Qual taxa de acerto de cache é normal? Clientes de programação com IA, medidos
Na semana de 2026-11-03, os principais clientes de programação com IA chegaram a uma taxa de acerto de cache de 95%–98% em conversas em andamento com modelos Claude, e o Codex a cerca de 95% com GPT. Os clientes diferem pouco; se a sua for bem menor, a causa costuma ser troca de conta, pausas de mais de 5 minutos ou conversas novas.
Semana de 2026-11-03 – 2026-11-09 (UTC)
Principais conclusões
- Normal em modelos Claude: 95%–98%, mediana em conversas em andamento, 7 clientes
- Codex com GPT: 94.8%, mediana de 71 usuários
- Causa de falhas mais comum: expiração do cache, 37% das falhas de Claude Code × Claude
- Combinações publicadas: 20, cliente × modelo, cada uma com 5+ usuários qualificados
Qual taxa de acerto de cache é normal em cada cliente
A taxa de acerto na continuação conta só requisições da mesma conversa, com o mesmo modelo e a mesma conta upstream, enviadas até 5 minutos depois de a anterior terminar: o que o próprio cliente consegue. A taxa sobre todas as requisições inclui também roteamento, expiração e chats novos, e fica mais perto do que sua conta mostra.
| Cliente × modelo | Continuação | Todas | Usuários |
|---|---|---|---|
| Z Code × Claude | 98.5% (97.7%–99.0%) | 94.3% | 13 |
| Magpie × DeepSeek | 98.3% (95.6%–98.8%) | 91.4% | 7 |
| DeepSeek Harness × DeepSeek | 98.2% (96.6%–98.9%) | 94.8% | 27 |
| Magpie × Claude | 98.2% (97.0%–98.8%) | 93.6% | 25 |
| OpenCode × DeepSeek | 98.2% (92.2%–98.5%) | 97.7% | 8 |
| Claude Code × Claude | 98.1% (96.9%–98.8%) | 94.6% | 343 |
| WorkBuddy × Claude | 97.8% (96.6%–98.3%) | 88.2% | 20 |
| OpenCode × Claude | 97.6% (97.1%–98.9%) | 95.1% | 20 |
| Claude Code × DeepSeek | 97.5% (95.6%–98.8%) | 96.5% | 12 |
| DeepSeek Harness × Claude | 97.2% (93.6%–98.0%) | 92.0% | 38 |
| Codex × DeepSeek | 96.9% (95.4%–98.3%) | 97.2% | 12 |
| WorkBuddy × GPT | 96.4% (91.4%–97.4%) | 92.4% | 10 |
| DeepSeek Harness × Kimi | 96.4% (95.3%–97.4%) | 93.9% | 6 |
| Codex × GPT | 94.8% (91.2%–96.9%) | 91.8% | 71 |
| Codex × Claude | 94.7% (87.0%–97.8%) | 93.5% | 21 |
| OpenCode × GPT | 94.6% (90.8%–96.2%) | 90.8% | 11 |
| Magpie × GPT | 94.3% (91.5%–95.5%) | 87.0% | 7 |
| DeepSeek Harness × GPT | 93.9% (92.5%–96.3%) | 91.9% | 11 |
| DeepSeek Harness × Other | 90.3% (88.4%–94.2%) | 80.8% | 5 |
| Claude Code × GPT | 78.8% (78.6%–94.4%) | 77.4% | 5 |
Ainda amostrando
- OpenCode × Other: Amostragem: 4 de 5 usuários qualificados (9 usuários nesta semana)
- pi × Claude: Amostragem: 4 de 5 usuários qualificados (7 usuários nesta semana)
- Claude Code × GLM: Amostragem: 4 de 5 usuários qualificados (7 usuários nesta semana)
- Magpie × Kimi: Amostragem: 4 de 5 usuários qualificados (4 usuários nesta semana)
- WorkBuddy × Kimi: Amostragem: 3 de 5 usuários qualificados (4 usuários nesta semana)
- DeepSeek Harness × Grok: Amostragem: 3 de 5 usuários qualificados (3 usuários nesta semana)
- Claude Code × Other: Amostragem: 2 de 5 usuários qualificados (5 usuários nesta semana)
- WorkBuddy × DeepSeek: Amostragem: 2 de 5 usuários qualificados (5 usuários nesta semana)
Por que minha taxa de acerto de cache está baixa? Falhas por causa, por cliente
- Claude Code × Claude: Mais de 5 minutos ocioso, cache expirado 37%, Conteúdo novo e mudanças de prefixo em uma conversa em andamento 23%, Conversa nova ou ociosa por mais de uma hora 17%
- Codex × GPT: Conteúdo novo e mudanças de prefixo em uma conversa em andamento 57%, Roteada para outra conta ou endpoint upstream 19%, Conversa nova ou ociosa por mais de uma hora 16%
- DeepSeek Harness × Claude: Conteúdo novo e mudanças de prefixo em uma conversa em andamento 48%, Mais de 5 minutos ocioso, cache expirado 32%, Conversa nova ou ociosa por mais de uma hora 16%
- DeepSeek Harness × DeepSeek: Roteada para outra conta ou endpoint upstream 44%, Conteúdo novo e mudanças de prefixo em uma conversa em andamento 30%, Conversa nova ou ociosa por mais de uma hora 22%
Por que a taxa de acerto cai atrás de um relay
- Troca de conta: o cache pertence à conta upstream, então um turno enviado para outra conta regrava tudo. É a causa mais comum nos relays; conexões diretas nunca têm isso.
- Conversão de formato: traduzir entre os formatos da Anthropic e da OpenAI pode mudar o prefixo ou descartar os breakpoints de cache_control.
- O Claude Code anterior à v2.1.181, com base URL personalizado, colocava um token diferente a cada requisição no bloco de atribuição no início do system prompt, o que anula gateways que fazem cache pelo corpo da requisição; atualize ou defina CLAUDE_CODE_ATTRIBUTION_HEADER=0.
- Teste você mesmo: envie duas requisições com o mesmo prefixo acima do tamanho mínimo de cache; as leituras de cache da segunda devem ficar perto do tamanho do prefixo.
A Wokey roteia as requisições seguintes de uma conversa para a mesma conta upstream sempre que pode. De 2026-10-04 a 2026-10-10, usuários comuns da Wokey tiveram 92.8% de acerto no Claude Opus 5.5 sobre todas as requisições, contra 87.8% do OpenRouter no geral.
Comparar com as taxas de acerto de cache do OpenRouter · Ao vivo: API pública de taxa de acerto de cache da Wokey (últimos 7 dias)
Como medimos
- Requisições reais de usuários pelo gateway da Wokey; toda segunda-feira às 05:00 UTC calculamos a semana anterior, de segunda a domingo.
- Os clientes são identificados pelo User-Agent da requisição. Requisições de SDKs, bibliotecas HTTP e relays intermediários, cujo cliente real é desconhecido, ficam de fora, assim como as contas empresariais.
- Um turno de continuação tem o mesmo modelo e a mesma conta upstream que a requisição anterior da conversa e começa até 5 minutos depois de ela terminar. A taxa de cada usuário é leituras de cache ÷ entrada nesses turnos (a entrada inclui leituras e gravações de cache); publicamos a mediana dos usuários com pelo menos 20 turnos assim na semana.
- Uma célula é publicada com pelo menos 5 usuários qualificados; uma mudança de mais de 3 pontos em relação à semana anterior é conferida manualmente antes.
- Vieses conhecidos: só usuários da Wokey; os hábitos de uso variam muito; a taxa sobre todas as requisições inclui a perda de roteamento do próprio gateway (a causa "roteada para outra conta upstream").
Perguntas frequentes
Qual é uma taxa de acerto de cache normal?
Em conversas em andamento com modelos Claude, o usuário mediano dos principais clientes fica em 95%–98%; sobre todas as requisições, incluindo roteamento, expiração e chats novos, costuma ficar alguns pontos abaixo. Abaixo de 90%, raramente a causa é o próprio cliente.
O que significam acerto e falha de cache?
O cache de prompt guarda o início inalterado de uma requisição: system prompt, definições de ferramentas, turnos anteriores. Quando a próxima requisição começa do mesmo jeito, essa parte é lida do cache (um acerto) e cobrada por uma fração do preço de entrada; quando muda ou o cache expirou, ela é processada por completo (uma falha) e normalmente gravada no cache de novo.
Uma taxa de acerto de cache maior é melhor?
Quanto maior, melhor. A entrada em cache é cobrada a cerca de 0.1× o preço de entrada (menos em alguns modelos novos) e o primeiro token chega antes; nas assinaturas do Claude, as leituras de cache quase não contam no seu limite.
Por que minha taxa de acerto de cache está tão baixa?
As causas comuns são requisições roteadas para outra conta upstream (comum com relays), pausas de mais de 5 minutos que deixam o cache expirar, requisições em paralelo como subagentes, trocas de modelo e conversas novas. A página de cada cliente as lista pela parcela medida, com o que fazer em cada caso.
Os clientes diferem muito na taxa de acerto de cache?
Não muito. No mesmo modelo, Claude Code, pi, OpenCode e outros ficam a poucos pontos entre si em conversas em andamento. O fornecedor pesa mais: o cache da OpenAI exige que todo o prefixo seja igual, então o Codex com GPT fica alguns pontos abaixo dos clientes do Claude.
Por que os relays têm taxas de acerto de cache menores?
O cache pertence à conta upstream. Um relay que espalha uma conversa por várias contas, ou que muda o prefixo ao converter formatos, regrava o cache várias vezes. Teste enviando duas requisições com o mesmo prefixo e conferindo se a segunda lê do cache mais ou menos o tamanho do prefixo.
Uma taxa de acerto de cache baixa consome o limite do meu plano do Claude mais rápido?
Sim. Nas nossas medições dos limites dos planos do Claude, as leituras de cache quase não consomem limite, enquanto as gravações contam mais ou menos como entrada sem cache. Um contexto em cache quase não custa nada; um que falha volta a contar inteiro. Os limites de cada plano estão na página de limites de uso do Claude (/claude-usage-limits).
Como a taxa de acerto de cache é calculada?
Tokens lidos do cache ÷ tokens de entrada, onde a entrada inclui entrada sem cache, gravações e leituras de cache. No formato da Anthropic é cache_read_input_tokens; no da OpenAI, cached_tokens.
Por que Cline, Roo Code ou Cursor não estão na tabela?
Uma célula precisa de pelo menos 5 usuários com turnos de continuação suficientes na semana. As requisições do Cursor com chave própria saem dos servidores do Cursor, então o gateway não vê o cliente; requisições via SDKs e relays também não podem ser atribuídas.