---
title: "O que são tokens de entrada em cache? Prompt caching"
description: "Tokens em cache são tokens do prompt que o provedor reaproveita de uma requisição recente e cobra mais barato. Como o cache de prefixo funciona e como medi-lo."
url: https://broadrouter.com/pt/glossary/cached-input-tokens/
lang: pt-BR
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduzido do inglês com ajuda de IA. [Leia o original em inglês](https://broadrouter.com/glossary/cached-input-tokens/) (atualizado em 2026-11-14).

# Tokens de entrada em cache (cached input)

Atualizado em 2026-11-14

Tokens de entrada em cache são tokens do prompt que um provedor de LLM processou há pouco e pode reaproveitar de um cache em vez de calcular de novo, normalmente um prefixo repetido, como um system prompt ou um documento. Os provedores os cobram com uma tarifa menor que a dos tokens de entrada novos.

Também chamado de: tokens em cache, entrada em cache, cache de prompt, prompt caching, acertos de cache, cached input tokens, cache hits, cached tokens, context caching, cache read tokens

Boa parte do que um agente envia é igual em todos os turnos. O prompt caching permite que o provedor deixe de recalcular essa parte repetida e a cobre mais barato.

## Como funciona

Quando um modelo lê um prompt, ele calcula um estado interno para cada token. O provedor pode guardar esse estado por pouco tempo. Se a próxima requisição começar com os mesmos tokens, o provedor lê o estado guardado em vez de recalculá-lo. Esses tokens são os **tokens de entrada em cache**.

Os caches comparam a partir do início do prompt. O guia da OpenAI diz que o reaproveitamento “requires the entire rendered prefix to match” (tradução: exige que todo o prefixo renderizado seja igual). Um único caractere alterado no começo do prompt transforma tudo o que vem depois em entrada nova.

Os provedores variam nos detalhes:

-   A **OpenAI** ativa o cache por padrão nos modelos suportados e informa os acertos no bloco usage. Ela documenta um prefixo mínimo de 1.024 tokens nos modelos mais novos.
-   A **Anthropic** cobra leituras de cache a 0,1 vez o preço base de entrada na maioria dos modelos, cobra as gravações em cache com um acréscimo e mantém as entradas por 5 minutos por padrão.

No formato Chat Completions, os acertos aparecem como `usage.prompt_tokens_details.cached_tokens`. A taxa de cache é esse número dividido por `prompt_tokens`.

## Por que importa

Com prompts longos e repetidos, a taxa de cache decide a conta. Um agente que reenvia um repositório de 200.000 tokens a cada turno paga o preço cheio de entrada uma vez e o preço de cache depois disso, desde que o prefixo continue estável. O cache também pode reduzir o tempo até o primeiro token em prompts longos, porque há menos trabalho antes de a geração começar.

Para aumentar a taxa, coloque o conteúdo estável primeiro (system prompt, definições de ferramentas, documentos) e o conteúdo que muda por último. Deixe timestamps e IDs de requisição fora do começo do prompt e mantenha as listas de ferramentas em uma ordem fixa. A parcela de preços publicados pelos provedores que inclui um preço de entrada em cache, e o desconto típico, estão no [índice de preços de APIs de LLM](https://broadrouter.com/data/llm-api-price-index/).

## Na BroadNet Inference

A BroadNet publica preços de entrada em cache para três modelos de chat, por 1M de tokens:

| Modelo | Entrada nova | Entrada em cache |
| --- | --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/pt/models/deepseek-v4.1-flash/) | $0.175 | $0.0055 |
| [GLM 5.3](https://broadrouter.com/pt/models/glm-5.3/) | $0.78 | $0.173 |
| [Qwen3.8 27B](https://broadrouter.com/pt/models/qwen3.8-27b/) | $0.175 | $0.0435 |

Os tokens em cache são cobrados automaticamente pelo preço menor, e `prompt_tokens_details.cached_tokens` os mostra quando o modelo os informa. Em um stream, peça o usage com `stream_options`, como mostra o [guia de streaming](https://broadrouter.com/pt/guides/streaming-chat-completions/).

Em um [plano de preço fixo](https://broadrouter.com/pt/glossary/flat-rate-llm-plan/) não há medidor de tokens, então a taxa de cache não muda a conta. O passo a passo completo, com código para registrar a sua taxa, está em [tokens de entrada em cache explicados](https://broadrouter.com/pt/blog/cached-input-tokens-explained/).

## Perguntas frequentes

### Tokens em cache ainda contam para a janela de contexto?

Sim. O cache muda quanto você paga por esses tokens, não se eles contam. A documentação da Anthropic diz isso de forma direta.

### Quanto tempo dura um cache?

Depende do provedor. Na Anthropic, a duração padrão é de 5 minutos, renovada a cada uso do cache, com uma opção de 1 hora. Outros provedores nem sempre publicam um tempo fixo, então meça a sua taxa de acertos.

### O cache muda a resposta?

Não. O cache guarda o trabalho feito sobre o prompt, não a resposta. O modelo continua gerando uma resposta nova.

## Veja também

-   [Tokens de entrada e de saída](https://broadrouter.com/pt/glossary/input-and-output-tokens/) (termo)
-   [Token](https://broadrouter.com/pt/glossary/token/) (termo)
-   [Janela de contexto (context window)](https://broadrouter.com/pt/glossary/context-window/) (termo)
-   [Pagamento por uso (pay-as-you-go)](https://broadrouter.com/pt/glossary/pay-as-you-go/) (termo)
-   [KV cache (cache de chave-valor)](https://broadrouter.com/pt/glossary/kv-cache/) (termo)
-   [Prompt de sistema (system prompt)](https://broadrouter.com/pt/glossary/system-prompt/) (termo)
-   [Streaming de chat completions e conexões que caem](https://broadrouter.com/pt/guides/streaming-chat-completions/) (guia)
-   [Tokens de entrada em cache: como reduzir a conta de API de LLM](https://broadrouter.com/pt/blog/cached-input-tokens-explained/) (artigo)
-   [Quando vale a pena uma janela de contexto de 1M de tokens (ou não)](https://broadrouter.com/pt/blog/million-token-context-window-guide/) (artigo)

Teste com a sua carga de trabalho real. Contas novas começam com US$ 5 de crédito para Gemma e transcrição. DeepSeek, GLM e Qwen3.8 exigem uma recarga.

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

**Fontes**

-   [OpenAI, guia de prompt caching](https://developers.openai.com/api/docs/guides/prompt-caching)
-   [Anthropic, prompt caching (multiplicadores de preço e duração do cache)](https://platform.claude.com/docs/en/build-with-claude/prompt-caching)
-   [Referência da API da BroadNet Inference, tokens de raciocínio e em cache (em inglês)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-glossary-cached-input-tokens&utm_content=sources)
-   [Preços da BroadNet Inference em formato legível por máquina (pricing.json) (em inglês)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-glossary-cached-input-tokens&utm_content=sources)
