باختصار
الـ Prompt Caching يخزّن الجزء الثابت في بداية الموجّه على جانب المزوّد، فبدل معالجته من جديد في كل طلب، يُقرأ من الذاكرة بجزء صغير من سعره الأصلي.
بالتفصيل
معظم التطبيقات ترسل نفس البداية في كل طلب: تعريفات الأدوات، ثم رسالة النظام، ثم مستند أو قاعدة معرفة. توثيق Anthropic يشرح أن الذاكرة المؤقتة تُبنى بهذا الترتيب تحديدًا: الأدوات، ثم النظام، ثم الرسائل — وأي تغيير في مستوى يبطل ذلك المستوى وكل ما بعده.
التحكم يتم عبر نقاط توقف cache_control، ويُسمح بأربع نقاط صريحة كحد أقصى لكل طلب، إضافة إلى وضع تلقائي يضع النقطة على آخر كتلة قابلة للتخزين. وللنظام نافذة استرجاع تفحص حتى 20 موضع كتلة بحثًا عن مدخلات كتبتها طلبات سابقة.
الحد الأدنى لعدد الرموز حتى يعمل التخزين يختلف بحسب النموذج: 512 رمزًا في Claude Fable 5.1 و Mythos 5.1 و Opus 5، و 1,024 في Claude Sonnet 5 و Opus 4.8، و 4,096 في Claude Haiku 4.5. وتحت هذا الحد لا يحدث تخزين ولا يظهر خطأ — تعرف ذلك بأن حقلي cache_creation_input_tokens و cache_read_input_tokens في الرد يساويان صفرًا.
أما المدة فافتراضيًا خمس دقائق، مع خيار ساعة كاملة بضعف سعر رموز الإدخال الأساسي. والتسعير مضاعِف: الكتابة لخمس دقائق بمعامل 1.25، والكتابة لساعة بمعامل 2، والقراءة بمعامل 0.1 في أغلب النماذج و 0.025 في Fable 5.1 و Mythos 5.1.
مثال عملي
مستند قانوني بطول 100 ألف رمز مع Claude Opus 5: الطلب الأول يكلف نحو 0.625 دولار ككتابة للذاكرة، وكل طلب تالٍ يكلف نحو 0.05 دولار كقراءة — أي توفير يقارب 92٪ على المحتوى المخزّن. الخطأ الشائع اللي بيضيّع كل ده: وضع نقطة التوقف على كتلة تحتوي طابعًا زمنيًا أو بيانات تتغير كل طلب، فما يتطابقش أي بادئة. القاعدة: ضع النقطة على آخر كتلة متطابقة تمامًا بين الطلبات.
مصطلحات مرتبطة
ذاكرة المفاتيح والقيم (KV Cache)، الموجّه (Prompt)، نافذة السياق (Context Window)، زمن الاستجابة (Latency)، الرمز (Token).
المصادر: Anthropic — 2026-09-04
