Taxa de acerto de cache do Claude Code

Principais conclusões

• O que é normal: 98.1%, mediana de 343 usuários em conversas em andamento; metade central 96.9%–98.8%
• Todas as requisições: 94.6%, inclui roteamento, expiração e chats novos
• Maior causa de falhas: expiração do cache, 37% das falhas
• Entre interfaces: 1.7 pontos de diferença, CLI (terminal), App para desktop, Agente local no desktop

Qual taxa de acerto de cache é normal em cada cliente

Semana de 2026-11-03 – 2026-11-09 (UTC)

• Taxa de acerto na continuação (usuário mediano): 98.1%
• Metade central dos usuários: 96.9%–98.8%
• Usuários qualificados: 343 (pelo menos 20 turnos de continuação na semana)
• Taxa de acerto em todas as requisições: 94.6%

Taxa de acerto do Claude Code por interface

A CLI, a extensão do IDE e o app desktop de um mesmo cliente enviam requisições quase idênticas, então as taxas de acerto deveriam ser próximas.

• CLI (terminal): 98.2% (147)
• App para desktop: 98.4% (114)
• Agente local no desktop: 98.0% (78)
• Extensão do VS Code: 97.8% (50)
• Agent SDK (CLI): 96.7% (43)
• Agent SDK (TypeScript): 97.8% (16)
• t3-code: 97.9% (5)

Taxa de acerto do Claude Code por versão

Uma versão que muda o prefixo da requisição mostra uma taxa de acerto claramente menor que as outras, já na semana em que sai.

• 2.1.321: 97.6% (5)
• 2.1.319: 98.4% (77)
• 2.1.318: 98.3% (92)
• 2.1.317: 97.9% (133)
• 2.1.316: 98.4% (44)
• 2.1.314: 98.5% (25)
• 2.1.312: 98.0% (20)
• 2.1.311: 98.4% (13)
• 2.1.310: 97.4% (14)
• 2.1.309: 98.3% (98)
• 2.1.308: 98.0% (30)
• 2.1.302: 96.4% (7)
• 2.1.299: 97.6% (6)
• 2.1.296: 98.0% (8)
• 2.1.295: 97.6% (14)
• 2.1.292: 99.0% (5)
• 2.1.284: 97.0% (6)
• 2.1.280: 98.2% (11)

Mediana semanal

• 2026-09-29: 96.8% (120 usuários)
• 2026-10-06: 97.8% (220 usuários)
• 2026-10-13: 98.0% (256 usuários)
• 2026-10-20: 98.0% (250 usuários)
• 2026-10-27: 98.0% (259 usuários)
• 2026-11-03: 98.1% (343 usuários)

Por que minha taxa de acerto de cache no Claude Code está baixa? Falhas por causa

5.4% da entrada desta semana não foi lido do cache. Aqui está por causa, com o que você pode fazer em cada caso.

Mais de 5 minutos ocioso, cache expirado: 37% das falhas, cerca de 2.0% de toda a entrada

O cache dura 5 minutos por padrão e cada acerto o renova de graça. Se você costuma fazer pausas mais longas, defina CLAUDE_CODE_PROMPT_CACHE_TTL=1h (v2.1.242+); as gravações de cache passam a custar 2× o preço de entrada em vez de 1.25×.

Conteúdo novo e mudanças de prefixo em uma conversa em andamento: 23% das falhas, cerca de 1.2% de toda a entrada

O conteúdo novo de um turno só pode ser gravado, não lido. Conectar ou remover servidores MCP, ou ativar plugins que trazem servidores MCP, muda as definições de ferramentas e invalida o cache.

Conversa nova ou ociosa por mais de uma hora: 17% das falhas, cerca de 0.9% de toda a entrada

A primeira requisição de uma conversa nova, ou uma depois de uma hora ociosa, precisa gravar o cache de novo.

Troca de modelo: 12% das falhas, cerca de 0.6% de toda a entrada

Cada modelo tem seu próprio cache. Depois de /model, a próxima requisição lê todo o histórico sem acertos de cache, mesmo com o conteúdo idêntico.

Requisição em paralelo (a anterior ainda em andamento): 10% das falhas, cerca de 0.5% de toda a entrada

Subagentes e chamadas de ferramentas em paralelo enviam a próxima requisição antes de a anterior terminar. Um fork do Claude Code lê o cache da sessão pai; um subagente comum tem seu próprio system prompt e suas ferramentas e monta o próprio cache.

Roteada para outra conta ou endpoint upstream: 2% das falhas, cerca de 0.1% de toda a entrada

O cache de prompt fica na conta upstream que atendeu a requisição. Quando um relay ou um gateway com várias contas envia o turno seguinte para outra conta, todo o contexto é gravado de novo. Conexões diretas com o fornecedor nunca mostram essa causa.

Alguns pontos de taxa de acerto, várias vezes a conta

Com os preços oficiais do Claude Opus 5.5, e as falhas gravadas no cache de 5 minutos, o custo efetivo por milhão de tokens de entrada:

• Mediana desta semana, 98.1%: $0.29 (×1.0)
• 90%: $0.68 (×2.3)
• 80%: $1.16 (×4.0)
• 50%: $2.60 (×9.0)

Calcule com seus próprios números na calculadora de custos da API do Claude

TTL do cache do Claude Code: quanto dura e quanto custa

• Dura 5 minutos por padrão, e cada acerto o renova sem custo.
• Mude para 1 hora com CLAUDE_CODE_PROMPT_CACHE_TTL=1h (v2.1.242+; CLAUDE_CODE_SUBAGENT_PROMPT_CACHE_TTL para subagentes), ou com ENABLE_PROMPT_CACHING_1H=1 em versões mais antigas.
• Gravações de cache custam 1.25× o preço de entrada (5 minutos) ou 2× (1 hora); leituras costumam ser 0.1×, e 0.05× no Opus 5.5 e no Sonnet 5.5.
• Prompts abaixo do tamanho mínimo não vão para o cache, sem aviso: de 512 a 4,096 tokens, conforme o modelo.

Cache de prompt da Anthropic · Cache de prompt no Claude Code · Variáveis de ambiente do Claude Code

Como conferir sua taxa de acerto de cache no Claude Code

• Execute /usage no Claude Code: a linha Prompt cache (main) do bloco Session mostra o número de requisições, a parcela da entrada servida do cache, as falhas de cache e se o cache ainda está ativo.
• Scripts da linha de status podem ler os campos prompt_cache; o exportador do OpenTelemetry informa tokens de leitura e criação de cache por usuário e sessão.
• Pela API: cache_read_input_tokens ÷ (input_tokens + cache_read_input_tokens + cache_creation_input_tokens).
• Na Wokey, cada requisição no registro de requisições do console mostra suas leituras e gravações de cache.

Custos e uso do Claude Code

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