Claude Fable 5.1 缓存降价后，Agent 成本为什么没降？2026 排查

本周建议动作：先不要因为账单没有明显下降就回退模型。 先用请求级 usage 排查动态前缀、工具定义变化、TTL 不匹配和统计口径；如果 cache_read_input_tokens 已经稳定出现，但完整任务仍然昂贵，再把优化重点转向输出长度、失败重试、工具循环和 Mac 占用时长。

这篇文章适合已经把 Claude API 工作负载迁移到 Claude Fable 5.1、却仍频繁产生 cache write 的 Agent 开发者；也适合需要拆分模型费用、工具执行费和远程 Mac 占用的平台工程师，以及要用真实任务记录判断迁移收益的 FinOps 与技术负责人。

最后更新于 2026 年 9 月 3 日，数据核实自 Anthropic 模型页面、Claude Platform 发布说明、prompt caching、工具调用、定价与限流文档。

1先看成本时间线：降价发生在哪一层，账单增加又发生在哪一层

迁移后的第一周，建议把一条 Agent 任务拆成下面这条时间线，而不是只看工作区的总账单：

1. 请求进入模型前：统计普通输入 Token、缓存创建 Token 和缓存读取 Token。
2. 模型生成阶段：统计输出 Token；如果启用了思考或更高 effort，不能只看最终可见文本。
3. 工具循环阶段：统计工具定义、tool_use、tool_result，以及每次工具返回的大段日志或文件内容。
4. 失败恢复阶段：记录超时、限流、格式错误、重新规划和人工接管后的再次请求。
5. 执行环境阶段：记录浏览器、Shell、Xcode 构建、模拟器和远程 Mac 持续占用的时间。

Claude Platform 文档明确说明，缓存前缀按 tools → system → messages 的层级构建，input_tokens 只代表最后一个缓存断点之后的未缓存输入，并不是本次请求发送的全部输入。总输入应按下面的方式复核：

total_input_tokens = cache_read_input_tokens + cache_creation_input_tokens + input_tokens

参考：Prompt caching 的 usage 字段与总输入计算。

因此，出现“缓存读取价格下降，但 Agent 账单几乎不动”并不矛盾：你可能只是降低了某一段输入的单价，同时又增加了输出、工具回传或 Mac 执行时间。

2为什么一直产生 cache write：动态前缀把每次请求都变成了新缓存

可观察症状： 相邻请求使用同一个模型和相似任务，但每次响应里的 cache_creation_input_tokens 都很高，cache_read_input_tokens 却长期为 0，或者只有偶尔一次读取。

最常见的结构错误，是把时间戳、用户变量、队列编号、任务状态或上一次工具结果放到了公共静态内容之前。例如：

系统指令
今日时间：2026-09-03 10:21
任务状态：第 4 次重试
用户请求
公共工具定义
公共项目上下文

如果缓存断点落在最后一段，前缀哈希会包含不断变化的时间和状态；下一次请求即使后面的工具定义与项目上下文完全相同，也无法复用前一次写入的缓存。官方文档专门列出了这一类错误：断点设置在每次变化的块上时，系统不会自动回头为更早的稳定内容创建缓存。

修复时按这个顺序重排：

• 把稳定的工具定义放在最前面；
• 把长期不变的系统指令放在工具之后；
• 把公共项目说明、编码规范、固定示例放在稳定前缀内；
• 把时间戳、用户输入、队列状态、临时凭据和本轮任务放到缓存断点之后；
• 把 cache_control 放在“最后一个跨请求保持不变的内容块”上，而不是放在整条消息的末尾。

如果团队使用自动缓存，也要检查最后一个可缓存块是不是动态内容。自动缓存并不会理解“哪一段语义上稳定”，它只会根据请求结构选择断点。

3工具和参数变化，为什么会让看似相同的请求重新写缓存

可观察症状： 你肉眼看着系统提示词没有变化，但只要 Agent 进入不同分支，缓存读取就突然消失；或者同一个任务在“有图片”和“无图片”、“自动选工具”和“强制工具”之间切换后，重新产生完整写入。

原因在于，缓存比较的不只是可见的文字。以下变化都应纳入请求指纹排查：

• 工具名称、描述、参数 Schema 或必填字段发生变化；
• 工具列表每次由程序自动生成，顺序不稳定；
• 某些请求开启了 tool_choice，另一些请求使用不同选择模式；
• 并行工具调用开关或工具集合发生变化；
• 某一轮加入或删除图片、文档；
• thinking 配置或 output_config.effort 发生变化；
• 工具结果的结构、字段顺序或序列化方式不稳定。

Anthropic 的缓存失效规则显示，工具定义变化会使工具、系统和消息缓存全部失效；tool_choice、图片和 effort 变化也会影响消息缓存。缓存失效条件说明

对工具定义，建议采用“公共工具前缀 + 动态工具发现”的两层结构。高频使用且 Schema 稳定的工具固定在前缀中；低频工具、按项目加载的 MCP 工具或实验性参数，不要每次都拼进共享缓存层。工具自动生成时，先对名称、描述、参数键进行规范化排序，再生成请求，否则“看起来相同”的工具列表可能因为字段顺序不同而得到不同哈希。

注意： 不要用“总输入 Token 下降了”代替“缓存命中了”。至少连续保存一组请求的 cache_creation_input_tokens、cache_read_input_tokens、input_tokens 和 output_tokens，否则你无法判断是缓存失效，还是未缓存内容本来就变多了。

45 分钟还是 1 小时：TTL 要跟 Agent 节奏匹配，而不是统一配置

可观察症状： 高频对话能命中缓存，但排队任务、人工审批后的续跑任务和后台长任务几乎每次都重新写入。

Claude Platform 当前支持默认 5 分钟和额外付费的 1 小时缓存时长。缓存生命周期从写入或读取该缓存条目的请求开始计算，而不是从响应结束时开始计算；如果模型生成响应本身耗时较长，真正留给下一次请求的时间会更短。缓存生命周期与 TTL 说明

可以按任务节奏做选择：

• 连续对话、短工具链、人工快速确认：优先评估 5 分钟 TTL。它适合请求间隔稳定、同一前缀会被快速复用的任务。
• 排队后继续执行、人工审批、后台等待外部系统：如果下一次请求经常超过 5 分钟，再评估 1 小时 TTL。
• 低频一次性任务：不要为了“开启缓存”而强行写入。若公共前缀只会使用一次，写入本身可能抵消读取带来的收益。
• 长时间生成任务：把模型输出时间纳入 TTL 计算，不能只看请求发起间隔。

当前官方定价文档显示，1 小时缓存写入按基础输入价格的 2 倍计费，而 5 分钟写入为基础输入价格的 1.25 倍；Claude Fable 5.1 的缓存读取为每百万 Token 0.25 美元。Prompt caching 定价表

这里不应套用固定节省比例。你真正需要计算的是：一次写入成本、预计读取次数、每次读取的前缀长度，以及任务在 TTL 内实际复用的概率。

5Agent 使用 prompt caching 后账单没降：先排除统计口径错误

可观察症状： 监控平台显示输入量没有明显变化，财务账单却与迁移前接近；或者一个平台显示“输入 Token 很少”，另一个平台显示完整上下文很大。

重点检查这 4 项：

1. 监控系统是否把 cache_creation_input_tokens、cache_read_input_tokens 和普通 input_tokens 合并成一个“输入 Token”字段；
2. 是否只采集了最终响应，漏掉了流式响应中的 message_start usage；
3. 是否把不同模型、工作区、API Key 或云平台账单混在一起；
4. 是否把输出 Token、工具附加 Token 和服务器工具费用错误归入缓存费用。

Claude API 的组织用量报告支持按 API Key、工作区、模型和服务层级分组，并分别返回未缓存输入、缓存创建、缓存读取与输出用量。组织用量报告字段

建议每条任务至少保存以下复核证据：

• task_id 与父任务 ID；
• 模型版本和请求时间；
• TTL、工具列表摘要、tool_choice、图片状态与 effort；
• 完整请求级 usage；
• 重试原因、重试次数和最终状态；
• 远程 Mac 开始、结束及中断时间。

只有把这些字段关联起来，FinOps 才能回答“缓存到底有没有生效”，而不是只回答“本月输入 Token 是多少”。

如果你正在搭建这类记录链路，可以先参考 远程 Mac Agent 运维排查帮助，把请求日志、任务状态和执行节点记录放到同一个复核流程中。

6缓存命中了，为什么完整任务仍贵：模型费用和执行成本必须分层

可观察症状： cache_read_input_tokens 已经稳定出现，缓存写入也明显减少，但单个任务的总成本仍然高，尤其是代码修改、构建、测试和浏览器操作型 Agent。

这时不要继续反复调整缓存断点，因为主要矛盾可能已经转移到缓存之外。完整任务至少要拆成 5 层：

• 普通输入 Token：缓存断点之后的本轮指令、用户变量和新工具结果；
• 缓存读取 Token：复用的公共前缀；
• 缓存写入 Token：首次创建或 TTL 过期后的重新写入；
• 输出与思考 Token：模型生成计划、代码、解释、验证结果；
• 工具与执行环境成本：外部 API、浏览器、Shell、Xcode 构建、模拟器和远程 Mac 占用。

Anthropic 的定价文档指出，工具请求的输入成本包含 tools 参数、tool_use 和 tool_result 内容；服务器工具还可能存在额外的按次使用费用。工具调用定价说明

尤其要关注以下失控模式：

• 编译失败后，Agent 没有停止条件，重复执行相同构建；
• 工具返回完整日志，模型每一轮都重新读取大量无关内容；
• 失败重试重新创建了整段缓存，而不是只发送必要增量；
• 浏览器或模拟器状态失效，导致同一操作反复执行；
• Xcode 构建等待时间远高于模型生成时间；
• 人工接管后，系统没有恢复原任务状态，Agent 从头规划。

对应的修复动作应是：限制相同错误的重试次数，设置构建和测试的停止条件，只回传失败摘要与相关日志片段，给工具调用增加幂等键，并把长输出或高执行占用任务分流到独立队列。模型缓存优化解决不了“Agent 做了太多无效工作”。

关于远程 Mac 的容量、并发和运行记录，可继续查看 云端 Mac Agent 容量与验收指南，重点核对节点等待时间、构建占用和任务释放是否进入同一成本口径。

7用同条件回归决定保留、重构还是分流

不要直接拿迁移前后的月账单做结论，因为任务数量、工具版本、并发量和 Mac 环境都可能同时变化。先挑选一组公共前缀稳定、工具路径明确、能够重复运行的代表性任务，再固定模型、TTL、工具集合和执行环境。

验收至少观察一个完整周期，而不是只看第一次请求。对每个任务保存修复前后记录，重点比较缓存读取占比、重复写入、任务完成率、重试次数、工具调用次数、输出 Token 和远程 Mac 占用时长。

Anthropic 的发布说明确认，Claude Fable 5.1 于 2026 年 9 月 1 日推出，缓存读取价格降低，同时工具选择、thinking 块和 effort 等行为也有模型级变化。Claude Platform 发布说明

8本周落地路径：5 个工作日完成一次可复核排查

你可以按下面的里程碑执行，而不必先大规模改造 Agent：

第 1 天：冻结基线。 选取稳定任务，记录模型、工具、TTL、请求间隔、usage、重试和远程 Mac 占用，不先修改提示词。

第 2 天：检查前缀结构。 对请求序列化后的 tools、system 和 messages 做差异比较，重点找时间戳、状态字段、动态工具顺序和图片开关。

第 3 天：修复缓存断点。 将稳定工具定义、系统指令和公共上下文放到断点前，把本轮变量和任务状态后移；连续发送请求，确认 cache_read_input_tokens 出现。

第 4 天：匹配 TTL 与节奏。 按真实请求间隔分别测试 5 分钟和 1 小时，不以单次命中作为结论，而是比较写入成本、读取次数和任务完成情况。

第 5 天：拆分完整成本。 把模型输入、模型输出、工具调用、重试、构建等待和远程 Mac 占用分别入账，然后决定保留、重构还是分流。

缓存读取降价后，当前 Claude Fable 5.1 方案仍可能存在 3 个真实缺点：公共前缀不稳定时会不断产生写入，长任务的输出和失败恢复可能远高于输入缓存费用，工具执行与远程 Mac 会把模型层节省完全抵消。也就是说，当前方案的瓶颈未必在模型价格，而可能在执行环境的等待、并发和重复操作。

如果你已经确认成本主要来自浏览器、Shell、Xcode 构建或 Mac 长时间占用，而不是缓存读取，那么继续调整 prompt caching 的收益会很有限。对于需要临时算力、短期测试环境或可销毁的 Agent 执行节点，租赁 vpstix 的 Mac 环境通常比临时采购设备更容易控制启动周期、闲置成本和任务隔离；但如果你的工作负载是长期稳定的重负载，或必须连接固定的物理设备，自购 Mac 仍然可能更合适。