---
title: "कैश्ड इनपुट टोकन क्या हैं: LLM API का बिल घटाएँ | BroadRouter"
description: "कैश्ड इनपुट सामान्य इनपुट की कीमत के छोटे हिस्से पर बिल होता है। प्रॉम्प्ट कैशिंग का बिल, usage में cached_tokens पढ़ना, और प्रॉम्प्ट को कैश के लायक बनाना।"
url: https://broadrouter.com/hi/blog/cached-input-tokens-explained/
lang: hi
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

यह पेज अंग्रेज़ी से AI की मदद से अनुवाद किया गया है। [अंग्रेज़ी मूल पढ़ें](https://broadrouter.com/blog/cached-input-tokens-explained/) (2026-11-15 को अपडेट किया गया).

# कैश्ड इनपुट टोकन क्या हैं: LLM API का बिल कैसे घटाएँ

BroadNet Inference टीम · 5 मिनट में पढ़ें · प्रकाशित 2026-11-14 · अपडेट किया गया 2026-11-15

कैश्ड इनपुट टोकन प्रॉम्प्ट के वे टोकन हैं जिन्हें प्रोवाइडर पहले प्रोसेस कर चुका है और दोबारा इस्तेमाल कर सकता है, इसलिए वे कम दर पर बिल होते हैं। BroadNet Inference पर DeepSeek V4.1 Flash कैश्ड इनपुट $0.0055 प्रति 1M टोकन पर बिल करता है, जबकि नया इनपुट $0.175 पर। छूट पाने के लिए हर प्रॉम्प्ट का स्थिर हिस्सा सबसे पहले और हर कॉल में एक जैसा रखें।

## मुख्य बातें

-   DeepSeek V4.1 Flash पर कैश्ड इनपुट: $0.0055 प्रति 1M टोकन; नया इनपुट: $0.175।
-   जब मॉडल रिपोर्ट करता है, usage ब्लॉक में `prompt_tokens_details.cached_tokens` आता है, जिससे आप अपना कैश रेट माप सकते हैं।
-   स्थिर सामग्री (सिस्टम प्रॉम्प्ट, टूल, डॉक्यूमेंट) पहले रखें और बदलने वाली सामग्री आख़िर में।
-   कैश प्रॉम्प्ट की शुरुआत से मिलान करता है। शुरू में एक भी टोकन बदला, तो उसके बाद का सब कुछ नया माना जाता है।
-   हर टर्न पर वही रिपॉज़िटरी कॉन्टेक्स्ट दोबारा भेजने वाले एजेंट को सबसे ज़्यादा फ़ायदा होता है।

**इस पेज पर**

1.  कैश्ड इनपुट टोकन क्या होता है?
2.  BroadNet Inference पर कैश्ड टोकन की कीमत कितनी है?
3.  कैशिंग से कितनी बचत हो सकती है? एक उदाहरण
4.  API रिस्पॉन्स में कैश्ड टोकन कैसे देखें?
5.  OpenAI, Anthropic और DeepSeek में प्रॉम्प्ट कैशिंग कैसे अलग है?
6.  आपका कैश रेट किन वजहों से गिरता है?
7.  कैशिंग का महत्व कब ख़त्म हो जाता है?
8.  लंबे कॉन्टेक्स्ट में कैशिंग ज़्यादा अहम क्यों है?
9.  BroadNet Inference कहाँ फ़िट होता है

एजेंट जो कुछ LLM को भेजता है, उसका ज़्यादातर हिस्सा हर टर्न पर एक जैसा होता है: सिस्टम प्रॉम्प्ट, टूल डेफ़िनिशन, जिन फ़ाइलों पर वह काम कर रहा है, और अब तक की बातचीत। सिर्फ़ आख़िरी संदेश नया होता है। प्रॉम्प्ट कैशिंग का मतलब है कि प्रोवाइडर उस दोहराए गए हिस्से का बिल पूरी कीमत पर नहीं बनाता।

## कैश्ड इनपुट टोकन क्या होता है?

हर अनुरोध [इनपुट और आउटपुट टोकन](https://broadrouter.com/hi/glossary/input-and-output-tokens/) से बना होता है। जवाब देने से पहले मॉडल पूरा प्रॉम्प्ट प्रोसेस करता है। अगर किसी पिछले अनुरोध की शुरुआत बिल्कुल इन्हीं टोकन से हुई थी, तो सर्विंग सिस्टम वह काम दोबारा करने की जगह उसे फिर इस्तेमाल कर सकता है। दोबारा इस्तेमाल हुआ हिस्सा [कैश्ड इनपुट टोकन](https://broadrouter.com/hi/glossary/cached-input-tokens/) के रूप में रिपोर्ट होता है और कम दर पर बिल होता है।

इसके काम करने के तरीक़े से दो बातें निकलती हैं:

-   **सिर्फ़ प्रीफ़िक्स कैश होता है।** मिलान पहले टोकन से आगे चलता है और पहले अंतर पर रुक जाता है।
-   **जवाब कभी कैश नहीं होता।** मॉडल फिर भी नया आउटपुट बनाता है, जो पूरी आउटपुट कीमत पर बिल होता है।

## BroadNet Inference पर कैश्ड टोकन की कीमत कितनी है?

प्रति 10 लाख (1M) टोकन, प्रकाशित प्राइस फ़ाइल से:

| मॉडल | नया इनपुट | कैश्ड इनपुट | आउटपुट |
| --- | --- | --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/hi/models/deepseek-v4.1-flash/) | $0.175 | $0.0055 | $0.52 |
| [GLM 5.3](https://broadrouter.com/hi/models/glm-5.3/) | $0.78 | $0.173 | $3.46 |
| [Qwen3.8 27B](https://broadrouter.com/hi/models/qwen3.8-27b/) | $0.175 | $0.0435 | $2.17 |

DeepSeek V4.1 Flash पर अंतर बड़ा है: 1M कैश्ड टोकन के $0.0055 की तुलना 1M नए टोकन के $0.175 से करें। जो एजेंट हर टर्न पर 200,000 टोकन की रिपॉज़िटरी दोबारा भेजता है, उसके बिल का ज़्यादातर हिस्सा कैश रेट से तय होता है।

## कैशिंग से कितनी बचत हो सकती है? एक उदाहरण

एक कोडिंग एजेंट काम के एक दिन में 200,000 टोकन का प्रॉम्प्ट 100 बार भेजता है। यानी रोज़ 2 करोड़ (20M) इनपुट टोकन।

| कैश रेट | नए इनपुट टोकन | कैश्ड इनपुट टोकन |
| --- | --- | --- |
| 0% | 20M, $0.175 प्रति 1M पर | 0 |
| 50% | 10M, $0.175 प्रति 1M पर | 10M, $0.0055 प्रति 1M पर |
| 90% | 2M, $0.175 प्रति 1M पर | 18M, $0.0055 प्रति 1M पर |

रोज़ के इनपुट बिल का फ़ॉर्मूला है `new tokens (M) × input price + cached tokens (M) × cached price`। 90% पर, 20M इनपुट टोकन में से 18M पूरी इनपुट कीमत के बजाय कैश्ड कीमत पर बिल होते हैं, इसलिए दोनों कीमतों में अंतर जितना बड़ा होगा, इनपुट बिल में उतनी ज़्यादा बचत होगी। आउटपुट नहीं बदलता। अपनी संख्याएँ [प्रॉम्प्ट कैशिंग कैलकुलेटर](https://broadrouter.com/tools/prompt-caching-calculator/) में आज़माएँ।

## API रिस्पॉन्स में कैश्ड टोकन कैसे देखें?

BroadNet का API रेफ़रंस कहता है कि जब मॉडल इन्हें रिपोर्ट करता है, तो `usage` ऑब्जेक्ट में `prompt_tokens_details.cached_tokens` आता है: प्रॉम्प्ट के वे टोकन जो कैश से पढ़े गए और कैश्ड कीमत पर बिल हुए। [स्ट्रीम](https://broadrouter.com/hi/glossary/streaming/) में, आख़िरी चंक में usage माँगें:

```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%}")
```

एक दिन तक हर अनुरोध पर यह दर लॉग करें। इससे पता चलता है कि आप असल में कितना भुगतान करते हैं, और [प्रॉम्प्ट कैशिंग कैलकुलेटर](https://broadrouter.com/tools/prompt-caching-calculator/) में यही संख्या डालनी है। स्ट्रीमिंग में usage के बारे में और जानकारी [स्ट्रीमिंग गाइड](https://broadrouter.com/hi/guides/streaming-chat-completions/) में है।

## OpenAI, Anthropic और DeepSeek में प्रॉम्प्ट कैशिंग कैसे अलग है?

कैशिंग का कोई मानक नहीं है। 14 नवंबर 2026 को देखने पर आधिकारिक डॉक्यूमेंटेशन में यह लिखा था:

|  | OpenAI | Anthropic | DeepSeek (सीधा API) |
| --- | --- | --- | --- |
| चालू कैसे | समर्थित मॉडल पर डिफ़ॉल्ट रूप से | `cache_control` फ़ील्ड से ऑप्ट-इन (ऑटोमैटिक या हर ब्लॉक पर) | सभी यूज़र के लिए डिफ़ॉल्ट रूप से |
| न्यूनतम प्रॉम्प्ट | GPT-5.6 और बाद के मॉडल पर 1,024 टोकन | मॉडल के हिसाब से 512 से 4,096 टोकन | कोई न्यूनतम नहीं बताया गया |
| कैश की अवधि | GPT-5.6 और बाद के मॉडल पर डिफ़ॉल्ट 30 मिनट; 12 घंटे का विकल्प | डिफ़ॉल्ट 5 मिनट, अतिरिक्त कीमत पर 1 घंटा | बेस्ट-एफ़र्ट; इस्तेमाल न होने पर साफ़, “a few hours to a few days” (अनुवाद: कुछ घंटों से कुछ दिनों तक) |
| राइट | GPT-5.6 और बाद के मॉडल पर इनपुट का 1.25× (30 मिनट) या 2.5× (12 घंटे) | 5 मिनट के लिए इनपुट का 1.25×, 1 घंटे के लिए 2× | राइट के किसी शुल्क का ज़िक्र नहीं |
| रीड | GPT-5.6 और बाद के मॉडल पर इनपुट का 0.1× (GPT-6.1 Sol और Terra पर 0.05×) | ज़्यादातर मॉडल पर इनपुट का 0.1×, कुछ पर कम | अलग “cache hit” कीमत |
| usage फ़ील्ड | टोकन डिटेल्स में `cached_tokens` | `cache_read_input_tokens` | `prompt_cache_hit_tokens` |

स्रोत: [OpenAI प्रॉम्प्ट कैशिंग गाइड](https://developers.openai.com/api/docs/guides/prompt-caching), [Anthropic प्रॉम्प्ट कैशिंग डॉक्यूमेंटेशन](https://platform.claude.com/docs/en/build-with-claude/prompt-caching) और [DeepSeek कॉन्टेक्स्ट कैशिंग डॉक्यूमेंटेशन](https://api-docs.deepseek.com/guides/kv_cache)। जहाँ राइट का अतिरिक्त शुल्क है, वहाँ ऐसा कैश जो लिखा जाए पर कभी पढ़ा न जाए, बिना कैश के मुक़ाबले ज़्यादा महँगा पड़ता है। कैशिंग का फ़ायदा सिर्फ़ उन्हीं प्रॉम्प्ट पर है जिन्हें आप सच में दोहराते हैं। हर मॉडल की लिस्ट कीमतों की तुलना के लिए [LLM API कीमतों की टेबल](https://broadrouter.com/hi/llm-api-pricing/) देखें।

## आपका कैश रेट किन वजहों से गिरता है?

कैश एक हूबहू प्रीफ़िक्स का मिलान करता है, इसलिए प्रॉम्प्ट की शुरुआत में कुछ भी बदला तो बाक़ी सब नया हो जाता है। आम वजहें:

-   सिस्टम प्रॉम्प्ट के ऊपरी हिस्से में टाइमस्टैम्प, अनुरोध ID या यूज़र का नाम;
-   हर कॉल पर अलग key क्रम में सीरियलाइज़ हुए टूल डेफ़िनिशन या JSON, जिससे [टोकन](https://broadrouter.com/hi/glossary/token/) बदल जाते हैं;
-   ऐसा एजेंट जो अपने इतिहास में आगे जोड़ने की जगह उसे दोबारा लिखता है या उसका सारांश बनाता है;
-   लंबे ठहराव, जिनके बाद कैश एक्सपायर हो चुका होता है।

इसका हल है परतों का एक तय क्रम (सिस्टम प्रॉम्प्ट, टूल, डॉक्यूमेंट, इतिहास, नया संदेश), जिसमें हर परत हर कॉल में बाइट-दर-बाइट एक जैसी हो। हमारी गाइड [प्रॉम्प्ट को कैसे बनाएँ ताकि प्रीफ़िक्स कैश हो](https://broadrouter.com/hi/blog/prompt-structure-for-caching/) यह लेआउट कोड में दिखाती है, साथ में एक टेस्ट जो साबित करता है कि प्रीफ़िक्स दोबारा इस्तेमाल हुआ।

## कैशिंग का महत्व कब ख़त्म हो जाता है?

फ़्लैट प्लान पर बिल टोकन पर बिल्कुल निर्भर नहीं करता। Full Moon, अनलिमिटेड DeepSeek V4.1 Flash के लिए हर सेशन $60 प्रति माह है। अगर आपका एजेंट पहले ही [ब्रेक-ईवन पॉइंट](https://broadrouter.com/hi/blog/flat-rate-vs-pay-per-token-llm-api/) पार कर चुका है, तो कैश रेट लागत की समस्या नहीं रहता। लंबे प्रॉम्प्ट पर ऊपर की आदतें फिर भी स्पीड में मदद करती हैं, इसलिए उन्हें हर हाल में बनाए रखना फ़ायदेमंद है।

## लंबे कॉन्टेक्स्ट में कैशिंग ज़्यादा अहम क्यों है?

DeepSeek V4.1 Flash और GLM 5.3 हर अनुरोध में 1,048,576 टोकन तक स्वीकार करते हैं। प्रति टोकन वाली key पर बहुत लंबे प्रॉम्प्ट को किफ़ायती कैशिंग ही बनाती है, क्योंकि [कॉन्टेक्स्ट विंडो](https://broadrouter.com/hi/glossary/context-window/) का बड़ा, दोहराया जाने वाला हिस्सा कैश्ड दर पर बिल होता है। देखें [1M टोकन की कॉन्टेक्स्ट विंडो कब फ़ायदेमंद है](https://broadrouter.com/hi/blog/million-token-context-window-guide/)।

## BroadNet Inference कहाँ फ़िट होता है

BroadNet हर उस चैट मॉडल के लिए कैश्ड इनपुट की कीमत प्रकाशित करता है जिसकी ऐसी कीमत है, और जब मॉडल कैश्ड टोकन रिपोर्ट करता है तो उन्हें usage में दिखाता है, ताकि आप तय करने से पहले अपना रेट माप सकें। वह कैश की अवधि या न्यूनतम प्रॉम्प्ट लंबाई प्रकाशित नहीं करता, इसलिए इन्हें अपने ट्रैफ़िक पर मापें। अगर आपका एजेंट पूरे दिन चलता है, तो फ़्लैट प्लान यह सवाल ही ख़त्म कर देता है।

इस विषय के मुफ़्त टूल (अंग्रेज़ी में)

-   [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.

[मुफ़्त टूल (अंग्रेज़ी में)](https://broadrouter.com/tools/)

## इस लेख के शब्द

[टोकन (token)](https://broadrouter.com/hi/glossary/token/)

टोकन टेक्स्ट की वह इकाई है जिसे लैंग्वेज मॉडल पढ़ता और लिखता है: कोई शब्द, शब्द का हिस्सा, विराम चिह्न या बाइट का क्रम, जो मॉडल का टोकनाइज़र बनाता है। LLM API इस्तेमाल को टोकन में गिनते हैं, उसी में लिमिट लगाते हैं और आम तौर पर बिल भी बनाते हैं।

[कैश्ड इनपुट टोकन (cached input tokens)](https://broadrouter.com/hi/glossary/cached-input-tokens/)

कैश्ड इनपुट टोकन वे प्रॉम्प्ट टोकन हैं जिन्हें LLM प्रोवाइडर ने हाल ही में प्रोसेस किया है और दोबारा गणना करने के बजाय कैश से फिर इस्तेमाल कर सकता है, आम तौर पर सिस्टम प्रॉम्प्ट या डॉक्यूमेंट जैसा दोहराया गया प्रीफ़िक्स। प्रोवाइडर इनका बिल नए इनपुट टोकन से कम दर पर बनाते हैं।

[इनपुट और आउटपुट टोकन (input and output tokens)](https://broadrouter.com/hi/glossary/input-and-output-tokens/)

इनपुट टोकन वे टोकन हैं जिन्हें लैंग्वेज मॉडल किसी अनुरोध में पढ़ता है, जिनमें सिस्टम प्रॉम्प्ट, बातचीत का इतिहास, टूल डेफ़िनिशन और इमेज शामिल हैं। आउटपुट टोकन वे हैं जो वह जवाब में बनाता है, रीज़निंग समेत। LLM API आम तौर पर दोनों की कीमत अलग रखते हैं, और आउटपुट आम तौर पर महँगा होता है।

[AI एजेंट (AI agent)](https://broadrouter.com/hi/glossary/agent/)

AI एजेंट ऐसा सिस्टम है जिसमें लैंग्वेज मॉडल किसी लक्ष्य की ओर अपने क़दम ख़ुद तय करता है: कौन-से टूल कॉल करने हैं, चुनता है, नतीजे पढ़ता है और अंतिम जवाब या किसी सीमा तक दोहराता रहता है। तय बिंदुओं पर मॉडल को कॉल करने वाली स्क्रिप्ट को आम तौर पर workflow कहते हैं।

[स्ट्रीमिंग (streaming)](https://broadrouter.com/hi/glossary/streaming/)

स्ट्रीमिंग, लैंग्वेज मॉडल के जवाब को अंत में एक साथ लौटाने के बजाय, बनते समय ही छोटे-छोटे टुकड़ों (chunks) में लौटाने का तरीक़ा है। OpenAI-कम्पैटिबल API, अनुरोध में stream को true सेट करने पर server-sent events से स्ट्रीम करते हैं।

[सिस्टम प्रॉम्प्ट (system prompt)](https://broadrouter.com/hi/glossary/system-prompt/)

सिस्टम प्रॉम्प्ट वह निर्देश टेक्स्ट है जो कोई ऐप्लिकेशन बातचीत से पहले लैंग्वेज मॉडल को भेजता है, आम तौर पर system या developer रोल वाले मैसेज के रूप में। यह मॉडल की भूमिका, नियम, लहजा और आउटपुट फ़ॉर्मैट तय करता है, और टकराव होने पर मॉडल को यूज़र के मैसेज के बजाय इसी का पालन करना होता है।

[कॉन्टेक्स्ट विंडो (context window)](https://broadrouter.com/hi/glossary/context-window/)

कॉन्टेक्स्ट विंडो टोकन की वह अधिकतम संख्या है जिसके साथ लैंग्वेज मॉडल एक अनुरोध में काम कर सकता है। इसमें प्रॉम्प्ट, बातचीत का इतिहास, टूल डेफ़िनिशन, इमेज और जनरेट हुआ आउटपुट, रीज़निंग टोकन समेत, सब आता है। जो इसमें न समाए, उसे काटना, सारांश बनाना या कई अनुरोधों में बाँटना पड़ता है।

[टूल कॉलिंग (tool calling)](https://broadrouter.com/hi/glossary/tool-calling/)

टूल कॉलिंग, जिसे function calling भी कहते हैं, LLM API की वह सुविधा है जिसमें मॉडल डेवलपर के तय किए किसी फ़ंक्शन को चलाने का एक स्ट्रक्चर्ड अनुरोध, JSON आर्ग्युमेंट के साथ, लौटाता है। ऐप्लिकेशन फ़ंक्शन चलाकर नतीजा वापस भेजता है; मॉडल ख़ुद कभी कोड नहीं चलाता।

## अक्सर पूछे जाने वाले सवाल

### क्या मुझे प्रॉम्प्ट कैशिंग ख़ुद चालू करनी पड़ती है?

यह प्रोवाइडर पर निर्भर है। OpenAI और DeepSeek अपने आप कैश करते हैं; Anthropic में cache\_control फ़ील्ड चाहिए। BroadNet Inference पर usage ब्लॉक देखें: जब मॉडल कैश्ड टोकन रिपोर्ट करता है, तो वे prompt\_tokens\_details.cached\_tokens में आते हैं और कैश्ड इनपुट की कीमत पर बिल होते हैं।

### कैसे पता करें कि प्रॉम्प्ट कैशिंग काम कर रही है?

हर अनुरोध पर usage माँगें और cached\_tokens को prompt\_tokens से भाग दें। अगर लंबे, दोहराए गए प्रॉम्प्ट की दूसरी कॉल पर यह दर लगभग शून्य है, तो प्रॉम्प्ट की शुरुआत में कुछ ऐसा है जो हर कॉल में बदल रहा है।

### मेरा कैश रेट कम क्यों है?

आम तौर पर इसलिए कि प्रॉम्प्ट की शुरुआत में कुछ हर कॉल पर बदलता है, जैसे टाइमस्टैम्प, अनुरोध ID या नए क्रम में लगी टूल सूची। बदलने वाली सामग्री को आख़िर में ले जाएँ।

### प्रॉम्प्ट कैशिंग और रिस्पॉन्स कैशिंग में क्या फ़र्क़ है?

प्रॉम्प्ट कैशिंग में प्रोवाइडर दोहराए गए प्रॉम्प्ट प्रीफ़िक्स पर अपना किया हुआ काम दोबारा इस्तेमाल करता है, और मॉडल फिर भी नया जवाब लिखता है। रिस्पॉन्स कैशिंग आप ख़ुद बनाते हैं: पूरे जवाब सहेजकर, एक जैसे सवालों पर मॉडल को कॉल किए बिना वही जवाब लौटाते हैं।

### क्या कैश्ड टोकन मुफ़्त होते हैं?

नहीं। वे कम दर पर बिल होते हैं, शून्य पर नहीं। DeepSeek V4.1 Flash पर कैश्ड इनपुट $0.0055 प्रति 1M टोकन है, और आउटपुट पूरी कीमत पर बिल होता है।

### क्या अनलिमिटेड प्लान पर भी कैशिंग से फ़र्क़ पड़ता है?

बिल पर नहीं, क्योंकि प्लान सेशन में कोई टोकन मीटर नहीं होता। फिर भी कई सर्विंग सिस्टम में यह लंबे प्रॉम्प्ट पर पहले टोकन तक का समय घटाता है, इसलिए वही आदतें काम आती हैं।

## आगे पढ़ें

-   [प्रॉम्प्ट को कैसे बनाएँ ताकि प्रीफ़िक्स कैश हो](https://broadrouter.com/hi/blog/prompt-structure-for-caching/)
-   [LLM API की कीमत कैसे तय होती है: इनपुट, कैश्ड, आउटपुट और रीज़निंग](https://broadrouter.com/hi/blog/llm-api-pricing-explained/)
-   [फ़्लैट रेट बनाम प्रति टोकन LLM API: ब्रेक-ईवन का हिसाब](https://broadrouter.com/hi/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [1M-टोकन कॉन्टेक्स्ट विंडो कब फ़ायदेमंद है (और कब नहीं)](https://broadrouter.com/hi/blog/million-token-context-window-guide/)
-   [LLM API रिस्पॉन्स कैश करके लागत घटाएँ: Python में एक्ज़ैक्ट-मैच कैश](https://broadrouter.com/hi/blog/cache-llm-responses-cut-cost/)
-   [अक्टूबर 2026 में LLM API कीमतों में बदलाव: 3 बढ़ोतरी, कटौती नहीं](https://broadrouter.com/hi/blog/llm-api-price-changes-october-2026/)
-   [LLM API की कीमतें कितनी बार बदलती हैं? आर्काइव पेजों के 3 साल](https://broadrouter.com/hi/blog/how-often-llm-api-prices-change/)
-   [गाइड: chat completions स्ट्रीम करें और टूटे कनेक्शन सँभालें](https://broadrouter.com/hi/guides/streaming-chat-completions/)
-   [गाइड: BroadNet Inference के साथ OpenAI Python SDK इस्तेमाल करें](https://broadrouter.com/hi/guides/openai-python-sdk/)

इसे अपने असली वर्कलोड पर आज़माएँ। नए अकाउंट Gemma और ट्रांसक्रिप्शन के लिए US$5 के क्रेडिट से शुरू होते हैं। DeepSeek, GLM, और Qwen3.8 के लिए टॉप-अप ज़रूरी है।

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

**स्रोत**

-   [BroadNet Inference API रेफ़रंस, रीज़निंग और कैश्ड टोकन (2026-11-14 को देखा गया) (अंग्रेज़ी में)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-cached-input-tokens-explained&utm_content=sources)
-   [BroadNet Inference की मशीन-रीडेबल कीमतें (pricing.json, 2026-11-14 को देखा गया) (अंग्रेज़ी में)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-blog-cached-input-tokens-explained&utm_content=sources)
-   [OpenAI प्रॉम्प्ट कैशिंग गाइड (2026-11-14 को देखा गया)](https://developers.openai.com/api/docs/guides/prompt-caching)
-   [Anthropic प्रॉम्प्ट कैशिंग डॉक्यूमेंटेशन (2026-11-14 को देखा गया)](https://platform.claude.com/docs/en/build-with-claude/prompt-caching)
-   [DeepSeek API डॉक्यूमेंटेशन, कॉन्टेक्स्ट कैशिंग (2026-11-14 को देखा गया)](https://api-docs.deepseek.com/guides/kv_cache)
