После снижения стоимости кэширования Claude Fable 5.1 почему Agent не подешевел? Проверка 2026

Эта схема предназначена для разработчиков, которые перенесли Claude API на Claude Fable 5.1, но по-прежнему видят частое создание кэша. Она также подходит платформенным инженерам, которым нужно разделить расходы модели, инструментов и удалённого Mac, а также FinOps-специалистам и техническим руководителям, принимающим решение по реальным журналам заданий.

Последняя проверка выполнена 3 сентября 2026 года; фактические правила сверены с модельной страницей Claude Fable, документацией prompt caching и журналом обновлений Claude Platform. Перед изменением маршрута перепроверьте актуальную версию API и условия тарификации.

1План проверки: от симптома к решению

Не пытайтесь оценивать миграцию по одной строке месячного счёта. В течение этой недели действуйте по этапам:

1. В первый день сохраните исходные ответы API с полями usage, идентификатором задания, версией модели и временем каждого запроса.
2. На второй день сравните соседние запросы и найдите изменения до точки кэширования: временные метки, статусы, переменные пользователя и сведения об очереди.
3. На третий день проверьте список инструментов, их порядок, схемы, tool_choice, параллельные вызовы, изображения и параметры рассуждения.
4. На четвёртый день сопоставьте реальные интервалы между запросами с установленным TTL.
5. На пятый день повторите одно и то же задание в неизменной среде и сравните не только чтение кэша, но и повторы, вывод, инструменты и занятость Mac.

Если после этого чтение кэша стало стабильным, а стоимость завершённого задания снизилась, изменение можно распространять на однотипные процессы. Если попадания нормальны, но итоговый расход не меняется, переключайтесь на анализ вывода, повторных попыток и времени исполнения.

2Стоимость кэширования Claude Fable 5.1 против полной себестоимости Agent

Снижение стоимости чтения кэшированного контекста не означает автоматического снижения расходов всей задачи. Один запуск AI Agent может включать обычные входные токены, создание кэша, чтение кэша, несколько ответов модели, вызовы внешних инструментов, восстановление после ошибки и длительное выполнение на удалённом Mac.

В официальном описании prompt caching и полей usage обычные входные токены, создание кэшируемого контекста и чтение существующего контекста рассматриваются раздельно. Поэтому общий объём входа нельзя напрямую умножать на базовую ставку и использовать как доказательство отсутствия экономии.

У проблемы есть несколько независимых ограничений:

• Нестабильный префикс. Даже небольшое изменение в начале кэшируемой части делает последующий контекст новым для механизма сопоставления.
• Разные параметры запроса. Текст системной инструкции может оставаться тем же, но изменившийся список инструментов или режим их вызова способен нарушить повторное использование.
• Несовпадение TTL с ритмом задания. Задание с очередью, ручным согласованием или длительной паузой может вернуться к контексту уже после истечения времени жизни.
• Ошибочная агрегация. Панель мониторинга может объединить создание, чтение и обычный вход в один показатель либо смешать несколько моделей и рабочих пространств.
• Расходы вне модели. Длинный вывод, неудачные повторы, внешние API, браузер, Shell, сборка проекта и занятость удалённого Mac не исчезают после включения кэширования.

Именно поэтому решение о возврате к прежней модели следует принимать только после проверки всей цепочки, а не по сравнению двух итоговых счетов без request-level детализации.

3Динамический контекст против стабильного префикса

Первый наблюдаемый симптом — почти в каждом запросе появляется cache_creation_input_tokens, тогда как cache_read_input_tokens отсутствует или остаётся небольшим. Такая картина обычно означает, что система снова записывает контекст вместо чтения уже созданного.

Проверьте, не расположены ли перед стабильной частью следующие данные:

• временная метка текущего шага;
• статус задания;
• идентификатор пользователя;
• номер элемента в очереди;
• промежуточный результат инструмента;
• одноразовый служебный токен;
• динамический маршрут или список разрешений.

Когда эти сведения находятся перед системными инструкциями, инструментами и общим контекстом проекта, меняется кэшируемый префикс. Два запроса могут выглядеть одинаково в интерфейсе, но фактически начинаться с разных последовательностей.

Исправление должно менять порядок блоков. Сначала разместите неизменяемые системные инструкции, стабильные определения инструментов и общие правила проекта. После них передавайте текущий статус, пользовательские переменные, результаты предыдущих операций и сведения об очереди. Не помещайте часто обновляемые события в общий слой, рассчитанный на повторное чтение несколькими шагами.

Для контрольной проверки сохраните исходный JSON каждого запроса. Минимальный набор полей:

• идентификатор задания;
• идентификатор запроса;
• версия модели;
• состав стабильного префикса;
• обычные входные токены;
• cache_creation_input_tokens;
• cache_read_input_tokens;
• выходные токены;
• время начала и окончания запроса.

Сравнение только по total input не подходит: оно не показывает, какая часть была записана, какая прочитана и какая обработана как обычный вход.

4Стабильные инструменты против динамической схемы

Второй симптом — в простых диалогах кэш читается, но после включения инструментов почти каждый шаг снова создаёт запись. В этом случае ищите различия не только в тексте, но и в структуре API-запроса.

Проверьте между соседними обращениями:

• состав инструментов;
• порядок элементов в списке;
• автоматически сгенерированную JSON Schema;
• описания обязательных и необязательных полей;
• значение tool_choice;
• настройку параллельных вызовов;
• наличие и состояние изображений;
• параметр effort;
• версию модели и рабочее пространство.

Список инструментов часто собирается программно: оркестратор добавляет функцию по текущему статусу, сортирует элементы или заново строит схему. Для человека результат выглядит тем же, но изменение порядка, описания или типа поля приводит к другой структуре. Условия, при которых кэш становится недействительным, перечислены в официальном разделе о сбросе кэша.

Вынесите в общий префикс только фиксированный набор инструментов, который действительно используется большинством задач. Редкие функции обнаруживайте отдельным шагом либо добавляйте после стабильной части. Автоматическую сортировку и генерацию схемы делайте детерминированными: одинаковые входные данные должны давать одинаковый порядок и одинаковое описание.

Отдельно сравните запросы с изображениями и без них. Изменение состава мультимодального контекста нельзя считать несущественным. То же относится к переключению параллельных инструментов и к скрытой смене параметра рассуждения: одинаковый системный промпт ещё не означает одинаковый кэшируемый запрос.

5Короткий TTL против длинной паузы

Если первый повторный запрос читает кэш, а следующий после очереди, ручного подтверждения или фоновой паузы снова создаёт его, вероятной причиной становится несоответствие TTL фактическому ритму Agent.

Разделите рабочие нагрузки на четыре типа:

1. плотный диалог, где следующий шаг запускается почти сразу;
2. последовательные задания с небольшой очередью;
3. фоновые процессы, возвращающиеся к контексту после заметной паузы;
4. задачи, приостановленные до ручного согласования.

Для первой группы короткий TTL может быть достаточен, если журнал подтверждает, что повторные обращения происходят внутри этого окна. Для фоновых процессов и ручного согласования более длинный TTL может оказаться оправданным, но только когда последующее чтение действительно происходит после паузы. Документация о жизненном цикле и TTL кэша описывает механизм, однако не заменяет анализ ваших интервалов.

Не назначайте один TTL всем агентам. Сначала выгрузите интервалы между запросами одного задания, затем определите, сколько запросов обычно происходит до истечения срока. Сопоставьте стоимость повторной записи, число последующих чтений и долю заданий, которые доходят до завершения. Фиксированная экономия для всех сценариев была бы недостоверной: результат зависит от размера стабильного префикса, темпа вызовов и количества шагов.

Актуальные условия записи и чтения сверяйте с таблицей тарификации prompt caching, поскольку эти параметры могут изменяться независимо от архитектуры вашего Agent.

6Правильный биллинг против объединённого показателя

Симптом неверного учёта — команда видит рост «входных токенов» и делает вывод, что кэш не работает, хотя API уже возвращает отдельные значения чтения. Обратная ситуация тоже возможна: агрегатор показывает снижение input, но итоговый счёт растёт из-за вывода и повторных вызовов.

В журнале отдельно храните:

• обычный входной контекст;
• токены создания кэша;
• токены чтения кэша;
• вывод модели;
• число вызовов инструментов;
• число повторов;
• длительность каждого шага;
• время занятости удалённого Mac.

Добавьте к этим полям идентификатор задания, модель, рабочее пространство и окружение. После этого сопоставьте собственные записи с полями организационного отчёта использования. Не объединяйте в один график разные модели или рабочие пространства: снижение одного маршрута может быть скрыто ростом другого.

Для повторной проверки сохраняйте исходный ответ API, а не только уже обработанную строку из системы мониторинга. Если агрегатор отбрасывает cache usage, восстановить доказательство задним числом будет невозможно.

7Модельные токены против инструментов и Mac

Когда cache_read_input_tokens стабильно присутствует, а полная задача не дешевеет, разделите расход на три слоя.

Слой модели — обычный вход, создание кэша, чтение кэша и вывод. Длинный ответ, повторная генерация патча или продолжение рассуждения после достижения результата способны сохранить высокий расход даже при хорошем чтении контекста.

Слой инструментов — внешние API, браузер, Shell, операции с файлами и сборка. Для него действуют отдельные правила, которые описаны в документации по тарификации инструментов. Не приписывайте расходы подключённого сервиса к стоимости входного контекста.

Слой инфраструктуры — загрузка проекта, ожидание процесса, сборка, тесты, ручное вмешательство и время занятости удалённого Mac. Если агент не завершает зависший шаг, машина остаётся занятой в период, когда модель уже не создаёт полезный результат.

Проверьте, почему появляются повторы: неверный формат ответа инструмента, отсутствие лимита попыток, повтор частично успешной операции, слишком широкая команда Shell или ошибка сборки. Установите условия остановки, ограничьте число повторов для каждого инструмента и сделайте операции идемпотентными. Если основной расход создаёт сборка или браузерный цикл, перенесите такие задачи в отдельный маршрут, вместо того чтобы бесконечно менять параметры кэша.

8Решение по регрессии

Для проверки выберите одно типовое задание со стабильным общим префиксом и зафиксируйте модель, инструменты, tool_choice, параллельный режим, TTL и среду исполнения. Не меняйте одновременно структуру промпта, лимит повторов и конфигурацию Mac — иначе результат нельзя будет интерпретировать.

Используйте следующий список приёмки:

• [ ] сохранены request-level usage до и после исправления;
• [ ] подтверждено уменьшение лишнего создания кэша;
• [ ] подтверждено повторное чтение стабильного префикса;
• [ ] одинаковы модель, инструменты, TTL и окружение;
• [ ] отдельно посчитаны обычные входные и выходные токены;
• [ ] отдельно посчитаны повторы и вызовы инструментов;
• [ ] записана длительность занятости удалённого Mac;
• [ ] сравнивается стоимость завершённого задания, а не одного запроса;
• [ ] проверена доля успешно завершённых задач.

Принимайте решение по условиям:

• Если чтение кэша стало стабильным, повторная запись сократилась, а полная стоимость задания снизилась, распространяйте исправление.
• Если чтение нормальное, но расход не изменился, оптимизируйте вывод, повторы и инструменты.
• Если чтение нестабильно, сначала исправьте префикс, схему инструментов и TTL, не меняя модель.
• Если токены оптимизированы, но Mac занят слишком долго, разделите очередь, сборку и восстановление после ошибок.
• Если требуется постоянная высокая нагрузка или физический интерфейс, сравните аренду с покупкой собственной машины: временная среда подходит не для каждого производственного сценария.

9FAQ

Почему Claude Fable 5.1 продолжает создавать кэш вместо чтения существующего?

Чаще всего причина находится не в самой модели, а в изменившемся префиксе запроса. Временная метка, статус задания, идентификатор пользователя, данные очереди, динамический список инструментов или автоматически сгенерированная схема перед стабильной частью меняют кэшируемый контекст. Сначала сравните запросы на уровне блоков и проверьте поля cache_creation_input_tokens и cache_read_input_tokens, а не только общий объём входных токенов.

Как искать низкую долю попаданий в кэш Claude API?

Разделите диагностику на четыре проверки: одинаковы ли системные инструкции, инструменты и общий контекст; совпадают ли tool_choice и настройки параллельных вызовов; не истекает ли TTL до следующего шага; не смешиваются ли модели и рабочие пространства в отчёте. Сохраните исходный usage каждого запроса вместе с идентификатором задания, чтобы отличить настоящее отсутствие попадания от ошибки агрегатора.

Почему после включения prompt caching счёт за AI Agent почти не изменился?

Кэш уменьшает только определённый слой расходов на входной контекст. Полная задача может оставаться дорогой из-за длинного ответа, повторных запросов после ошибок, множества вызовов инструментов, внешних API, браузера, Shell, сборки в Xcode или длительной аренды удалённого Mac. Поэтому сравнивайте стоимость завершённого задания, а не один запрос модели, и отдельно учитывайте каждый слой.

Когда для длинной задачи Claude выбирать короткий или часовой TTL?

Ориентируйтесь на фактический интервал между соседними обращениями к одному стабильному префиксу. Короткий TTL подходит для плотного диалога и последовательных шагов без длительной очереди. Более длинный TTL имеет смысл для фоновых заданий и процессов с ручным согласованием, если повторное чтение действительно происходит после паузы. Решение принимайте по журналу интервалов и фактическим полям usage, а не по названию сценария.

Как отделить расходы модели от затрат на исполнение Agent на Mac?

Создайте отдельные показатели для обычного входа, создания кэша, чтения кэша и вывода модели. Затем добавьте вызовы внешних инструментов, повторные попытки, браузерные и Shell-операции, время сборки и занятость удалённого Mac. Один идентификатор задания должен связывать эти записи. Если кэш читается стабильно, но растут повторы или время Mac, дальнейшая настройка prompt caching не устранит главную причину счёта.

Если текущая схема показывает хорошее чтение кэша, но расходы формируют инструменты, сборки и длительное удержание удалённого Mac, переход на другую модель проблему не решит. Собственный Mac даёт постоянный ресурс, однако требует закупки, обслуживания и запаса мощности; аренда vpstix удобнее для временных нагрузок, регрессионных прогонов и проверки Agent без немедленного расширения парка. Сначала выгрузите полную группу usage и событий исполнения, а затем выберите: менять TTL, переписывать инструменты или вынести тяжёлые задачи в отдельную среду.