A
COSTE / COST
Lee la misma entrada por menos.
Ejemplo: una entrada con acierto cuesta el 10% de la normal
FIELD GUIDE · 2026.08
USO DE IAISSUE 07
ACIERTOS DE CACHÉ DE IA
GUÍA COMPLETA
Incluso con el mismo modelo, el coste y la velocidad pueden variar mucho.
La clave está encongelar el inicio de cada solicitud.
Entiéndelo en 30 segundos 8 min de lectura
REQUEST / 0042LIVE
01Definiciones de herramientasFIJO
02Instrucciones del sistemaFIJO
03Documentos de referenciaFIJO
CACHE BOUNDARY
04Pregunta actualCAMBIO
05Resultados recientesCAMBIO
Mantén intacto el inicio. Añade solo información nueva al final.
Precio de lectura de cachéEjemplo: 90%↓*
Mejora máxima del TTFT31%↓†
Principio clavePrefijo fijo, cola variable
* Ejemplo de tarifas oficiales de GPT-5.6, Claude y Gemini · † Máximo en un estudio de arXiv con 500 sesiones; algunas estrategias no mejoraron o fueron más lentas
01
PRINCIPIO / THE MECHANISM
La IA no recuerda la respuesta:
reutiliza el cálculo del mismo prefijo.
La caché de prompts y contexto no recuerda la respuesta. Durante el prefill, el proveedor reutiliza el cálculo del prefijo coincidente. Si sigue válido, solo lee la cola nueva.
01Prefill
Lee toda la entrada y genera el cálculo interno.
02Reutilización de caché
Evita volver a calcular el mismo prefijo.
03Decodificación
Genera la respuesta token a token.
Clave
La caché reduce principalmente el prefill de entrada. El coste de salida y la velocidad de generación son independientes.
INTERACTIVE LAB 01
Rompe la caché tú mismo.
La parte reutilizable depende de dónde hagas el cambio.
SIMULATIONBuen flujo: 3/5
01Definiciones de herramientasHIT
02Instrucciones del sistemaHIT
03Documentos de referenciaHIT
04Pregunta actualNEW
05Resultados recientesNEW
Los tres primeros bloques se reutilizan sin cambios.
En una caché de prefijos típica, se reduce la parte reutilizable posterior al cambio.
02
IMPACTO / WHY IT MATTERS
Coste, velocidad y capacidad. Un acierto de caché cambia las tres.
Los requisitos y beneficios varían según proveedor y modelo. El 90% es una condición representativa del precio de entrada, no el ahorro de toda la solicitud.
90%↓
B
VELOCIDAD / SPEED
Evita un prefill largo y recibe antes el primer token.
El efecto depende de la longitud del prefijo y la infraestructura
C
CAPACIDAD / THROUGHPUT
Haz más trabajo con el mismo presupuesto y tiempo.
Claude excluye en muchos modelos los tokens de caché del cálculo de ITPM
INTERACTIVE LAB 02
La tasa de aciertos solo cuenta la mitad de la historia.
Este modelo fija la lectura de caché en el 10% de una entrada normal. Excluye escritura, almacenamiento (TTL) y salida.
RESULT / PER TURN
56K
Carga efectiva por turno, expresada en tokens a precio completo
Índice de coste de entrada28 / 100
Ahorro estimado72%
98% HIT900K × 0.118 = 106.2K
VS
70% HIT50K × 0.37 = 18.5K
Incluso con más aciertos, un contexto demasiado grande supone unas 5,7 veces más carga.
CASE
Nuestros registros de uso de Orca
ORCA HQ · 2026.07.20—07.27 · LOCAL USAGE LOG
En nuestros registros encontramos los patrones que hacen que la caché cobre vida.
Analizamos 207 sesiones de HQ cuyas rutas pudimos verificar en los registros locales de Orca. Los tokens son la suma de los campos usage; no estimamos costes sin registros de facturación.
- Periodo observadoMEDIDO
- 8 días 20–27 de julio
- Sesiones de OrcaMEDIDO
- 207 rutas de HQ verificadas
- Respuestas registradasMEDIDO
- 12.554 con usage
- Modelos utilizadosMEDIDO
- 8 Claude, GLM y DeepSeek
WHAT THE LOG SHOWS
Proporción de lecturas de caché sobre todos los tokens de entrada
De 2.201 mil M de tokens, 2.161 mil M fueron cache read, 38,82 M cache write y 799 mil entrada nueva.
MEDIDOcache read ÷ (read + write + fresh input)
Lectura de cachéMEDIDO
2.161 mil M98.20%Escritura de cachéMEDIDO
38,82 M1.76%Entrada nuevaMEDIDO
799 mil0.04%Promedio por turno172 mil cache-read tokens
alta reutilización, pero contexto absoluto grande
THREE REAL RUNS
En ejecuciones de una hora, hubo lecturas de caché en cientos de respuestas.
Las tres fueron pruebas de Orca con Claude Opus 5. Los totales están redondeados.
01 · Revisión operativaOPSREV3
615turnos
- Duración
- 57 min
- Lectura de caché
- 137,1 M
- Escritura de caché
- 298 mil
- Proporción de lectura
- 99.78%
Observación: las lecturas fueron unas 460 veces mayores que las escrituras.
02 · Revisión de escenariosSCENAREV
486turnos
- Duración
- 49 min
- Lectura de caché
- 110,2 M
- Escritura de caché
- 292 mil
- Proporción de lectura
- 99.73%
Observación: se reutilizó la mayoría de los tokens de entrada.
03 · Revisión de resumen extensoLONGSUM4
425turnos
- Duración
- 48 min
- Lectura de caché
- 100,5 M
- Escritura de caché
- 264 mil
- Proporción de lectura
- 99.74%
Observación: el trabajo extenso también mostró alta reutilización.
Lo que comprobamos
Las tres ejecuciones continuaron tareas con el mismo objetivo en una sola sesión y durante poco tiempo.
Nota: es una correlación fuerte, no una clasificación directa de la causa de cada escritura.03
PRÁCTICA / THE PLAYBOOK
Congela el inicio. Cambia solo la cola.
Optimizar la caché depende de cómo inicias, continúas y ordenas una sesión.
Decide qué quedará fijo antes de empezar.
- Organiza reglas duraderas y referencias
- Define modelo, MCP y herramientas
- Una tarea por hilo
Añade solo lo que cambie durante el trabajo.
- Pregunta y resultados recientes al final
- Mueve imágenes y registros a archivos
- Continúa la misma tarea cuando sea posible
Cuando pese demasiado, ordénalo.
- Comprime el contexto de la misma tarea
- Abre otro hilo cuando cambie la tarea
- Revisa aciertos y tokens absolutos
Chatbot general / PRESCRIPTION
Un hilo por tema; materiales una vez
- 01
Organiza descripción y materiales al principio.
- 02
Continúa la misma tarea en el mismo hilo.
- 03
Indica solo los cambios de documentos largos.
CACHE & CONTEXT HABITS
Estos hábitos perjudican la reutilización y la eficiencia del contexto.
- ×Valores dinámicos en instrucciones del sistema
- ×Cambiar a menudo herramientas u orden
- ×Editar y volver a pegar el mismo documento
- ×Acumular imágenes y registros brutos
- ×Mezclar tareas distintas en un hilo
WHAT TO MEASURE
Observa proporciones y cantidades absolutas.
01Lectura / escritura de caché
¿Hay aciertos de verdad?
02Entrada total por turno
¿Es demasiado pesada la sesión?
03Coste por tarea
¿Cuánto cuesta cada resultado?
04TTFT
¿Llega antes el primer token?
La línea base y la tendencia de tu carga importan más que una tasa ideal universal.
04
OPINIÓN DE GPT / A MODEL'S TAKE
Optimizar la cachéno es un truco de prompt;es diseñar la arquitectura de información.
La tasa de aciertos es útil, pero el 100% no es el objetivo. Reutiliza los hechos estables y lee de nuevo solo lo necesario.
OPTIMIZE IN THIS ORDER
- 01Eliminar contexto innecesario
- 02Fijar información estable
- 03Separar hilos por tarea
- 04Medir la tasa de aciertos
Si la caché entra en conflicto con la actualidad o precisión, prioriza la precisión.
05
Revisión de 30 segundos
YOUR NEXT SESSION
Antes de empezar, comprueba solo seis cosas.
0 / 6
Cada punto comprobado aligera la sesión.
ONE LINE TO REMEMBER
Buen uso de la caché =
estabilidad del prefijo × control del contexto × ritmo de trabajo
¿Cómo se calcularon las cifras?
Ahorro estimado = tasa de aciertos × (1 − precio de lectura / precio normal). Al 10% y con 80% de aciertos, el coste de entrada baja cerca del 72%.
¿La caché funciona igual en toda IA?
No. TTL, longitud mínima, descuentos y campos usage varían según proveedor y modelo.
¿El mismo chat garantiza un acierto?
No. Depende de la política del proveedor, TTL y gestión interna del contexto.
Fuentes primarias para la verificación
Contrastamos la documentación oficial y el estudio original a 13 de agosto de 2026. Las cifras de Orca se recalcularon desde los registros usage locales.