompt cambia a ogni chiamata, per esempio un timestamp, un ID di richiesta o un elenco di strumenti riordinato. Sposta il contenuto variabile in fondo.

### Che differenza c’è tra prompt caching e cache delle risposte?

Il prompt caching riutilizza il lavoro del provider su un prefisso ripetuto del prompt, e il modello scrive comunque una risposta nuova. La cache delle risposte la costruisci tu, salvando risposte intere e restituendole per domande identiche senza chiamare il modello.

### I token in cache sono gratis?

No. Si pagano a una tariffa più bassa, non zero. Su DeepSeek V4.1 Flash l’input in cache costa $0.0055 per 1M di token, e l’output si paga per intero.

### La cache conta qualcosa con un piano illimitato?

Non per la fattura, perché le sessioni dei piani non hanno un contatore di token. In molti sistemi di serving riduce comunque il tempo al primo token sui prompt lunghi, quindi le stesse abitudini restano utili.

## Continua a leggere

-   [Come strutturare i prompt perché il prefisso vada in cache](https://broadrouter.com/it/blog/prompt-structure-for-caching/)
-   [Prezzi delle API LLM spiegati: input, cache, output e ragionamento](https://broadrouter.com/it/blog/llm-api-pricing-explained/)
-   [API LLM a tariffa flat o a consumo per token: i conti del pareggio](https://broadrouter.com/it/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [Quando conviene una finestra di contesto da 1M di token (e quando no)](https://broadrouter.com/it/blog/million-token-context-window-guide/)
-   [Cache delle risposte delle API LLM: una cache esatta in Python](https://broadrouter.com/it/blog/cache-llm-responses-cut-cost/)
-   [Prezzi delle API LLM a ottobre 2026: 3 aumenti, nessun taglio](https://broadrouter.com/it/blog/llm-api-price-changes-october-2026/)
-   [Ogni quanto cambiano i prezzi delle API LLM? 3 anni di archivio](https://broadrouter.com/it/blog/how-often-llm-api-prices-change/)
-   [Guida: Streaming delle chat completions e connessioni interrotte](https://broadrouter.com/it/guides/streaming-chat-completions/)
-   [Guida: Usare l’SDK Python di OpenAI con BroadNet Inference](https://broadrouter.com/it/guides/openai-python-sdk/)

Provalo sul tuo carico di lavoro reale. I nuovi account partono con USD 5 di credito per Gemma e trascrizione. DeepSeek, GLM e Qwen3.8 richiedono una ricarica.

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

**Fonti**

-   [Riferimento API di BroadNet Inference, token di ragionamento e in cache (consultato il 2026-11-14) (in inglese)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-cached-input-tokens-explained&utm_content=sources)
-   [Prezzi di BroadNet Inference in formato leggibile dalle macchine (pricing.json, consultati il 2026-11-14) (in inglese)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-cached-input-tokens-explained&utm_content=sources)
-   [Guida di OpenAI al prompt caching (consultata il 2026-11-14)](https://developers.openai.com/api/docs/guides/prompt-caching)
-   [Documentazione di Anthropic sul prompt caching (consultata il 2026-11-14)](https://platform.claude.com/docs/en/build-with-claude/prompt-caching)
-   [Documentazione API di DeepSeek, context caching (consultata il 2026-11-14)](https://api-docs.deepseek.com/guides/kv_cache)
