Claude prompt cachingには、ひとつの美しい数字と、ひとつの踏み抜きやすい罠がある。キャッシュ読み取りは通常入力の0.1倍で済む一方、キャッシュ書き込みは通常入力より高い。Anthropicの現行ドキュメントでは、5分キャッシュの書き込みは入力価格の1.25倍、1時間書き込みは2倍、キャッシュヒットは稼働中のClaudeモデル全体で0.1倍とされている（Anthropic prompt caching docs）。
つまりキャッシュはレイテンシ機能であるだけでなく、価格設計の機能でもある。アプリが長いシステムプロンプト、ツールスキーマ、サンプル集、ポリシー束、取得済みドキュメント、複数ターンの状態を繰り返すなら、出力トークンを測るのと同じように、キャッシュの書き込みと読み取りも測るべきだ。
今日、2026年6月14日時点でひとつ注意点がある。Anthropicは6月9日にClaude Fable 5を発表したが、その後6月12日の更新で、Fable 5とMythos 5へのアクセスは復旧作業中のため一時停止中だと告知した（Anthropic）。OneHopもanthropic/claude-fable-5を掲載しており、prompt cache対応と書いているが、モデルページでは現在一時的に利用不可と表示している（OneHop）。統合は今のうちに作っておき、モデルIDは設定可能にして、アクセスが戻ったら切り替えればいい。
開発者が本当に必要なキャッシュ計算
Anthropicのprompt cacheはプロンプトのプレフィックスを保存する。再利用される部分は完全に同一でなければならない。ツール、システム内容、メッセージの順に考慮され、cache_controlが付いたブロックまでがキャッシュ対象になる（Anthropic prompt caching docs）。
役に立つ価格モデルはシンプルだ。再利用するプレフィックスが100,000入力トークンだとする。
| Cache mode | Write cost multiplier | Read cost multiplier | Break-even intuition |
|---|---|---|---|
| キャッシュなし | 毎リクエスト1.0倍 | なし | 毎回入力を満額で払う |
| 5分キャッシュ | 初回のみ1.25倍 | ヒットごとに0.1倍 | 最初の再利用で元が取れる |
| 1時間キャッシュ | 初回のみ2.0倍 | ヒットごとに0.1倍 | さらに再利用するか、長いアイドル時間をまたぐ必要がある |
Claude Fable 5について、Anthropicは発表記事で入力100万トークンあたり10ドル、出力100万トークンあたり50ドルと記載している。またprompt caching docsでは、Fable 5のキャッシュ価格として、5分書き込みが12.50ドル/M、1時間書き込みが20ドル/M、キャッシュヒットが1ドル/Mとされている（Anthropic、prompt caching docs）。
Anthropicの定価で見ると、その100kトークンのプレフィックスにかかる費用はこうなる。
- 通常入力:
$1.00 - 5分書き込み:
$1.25 - 1時間書き込み:
$2.00 - キャッシュ読み取り:
$0.10
つまり同じ100kトークンのプレフィックスをTTL内に2回使うなら、5分キャッシュは$1.25 + $0.10 = $1.35で済む。キャッシュなしなら$2.00だ。1時間キャッシュは2回利用で$2.10なので2呼び出しでは負けるが、3回目があるか、長めの停止後にコールド再書き込みを避けられるなら勝つ。
本番で私が使っているルールはこうだ。ホットループはデフォルトで5分。人間が途中で止まる、エージェントがツール待ちをする、ワークフローが数分後に再開するなら1時間を使う。
キャッシュを有効にする2つの方法
Anthropicはいま2つの方法を案内している。最短ルートは自動キャッシュだ。トップレベルにcache_controlフィールドを追加すると、会話が伸びるにつれてClaudeがブレークポイントを前へ進める。より制御したいなら明示的なブレークポイントを使う。安定したプレフィックスの最後のコンテンツブロックにcache_controlを置く（Anthropic prompt caching docs）。
自動キャッシュはチャット履歴やエージェント状態に向いている。
import os
from anthropic import Anthropic
client = Anthropic(
api_key=os.environ["ONEHOP_API_KEY"],
base_url=os.getenv("ANTHROPIC_BASE_URL", "https://api.onehop.ai/v1"),
)
message = client.messages.create(
model=os.getenv("CLAUDE_MODEL", "anthropic/claude-fable-5"),
max_tokens=700,
cache_control={"type": "ephemeral"},
system="You are a senior backend engineer. Be concise and specific.",
messages=[
{"role": "user", "content": "My app uses FastAPI, Postgres, and Redis."},
{"role": "assistant", "content": "Got it. What do you want to change?"},
{"role": "user", "content": "Design a cache key strategy for user dashboards."},
],
)
print(message.content[0].text)
print(message.usage.model_dump())これがOneHopへの変換ルートだ。Anthropic形式のリクエストはそのままにして、base URLを設定可能にし、https://api.onehop.ai/v1へ向ける。OneHopのモデルページでもanthropic/claude-fable-5がモデルIDとして示されており、新規ユーザーはカード不要で10ドル分の無料クレジットを受け取れると書かれている（OneHop）。短い道で行くなら、OneHopのClaude Fable 5を開いて、10ドル無料で始めるといい。
明示的キャッシュは、プレフィックスが安定していて、ユーザーメッセージが毎リクエスト変わる場合に向いている。変化する部分の手前にブレークポイントを置く。
from anthropic import Anthropic
import os
client = Anthropic(
api_key=os.environ["ONEHOP_API_KEY"],
base_url="https://api.onehop.ai/v1",
)
response = client.messages.create(
model="anthropic/claude-fable-5",
max_tokens=500,
system=[
{
"type": "text",
"text": open("system_prompt.md").read(),
"cache_control": {"type": "ephemeral"},
}
],
messages=[
{"role": "user", "content": "Review this migration plan for race conditions."}
],
)
print(response.usage.model_dump())
1時間TTLを使うTypeScript版
高価な静的コンテキストがあり、現実的にアイドル時間が発生するアプリでは1時間キャッシュを使う。たとえば、CI待ちのコードレビューエージェント、人間が途中で止まるカスタマーサポート副操縦士、法務リサーチのセッション、ツール処理に数分かかる複数ステップのデータ分析などだ。
Anthropicのドキュメントでは、1時間TTLは{"type":"ephemeral","ttl":"1h"}として示されており、自動キャッシュはデフォルトで5分を使うと書かれている（Anthropic prompt caching docs）。
import Anthropic from "@anthropic-ai/sdk";
import fs from "node:fs";
const client = new Anthropic({
apiKey: process.env.ONEHOP_API_KEY!,
baseURL: process.env.ANTHROPIC_BASE_URL ?? "https://api.onehop.ai/v1",
});
const policyPack = fs.readFileSync("policy-pack.md", "utf8");
const msg = await client.messages.create({
model: process.env.CLAUDE_MODEL ?? "anthropic/claude-fable-5",
max_tokens: 800,
system: [
{
type: "text",
text: policyPack,
cache_control: { type: "ephemeral", ttl: "1h" },
},
],
messages: [
{
role: "user",
content: "Apply the policy pack to this refund request: customer used 3 of 10 seats.",
},
],
});
console.log(msg.content);
console.log(msg.usage);大事なのは退屈な部分だ。モデルとbase URLをコードの奥深くに隠さない。どちらも環境変数に置く。現時点でFable 5の可用性は動いている。ビジネスロジックを書き換えずに、別の稼働中Claudeモデルへフォールバックできる統合にしておくべきだ。
usageで監視すべきもの
Prompt cachingはusageフィールドを見ない限り見えない。Anthropicは、キャッシュを検証するにはcache_creation_input_tokensやcache_read_input_tokensなどのフィールドを確認せよとしている。両方がゼロなら、プロンプトはキャッシュされていない。よくある原因は、そのモデルのキャッシュ可能な最小長に届いていないことだ（Anthropic prompt caching docs）。
リクエストごとにこれをログに出す。
const usage = msg.usage;
console.log({
input: usage.input_tokens,
output: usage.output_tokens,
cacheCreate: usage.cache_creation_input_tokens,
cacheRead: usage.cache_read_input_tokens,
});新しいusageオブジェクトでは、Anthropicのドキュメント上、キャッシュ作成がephemeral_5m_input_tokensやephemeral_1h_input_tokensのようなTTL別バケットに分かれている例もある。最初はusageオブジェクト全体を保存する。どのゲートウェイとSDKバージョンで動いているかが正確に分かってから正規化すればいい。
良いダッシュボードは4つの問いに答える。
- 何トークンがキャッシュへ書き込まれているか？
- 何トークンがキャッシュから読み取られているか？
- ルート別のキャッシュ読み取り/書き込み比率はどうか？
- アイドル時間後に大きなコールド書き込みを生んでいるプロンプトはどれか？
cache_creation_input_tokensが高く、cache_read_input_tokensがほぼゼロのままなら、ブレークポイントが変化する内容の後ろにある可能性が高い。もっと前に動かす。
5分か1時間か：ユーザー行動で選ぶ
密なリクエストループには5分キャッシュを使う。20秒ごとにツールを呼ぶコーディングエージェント、ユーザーがすぐ追撃メッセージを送るチャットアプリ、似た分類ジョブのバッチなどはそこから始めるべきだ。Anthropicのドキュメントによれば、書き込みプレミアムは1.25倍にすぎず、読み取りのたびにキャッシュ寿命は無料で更新される（Anthropic prompt caching docs）。
高価なプレフィックスが5分以上経ってから再利用されそうなら、1時間キャッシュを使う。典型例は人間参加型のワークフローだ。モデルが外部システムへ作業を送り、ブラウザ待ちをし、CIをポーリングし、承認待ちで止まるような長時間エージェントも同じだ。
小さなプロンプトはキャッシュしない。Anthropicはモデルとプラットフォーム別にキャッシュ可能な最小プロンプト長を記載している。Fable 5では、Claude APIの最小値は512トークンとされている一方、Bedrockでは一部モデルで異なる最小値がある（Anthropic prompt caching docs）。それより短いプロンプトは、単にキャッシュなしで処理されることがある。
実用的なチェックリストはこうだ。
- 安定した内容を先に置く: ツール、システムプロンプト、例、参照ドキュメント。
- 変化するデータはキャッシュ済みプレフィックスの後ろに置く: タイムスタンプ、リクエストID、ユーザーテキスト。
- 会話では自動キャッシュから始める。
- サフィックスが毎回変わるなら明示的ブレークポイントへ切り替える。
- 1時間TTLは、アイドル時間が2倍の書き込みを正当化する場合だけ使う。
- 勝ったと言う前にusageフィールドをログに出す。
OneHop経由でつなぎ、それから測る
いちばんきれいな統合は、エンドポイントを1行変え、モデル選択を環境変数化することだ。
export ONEHOP_API_KEY="..."
export ANTHROPIC_BASE_URL="https://api.onehop.ai/v1"
export CLAUDE_MODEL="anthropic/claude-fable-5"あとはAnthropic Messagesのコードを維持し、cache_controlを追加する。
OneHopのFable 5ページは現在、公式定価より低い価格、カード不要の10ドル初回クレジット、このモデル向けのAnthropic Messagesルートを打ち出している（OneHop）。ただし6月12日のAnthropic更新時点でFable 5へのアクセスは一時停止中なので、モデルフォールバックは後付けではなくロールアウト計画の一部にしておくべきだ。
リターンは単純だ。アプリが大きなプレフィックスを繰り返すなら、0.1倍のキャッシュ読み取りによって、プロンプトエンジニアリングはコストエンジニアリングになる。まずは5分キャッシュから始める。ログが、停止後のコールド再書き込みを示しているワークフローだけ1時間キャッシュへ移す。Claude Fable 5の提供が戻ったときに短い道で試したいなら、OneHopのClaude Fable 5を使い、10ドル無料で始めるといい。
