Prompt caching

Los tokens en caché cuestan el 10 por ciento del precio normal. Lance Martin, developer advocate en Anthropic, explica por qué esto importa a partir de una propiedad de la API de mensajes de Claude: es sin estado. Un agente que itera sobre acciones vuelve a empaquetar su historial, las descripciones de herramientas y las instrucciones en cada turno, de modo que sin caché paga el precio completo por un contexto que ya ha pagado antes. El caché calcula el prefill una sola vez y lo reutiliza cuando un prefijo coincide exactamente, carácter por carácter.

El equipo de «Claude Code» en Anthropic trata esto como arquitectura y no como optimización: un cambio en cualquier punto del prefijo invalida todo lo que viene después. Su system prompt ejecuta primero el contenido estático y las herramientas, luego CLAUDE.MD, después el contexto de sesión y finalmente los mensajes. Una marca de tiempo, un orden no determinista de herramientas, o una sola herramienta añadida, rompe la cadena. Cambiar de modelo a mitad de sesión también queda descartado, de ahí los subagentes con un mensaje de traspaso. El modo plan añade EnterPlanMode y ExitPlanMode como herramientas adicionales en lugar de sustituirlas por versiones de solo lectura, y la búsqueda de herramientas mantiene las herramientas MCP no utilizadas como stubs con defer_loading: true.

Peter Walker, quien dirige analítica en OpenRouter, fecha el momento en que los agentes se convirtieron en la mayor fuente de tokens el 6 de febrero de 2026 y sitúa la tasa de caché de los modelos recientes en 88 por ciento. «GPT-5.6» factura las escrituras en caché a 1,25 veces y mantiene las lecturas en menos 90 por ciento, en ciclos agénticos donde las lecturas superan a las escrituras en una proporción de aproximadamente 153 a 1. @peakji, de Manus, considera que la tasa de aciertos de caché es la métrica más importante para un agente de IA en producción; el equipo de «Claude Code» la vigila como si fuera el uptime, con alertas e incidentes declarados.