你看到各家大模型厂商都在说：「开启 Prompt Caching，缓存命中的输入只要标准价的 10%」。算下来能省 70%–90% 的输入成本，听起来是白送的省钱神器。于是你兴冲冲开启缓存，等着账单跳水。
但 2026 年一堆一线团队实测下来发现：缓存折扣这块「饼」，远没有宣传得那么香。更隐蔽的是——你省下的那部分，很可能根本没进你的口袋，而是被中转站悄悄吞了。
本文把这块被忽视的钱袋子黑洞，一层层拆开。
第一层陷阱：缓存「写入」本身要溢价，不是纯折扣
缓存折扣的真相是「读便宜、写贵」。命中缓存的读取确实便宜（OpenAI 90% off、Anthropic 仅收标准 input 的 10%、Google 同样约 10%），但把内容写进缓存的那一次，是要加价的。
2026 年 7 月 OpenAI GPT-5.6 的口径很典型：cache write 按标准输入价的 1.25× 计费，cache read 才是 90% off。也就是说，缓存只在「同一段内容被反复读取 2 次以上」时才回本；只命中 1 次，你反而多花了那 25% 的写入溢价。
这跟很多人「开缓存就省钱」的直觉恰恰相反：低频、一次性、或每次提示词都不同的调用，开缓存是亏的。
第二层陷阱：TTL 过期 + 前缀一改，缓存就「静默失效」
缓存不是永久的。各家 TTL 在 5–30 分钟之间（GPT-5.6 是 30 分钟、早期版本仅 5 分钟）。你的调用只要隔了这么久再来一次，缓存就 miss，整段按全价重算。
更阴的是「静默失效」：缓存依赖提示词前缀稳定。你把 system prompt、schema、示例放在开头，后面拼变量——这是对的；但一旦你为了「优化」重排了提示词顺序，或者把可变内容挪到了前缀位置，之前命中的所有 token 会整体回退到全价，而你的代码不会报任何错，账单却悄悄涨了。
行业里把这叫 caching can fail quietly：你永远不知道自己哪次「以为命中了」其实没命中。
第三层陷阱：最狠的，是中转站把折扣「吞了」
前两层是厂商机制本身的坑，你至少还能在明细里看到。第三层才是最该警惕的：很多中转站按固定倍率收你「全价 input」，上游给你的缓存命中折扣，根本没还给你。
为什么能吞？因为绝大多数中转站的账单只给你一个总数：「总 token × 倍率」。它不区分哪些 token 命中了缓存、哪些是全价。上游方舟/OpenAI 已经把缓存折扣体现在实际计费 token 里了，但中转站照旧按「未命中」的全价倍率收你——中间的差价，落在了中转站的口袋里，你完全无从发现。
这跟「模型偷换」「重试税」是同一类钱袋子黑洞：你看不见，所以它发生了。
怎么把这块黑洞堵上：要的就是「透明度」
把上面三层的坑翻译成选型标准，其实就是一张清单：
- 能不能核对真实 token 构成：每次调用，input/output 各多少、是否命中缓存，能不能逐笔看清楚？看不清，就给了「暗吃差价」的空间。
- 命中缓存是否如实少收：上游省了，你的账单是不是按比例降了，而不是「表面折扣、实际全价」？
- 调价是否提前公告、不静默变更：缓存政策、倍率一动，你是不是第一时间被告知，而不是某天账单莫名变厚？
这正是中转站该给你、却大多没给的「证据链」。
我们的做法：按实际计费 token 收，命中缓存就少收，不暗吃差价
Yady API 的计费是按方舟官方实际计费 token × 固定 1.27×。关键点在这里：上游命中缓存省下的 token，就按比例少收——不存在「你命中缓存、我还按全价收」的暗吃差价。倍率固定，上游峰谷差价我们承担，你每一笔成本可预期。
配套三样东西，把透明度钉死：
- 逐笔明细可溯源（request_id 级）：真实模型名/版本、input/output token 构成，你能核对、能质疑，而不是对着一个笼统总数；
- 按密钥额度上限 + 环境隔离：dev/prod 不混账，单租户失控有硬顶；
- 上游调价提前公告、不静默变更：缓存政策或倍率一动，提前告诉你，绝不偷偷改。
竞品（TeamoRouter / 硅基流动 / OpenRouter）只跟你比「多少折、多少模型、多好接」，从不讲「缓存折扣透不透明、命中了有没有如实还给你」。把「算得清、看得透」做成默认能力，是我们在钱袋子这条线上和它们最根本的分野。
给开发者的四步自查
- 先算「命中次数」再开缓存：同一段前缀每天被读 2 次以上才值得开；低频接口关掉缓存反而更省。
- 锁死提示词前缀：system prompt / schema / 示例永远放最前且不变，变量只拼在后面，避免缓存静默失效。
- 让中转站给你逐笔明细：确保每次调用的 input/output 构成、是否命中缓存可核对、可按 key 隔离。
- 把倍率与调价政策问清：上游是否随缓存政策/峰谷静默调价？固定倍率 + 调价提前公告，才让你预算与合规都可预期。
你省的不该只是一句「缓存打 9 折」的口号，而是一份看得清、对得上的账单。把缓存这块黑洞自己堵住，再来谈「好接」和「便宜」——这才是能长期跑下去的 AI 成本账。
本站 Yady API 默认提供 request_id 级逐笔明细（可溯源真实模型名/版本/input/output token 构成）、按密钥额度上限 + 环境隔离、固定 1.27× 透明倍率（按方舟实际计费 token 计、命中缓存如实少收、不暗吃差价）、上游方舟官方授权链路境内不留存不训练。我们不代你做缓存优化、不承诺替你承担输出端责任；方舟当前仅激活 1 个模型（广度短板，不掩饰）；不承诺全网最低价；上游调价提前公告不静默变更。详见 -> https://yczc.top/blog/cache-discount-trap-2026.html
