---
title: "Prompt Caching erklärt: gecachte Tokens, geringere Kosten"
description: "Gecachter Input kostet einen Bruchteil von normalem Input. Wie Prompt Caching abgerechnet wird, wie Sie cached_tokens lesen und Prompts dafür aufbauen."
url: https://broadrouter.com/de/blog/cached-input-tokens-explained/
lang: de
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Mit KI-Unterstützung aus dem Englischen übersetzt. [Englisches Original lesen](https://broadrouter.com/blog/cached-input-tokens-explained/) (aktualisiert am 2026-11-15).

# Gecachte Input-Tokens: So senken Sie die Rechnung Ihrer LLM-API

Vom Team von BroadNet Inference · 5 Min. Lesezeit · Veröffentlicht 2026-11-14 · Aktualisiert 2026-11-15

Gecachte Input-Tokens sind Prompt-Tokens, die der Anbieter bereits verarbeitet hat und wiederverwenden kann; sie werden deshalb günstiger abgerechnet. Bei BroadNet Inference kostet gecachter Input für DeepSeek V4.1 Flash $0.0055 pro 1 Mio. Tokens, neuer Input $0.175. Für den Rabatt stellen Sie den stabilen Teil jedes Prompts an den Anfang und halten ihn zwischen den Aufrufen identisch.

## Das Wichtigste in Kürze

-   DeepSeek V4.1 Flash, gecachter Input: $0.0055 pro 1 Mio. Tokens; neuer Input: $0.175.
-   Der usage-Block meldet `prompt_tokens_details.cached_tokens`, wenn das Modell den Wert liefert; so können Sie Ihre Cache-Quote messen.
-   Stellen Sie stabile Inhalte an den Anfang (System-Prompt, Tools, Dokumente) und veränderliche Inhalte ans Ende.
-   Caches vergleichen ab dem Anfang des Prompts. Ein einziges geändertes Token weit vorne macht alles danach neu.
-   Am meisten profitieren Agenten, die in jeder Runde denselben Repository-Kontext erneut senden.

**Auf dieser Seite**

1.  Was ist ein gecachtes Input-Token?
2.  Was kosten gecachte Tokens bei BroadNet Inference?
3.  Wie viel kann Caching sparen? Ein Rechenbeispiel
4.  Wie sehen Sie gecachte Tokens in der API-Antwort?
5.  Wie unterscheidet sich Prompt Caching bei OpenAI, Anthropic und DeepSeek?
6.  Was senkt Ihre Cache-Quote?
7.  Wann spielt Caching keine Rolle mehr?
8.  Warum ist Caching bei langem Kontext wichtiger?
9.  Wo BroadNet Inference hineinpasst

Das meiste, was ein Agent an ein LLM sendet, ist in jeder Runde gleich: der System-Prompt, die Tool-Definitionen, die Dateien, an denen er arbeitet, und der bisherige Gesprächsverlauf. Nur die letzte Nachricht ist neu. Prompt Caching bedeutet, dass der Anbieter diesen wiederholten Teil nicht zum vollen Preis abrechnet.

## Was ist ein gecachtes Input-Token?

Jede Anfrage besteht aus [Input- und Output-Tokens](https://broadrouter.com/de/glossary/input-and-output-tokens/). Bevor ein Modell antworten kann, verarbeitet es den gesamten Prompt. Begann eine frühere Anfrage mit genau denselben Tokens, kann das Serving-System diese Arbeit wiederverwenden, statt sie erneut zu leisten. Der wiederverwendete Teil wird als [gecachte Input-Tokens](https://broadrouter.com/de/glossary/cached-input-tokens/) gemeldet und zu einem niedrigeren Tarif abgerechnet.

Aus dieser Funktionsweise folgen zwei Punkte:

-   **Nur das Präfix wird gecacht.** Der Abgleich läuft vom ersten Token an vorwärts und endet beim ersten Unterschied.
-   **Die Antwort wird nie gecacht.** Das Modell erzeugt weiterhin neuen Output, der zum vollen Output-Preis berechnet wird.

## Was kosten gecachte Tokens bei BroadNet Inference?

Pro 1 Million Tokens, laut der veröffentlichten Preisdatei:

| Modell | Neuer Input | Gecachter Input | Output |
| --- | --- | --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/de/models/deepseek-v4.1-flash/) | $0.175 | $0.0055 | $0.52 |
| [GLM 5.3](https://broadrouter.com/de/models/glm-5.3/) | $0.78 | $0.173 | $3.46 |
| [Qwen3.8 27B](https://broadrouter.com/de/models/qwen3.8-27b/) | $0.175 | $0.0435 | $2.17 |

Bei DeepSeek V4.1 Flash ist der Abstand groß: Vergleichen Sie $0.0055 pro 1 Mio. gecachter Tokens mit $0.175 pro 1 Mio. neuer. Für einen Agenten, der in jeder Runde ein Repository mit 200.000 Tokens erneut sendet, entscheidet die Cache-Quote über den größten Teil der Rechnung.

## Wie viel kann Caching sparen? Ein Rechenbeispiel

Ein Coding-Agent sendet an einem Arbeitstag 100-mal einen Prompt mit 200.000 Tokens. Das sind 20 Millionen Input-Tokens pro Tag.

| Cache-Quote | Neue Input-Tokens | Gecachte Input-Tokens |
| --- | --- | --- |
| 0 % | 20 Mio. zu $0.175 pro 1 Mio. | 0 |
| 50 % | 10 Mio. zu $0.175 pro 1 Mio. | 10 Mio. zu $0.0055 pro 1 Mio. |
| 90 % | 2 Mio. zu $0.175 pro 1 Mio. | 18 Mio. zu $0.0055 pro 1 Mio. |

Die Formel für die tägliche Input-Rechnung lautet `new tokens (M) × input price + cached tokens (M) × cached price` (neue Tokens in Mio. × Input-Preis + gecachte Tokens in Mio. × Cache-Preis). Bei 90 % werden 18 Mio. der 20 Mio. Input-Tokens zum Cache-Preis statt zum vollen Input-Preis abgerechnet; je größer also der Abstand zwischen beiden Preisen, desto mehr sparen Sie beim Input-Anteil der Rechnung. Der Output bleibt unverändert. Probieren Sie Ihre eigenen Zahlen im [Prompt-Caching-Rechner](https://broadrouter.com/tools/prompt-caching-calculator/) aus.

## Wie sehen Sie gecachte Tokens in der API-Antwort?

Laut der API-Referenz von BroadNet enthält das `usage`\-Objekt `prompt_tokens_details.cached_tokens`, wenn das Modell sie meldet: die aus dem Cache gelesenen Prompt-Tokens, berechnet zum Cache-Preis. In einem [Stream](https://broadrouter.com/de/glossary/streaming/) fordern Sie die Nutzungsdaten im letzten Chunk an:

```python
from openai import OpenAI
import os

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
messages = [
    {"role": "system", "content": "You are a code reviewer."},  # stable prefix: keep it identical
    {"role": "user", "content": "Review the diff below."},
]
stream = client.chat.completions.create(
    model="broadnet/deepseek-v4.1-flash",
    messages=messages,
    stream=True,
    stream_options={"include_usage": True},
)
for chunk in stream:
    if chunk.usage:
        u = chunk.usage
        cached = (u.prompt_tokens_details.cached_tokens if u.prompt_tokens_details else 0) or 0
        print(f"prompt={u.prompt_tokens} cached={cached} rate={cached / max(1, u.prompt_tokens):.0%}")
```

Loggen Sie diese Quote einen Tag lang pro Anfrage. Sie zeigt, was Sie tatsächlich zahlen, und sie ist die Zahl, die Sie in den [Prompt-Caching-Rechner](https://broadrouter.com/tools/prompt-caching-calculator/) eintragen. Mehr zu Nutzungsdaten beim Streaming finden Sie im [Streaming-Leitfaden](https://broadrouter.com/de/guides/streaming-chat-completions/).

## Wie unterscheidet sich Prompt Caching bei OpenAI, Anthropic und DeepSeek?

Caching ist nicht standardisiert. Das stand in den offiziellen Dokumentationen, als wir sie am 14. November 2026 abgerufen haben:

|  | OpenAI | Anthropic | DeepSeek (direkte API) |
| --- | --- | --- | --- |
| Aktivierung | Standardmäßig für unterstützte Modelle | Opt-in über ein `cache_control`\-Feld (automatisch oder pro Block) | Standardmäßig für alle Nutzer |
| Mindestlänge des Prompts | 1.024 Tokens ab GPT-5.6 | 512 bis 4.096 Tokens, je nach Modell | Kein Minimum angegeben |
| Lebensdauer des Caches | Standardmäßig 30 Minuten ab GPT-5.6; Option für 12 Stunden | Standardmäßig 5 Minuten, 1 Stunde gegen Aufpreis | Best Effort; wird bei Nichtnutzung geleert, „a few hours to a few days“ (Übersetzung: „einige Stunden bis einige Tage“) |
| Schreiben | 1,25× Input (30 Minuten) oder 2,5× (12 Stunden) ab GPT-5.6 | 1,25× Input für 5 Minuten, 2× für 1 Stunde | Keine Schreibgebühr erwähnt |
| Lesen | 0,1× Input ab GPT-5.6 (0,05× bei GPT-6.1 Sol und Terra) | 0,1× Input bei den meisten Modellen, bei einigen weniger | Eigener „cache hit“-Preis (Übersetzung: „Cache-Treffer“) |
| Feld in den Nutzungsdaten | `cached_tokens` in den Token-Details | `cache_read_input_tokens` | `prompt_cache_hit_tokens` |

Quellen: [Leitfaden zu Prompt Caching von OpenAI](https://developers.openai.com/api/docs/guides/prompt-caching), [Dokumentation zu Prompt Caching von Anthropic](https://platform.claude.com/docs/en/build-with-claude/prompt-caching) und [Dokumentation zu Context Caching von DeepSeek](https://api-docs.deepseek.com/guides/kv_cache). Wo das Schreiben extra kostet, ist ein Cache, der geschrieben, aber nie gelesen wird, teurer als gar kein Cache. Caching lohnt sich nur bei Prompts, die Sie tatsächlich wiederholen. Listenpreise pro Modell vergleichen Sie in der [Preistabelle für LLM-APIs](https://broadrouter.com/de/llm-api-pricing/).

## Was senkt Ihre Cache-Quote?

Caches gleichen ein exaktes Präfix ab, also macht alles, was sich weit vorne im Prompt ändert, den Rest neu. Die üblichen Ursachen:

-   ein Zeitstempel, eine Request-ID oder ein Benutzername weit oben im System-Prompt;
-   Tool-Definitionen oder JSON, die bei jedem Aufruf in anderer Schlüsselreihenfolge serialisiert werden, was die [Tokens](https://broadrouter.com/de/glossary/token/) verändert;
-   ein Agent, der seinen Verlauf umschreibt oder zusammenfasst, statt ihn zu ergänzen;
-   lange Pausen, nach denen der Cache abgelaufen ist.

Die Lösung ist eine feste Reihenfolge der Schichten (System-Prompt, Tools, Dokumente, Verlauf, neue Nachricht), wobei jede Schicht zwischen den Aufrufen byte-identisch bleibt. Unser Leitfaden, [wie Sie Prompts so strukturieren, dass das Präfix gecacht wird](https://broadrouter.com/de/blog/prompt-structure-for-caching/), zeigt diesen Aufbau im Code, mit einem Test, der belegt, dass das Präfix wiederverwendet wird.

## Wann spielt Caching keine Rolle mehr?

Bei einer Flatrate hängt die Rechnung überhaupt nicht von Tokens ab. Full Moon kostet $60 im Monat pro Session für unbegrenztes DeepSeek V4.1 Flash. Liegt Ihr Agent bereits über dem [Break-even-Punkt](https://broadrouter.com/de/blog/flat-rate-vs-pay-per-token-llm-api/), ist die Cache-Quote kein Kostenproblem mehr. Bei langen Prompts helfen die Gewohnheiten oben trotzdem bei der Geschwindigkeit; es lohnt sich also in jedem Fall, sie beizubehalten.

## Warum ist Caching bei langem Kontext wichtiger?

DeepSeek V4.1 Flash und GLM 5.3 akzeptieren bis zu 1.048.576 Tokens pro Anfrage. Caching macht sehr lange Prompts mit einem Schlüssel mit Abrechnung pro Token erst bezahlbar, denn der große, wiederholte Teil des [Kontextfensters](https://broadrouter.com/de/glossary/context-window/) wird zum Cache-Tarif berechnet. Siehe [wann sich ein Kontextfenster von 1 Mio. Tokens lohnt](https://broadrouter.com/de/blog/million-token-context-window-guide/).

## Wo BroadNet Inference hineinpasst

BroadNet veröffentlicht für jedes Chat-Modell, das einen hat, einen Preis für gecachten Input und meldet gecachte Tokens in den Nutzungsdaten, wenn das Modell sie liefert. So können Sie Ihre Quote messen, bevor Sie sich festlegen. Eine Lebensdauer des Caches oder eine Mindestlänge des Prompts veröffentlicht BroadNet nicht; messen Sie beides an Ihrem eigenen Traffic. Läuft Ihr Agent den ganzen Tag, erübrigt ein Flatrate-Plan die Frage ganz.

Kostenlose Tools zum Thema (auf Englisch)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [Prompt caching savings calculator](https://broadrouter.com/tools/prompt-caching-calculator/) Bill with and without caching, by prefix share and hit rate.
-   [Prompt token diff](https://broadrouter.com/tools/prompt-token-diff/) Two prompt versions side by side: changed lines, exact token delta and the monthly cost difference.

[Kostenlose Tools (auf Englisch)](https://broadrouter.com/tools/)

## Begriffe in diesem Artikel

[Token](https://broadrouter.com/de/glossary/token/)

Ein Token ist die Texteinheit, die ein Sprachmodell liest und schreibt: ein Wort, ein Wortteil, ein Satzzeichen oder eine Bytefolge, die der Tokenizer des Modells erzeugt. LLM-APIs zählen, begrenzen und berechnen die Nutzung meist in Tokens.

[Gecachte Input-Tokens (Cached Input Tokens)](https://broadrouter.com/de/glossary/cached-input-tokens/)

Gecachte Input-Tokens sind Prompt-Tokens, die ein LLM-Anbieter kürzlich verarbeitet hat und aus einem Cache wiederverwenden kann, statt sie neu zu berechnen, meist ein wiederholtes Präfix wie ein System-Prompt oder ein Dokument. Anbieter berechnen sie günstiger als neue Input-Tokens.

[Input- und Output-Tokens](https://broadrouter.com/de/glossary/input-and-output-tokens/)

Input-Tokens sind die Tokens, die ein Sprachmodell in einer Anfrage liest, einschließlich System-Prompt, Gesprächsverlauf, Tool-Definitionen und Bildern. Output-Tokens sind die Tokens, die es als Antwort erzeugt, einschließlich Reasoning. LLM-APIs berechnen beide meist getrennt, und Output ist in der Regel teurer.

[Tool Calling (Function Calling)](https://broadrouter.com/de/glossary/tool-calling/)

Tool Calling, auch Function Calling genannt, ist eine Funktion von LLM-APIs, bei der das Modell eine strukturierte Anfrage zurückgibt, eine vom Entwickler definierte Funktion mit JSON-Argumenten auszuführen. Die Anwendung führt die Funktion aus und sendet das Ergebnis zurück; das Modell selbst führt nie Code aus.

[System-Prompt](https://broadrouter.com/de/glossary/system-prompt/)

Ein System-Prompt ist der Anweisungstext, den eine Anwendung einem Sprachmodell vor dem Gespräch sendet, meist als Nachricht mit der Rolle system oder developer. Er legt Rolle, Regeln, Ton und Ausgabeformat des Modells fest, und das Modell soll ihm auch bei widersprechenden Nutzernachrichten folgen.

[Kontextfenster (Context Window)](https://broadrouter.com/de/glossary/context-window/)

Das Kontextfenster ist die maximale Anzahl an Tokens, mit der ein Sprachmodell in einer einzelnen Anfrage arbeiten kann. Es umfasst Prompt, Gesprächsverlauf, Tool-Definitionen, Bilder und den erzeugten Output einschließlich Reasoning-Tokens. Was nicht hineinpasst, muss gekürzt, zusammengefasst oder auf mehrere Anfragen verteilt werden.

[LLM-Flatrate (Flat-rate LLM plan)](https://broadrouter.com/de/glossary/flat-rate-llm-plan/)

Eine LLM-Flatrate ist ein Plan, der für den Zugang zu einer Sprachmodell-API einen Festpreis pro Zeitraum, etwa pro Monat, berechnet statt pro Token. Solche Pläne begrenzen meist etwas anderes, etwa Parallelität, Geschwindigkeit, Modelle oder Nutzungsfenster. Die Limits zählen also so viel wie der Preis.

[Streaming](https://broadrouter.com/de/glossary/streaming/)

Streaming ist eine Art, die Antwort eines Sprachmodells in kleinen Chunks zurückzugeben, während sie noch erzeugt wird, statt als eine Antwort am Ende. OpenAI-kompatible APIs streamen über Server-Sent Events, wenn die Anfrage stream auf true setzt.

## Häufige Fragen

### Muss ich Prompt Caching erst einschalten?

Das hängt vom Anbieter ab. OpenAI und DeepSeek cachen automatisch; Anthropic braucht ein cache\_control-Feld. Bei BroadNet Inference prüfen Sie den usage-Block: Wenn das Modell gecachte Tokens meldet, erscheinen sie als prompt\_tokens\_details.cached\_tokens und werden zum Preis für gecachten Input berechnet.

### Wie prüfe ich, ob Prompt Caching funktioniert?

Fordern Sie bei jeder Anfrage die Nutzungsdaten an und teilen Sie cached\_tokens durch prompt\_tokens. Liegt die Quote beim zweiten Aufruf eines langen, wiederholten Prompts nahe null, ändert sich weit vorne im Prompt etwas zwischen den Aufrufen.

### Warum ist meine Cache-Quote so niedrig?

Meist, weil sich weit vorne im Prompt bei jedem Aufruf etwas ändert, etwa ein Zeitstempel, eine Request-ID oder eine umsortierte Tool-Liste. Verschieben Sie veränderliche Inhalte ans Ende.

### Was ist der Unterschied zwischen Prompt Caching und Response Caching?

Prompt Caching verwendet die Arbeit des Anbieters an einem wiederholten Prompt-Präfix erneut, das Modell schreibt aber trotzdem eine neue Antwort. Response Caching bauen Sie selbst: Sie speichern ganze Antworten und liefern sie bei identischen Fragen aus, ohne das Modell aufzurufen.

### Sind gecachte Tokens kostenlos?

Nein. Sie werden zu einem niedrigeren Tarif berechnet, nicht zu null. Bei DeepSeek V4.1 Flash kostet gecachter Input $0.0055 pro 1 Mio. Tokens, und Output wird voll berechnet.

### Spielt Caching bei einem unbegrenzten Plan eine Rolle?

Für die Rechnung nicht, denn Plan-Sessions haben keinen Token-Zähler. In vielen Serving-Systemen verkürzt es bei langen Prompts aber trotzdem die Zeit bis zum ersten Token, die gleichen Gewohnheiten helfen also weiterhin.

## Weiterlesen

-   [Prompts so strukturieren, dass das Präfix gecacht wird](https://broadrouter.com/de/blog/prompt-structure-for-caching/)
-   [LLM-API-Preise erklärt: Input, gecachter Input, Output und Reasoning](https://broadrouter.com/de/blog/llm-api-pricing-explained/)
-   [LLM-API: Flatrate oder Abrechnung pro Token? Die Break-even-Rechnung](https://broadrouter.com/de/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [Wann sich ein Kontextfenster mit 1M Tokens lohnt (und wann nicht)](https://broadrouter.com/de/blog/million-token-context-window-guide/)
-   [LLM-Antworten cachen, Kosten senken: ein Exact-Match-Cache in Python](https://broadrouter.com/de/blog/cache-llm-responses-cut-cost/)
-   [LLM-API-Preisänderungen im Oktober 2026: 3 Erhöhungen, keine Senkung](https://broadrouter.com/de/blog/llm-api-price-changes-october-2026/)
-   [Wie oft ändern sich LLM-API-Preise? 3 Jahre archivierte Preisseiten](https://broadrouter.com/de/blog/how-often-llm-api-prices-change/)
-   [Anleitung: Chat Completions streamen und abgebrochene Verbindungen behandeln](https://broadrouter.com/de/guides/streaming-chat-completions/)
-   [Anleitung: OpenAI Python SDK mit BroadNet Inference nutzen](https://broadrouter.com/de/guides/openai-python-sdk/)

Testen Sie es mit Ihrem echten Workload. Neue Konten starten mit USD 5 Guthaben für Gemma und Transkription. DeepSeek, GLM und Qwen3.8 erfordern eine Aufladung.

[Loslegen](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-cached-input-tokens-explained&utm_content=page-cta) ·

**Quellen**

-   [API-Referenz von BroadNet Inference, Reasoning und gecachte Tokens (abgerufen am 2026-11-14) (auf Englisch)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-cached-input-tokens-explained&utm_content=sources)
-   [Maschinenlesbare Preise von BroadNet Inference (pricing.json, abgerufen am 2026-11-14) (auf Englisch)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-cached-input-tokens-explained&utm_content=sources)
-   [Leitfaden zu Prompt Caching von OpenAI (abgerufen am 2026-11-14)](https://developers.openai.com/api/docs/guides/prompt-caching)
-   [Dokumentation zu Prompt Caching von Anthropic (abgerufen am 2026-11-14)](https://platform.claude.com/docs/en/build-with-claude/prompt-caching)
-   [API-Dokumentation von DeepSeek, Context Caching (abgerufen am 2026-11-14)](https://api-docs.deepseek.com/guides/kv_cache)
