Blank white background with no objects or features visible.

¡Hola, EMEA! TrueFoundry está ampliando su presencia en Europa, Oriente Medio y África. Leer más →

OpenRouter prompt caching: cuándo ahorra dinero y cuándo cuesta más sigilosamente

Por Kshitij Gupta

Actualizado: noviembre 5, 2026

Published: octubre 7, 2026

TL;DR:

OpenRouter traslada el prompt caching de cada proveedor, y cada uno lo tarifica de forma distinta: lecturas desde 0.1x hasta 0.5x del precio de entrada, escrituras desde gratis hasta 2x. Por debajo de la longitud mínima de prompt de un modelo, nada se almacena en caché y nada te lo indica. En GPT-5.6 y posteriores, almacenar en caché un prompt que solo envías una vez cuesta un 25 % más que no almacenarlo.

Nuestro entorno de pruebas indicó que el prompt caching de OpenRouter funcionaba en los modelos de Anthropic. Nuestro artículo publicado unos días después decía que no. Ambos estaban equivocados.

La prueba envió un bloque largo de texto de referencia a Claude Haiku 4.5 con cache_control, exactamente donde la documentación de OpenRouter indica colocarlo. El entorno de pruebas detectó campos de caché en la respuesta y marcó la función como operativa. Cuando analizamos los números más tarde, cache_write_tokens era cero, por lo que la dimos por descartada. La respuesta había estado en la documentación todo el tiempo: Haiku 4.5 no almacena en caché prompts de menos de 4096 tokens, y el nuestro tenía unos 3600.

La mayoría de los problemas de prompt caching en OpenRouter se manifiestan de la misma manera. La solicitud se completa con éxito y la función está activa. Simplemente, la respuesta no te indica con claridad cuándo no se produjo el almacenamiento en caché o cuándo se produjo y costó más de lo que ahorró.

Qué entiende OpenRouter por prompt caching

OpenRouter utiliza el término para dos funciones que no tienen casi nada en común.

El prompt caching del proveedor pertenece al proveedor. Almacena el prefijo procesado de tu prompt para que la siguiente solicitud con el mismo prefijo omita su relectura y cobra esos tokens con descuento. El modelo se sigue ejecutando y genera una respuesta nueva. El almacenamiento en caché de respuestas pertenece a OpenRouter. Almacena la respuesta completa y la devuelve ante una solicitud idéntica, sin que el modelo llegue a ejecutarse jamás.

Los precios, límites mínimos y TTL que se muestran a continuación corresponden al prompt caching del proveedor. Si estás sopesando entre la coincidencia exacta y el almacenamiento en caché semántico de respuestas, nuestra guía sobre cuándo preguntas similares deberían compartir respuesta aborda ese tema. La caché de respuestas de OpenRouter tiene su propia sección cerca del final.

Nueve proveedores, nueve estructuras de precios

OpenRouter traslada los precios de caché de cada proveedor sin margen adicional por token. Sus tarifas se aplican en la compra de créditos, lo que se detalla en nuestro desglose de precios de OpenRouter. Los multiplicadores a continuación son relativos al precio de entrada normal del modelo.

ProveedorCómo se activaLectura de cachéEscritura de cachéPrompt mínimo
Anthropiccache_control, nivel superior (automático) o por bloque (hasta 4)0.1x1.25x durante 5 minutos, 2x durante 1 horaDe 1024 a 4096 tokens, según el modelo
OpenAIautomático; puntos de interrupción explícitos en GPT-5.6 y posteriores0.25x o 0.5x, según el modelogratis antes de GPT-5.6, 1.25x a partir de GPT-5.61024 tokens
Google Geminiimplícito en 2.5 y posteriores, o cache_control explícito0.25ximplícito gratis; precio de entrada más 5 minutos de almacenamiento explícito1024 en 2.5 Flash, 4096 en 2.5 Pro
DeepSeekautomático0.1x1xno figura
Alibaba Qwensolo cache_control explícito0.1x1.25xno figura
Grokautomático0.25xgratisno figura
Moonshot AIautomático0.25xgratisno figura
Groqautomático, solo modelos Kimi K20.5xgratisno figura
Z.AIautomáticoaprox. 0.2xgratis por ahorano figura
Figura 1: precios de lectura y escritura de caché por proveedor, como múltiplos del precio de entrada normal.

Las lecturas van desde una décima parte del precio de entrada hasta la mitad, y las escrituras varían desde ser gratuitas hasta el doble. Cinco de los nueve proveedores no incluyen una longitud mínima de prompt en la documentación de OpenRouter. Además, con los fallbacks de modelos o el Auto Router, una solicitud puede terminar en una fila diferente a la anterior, con una caché fría.

Toma el control de tu tráfico de LLM
Enruta modelos, aplica presupuestos y supervisa cada solicitud desde tu propia infraestructura.

La regla del punto de equilibrio

El hecho de que el almacenamiento en caché ahorre dinero depende de cuántas veces se envíe el mismo prefijo mientras la caché siga caliente. Utilizando los multiplicadores anteriores y contando solo la parte del prompt almacenada en caché:

  • La caché de 5 minutos de Anthropic cuesta 1.25x en el primer envío y 0.1x en cada reutilización. Dos envíos cuestan 1.35x frente a 2x sin caché, por lo que resulta rentable desde la primera reutilización.
  • La caché de 1 hora de Anthropic cuesta 2x en el primer envío. Dos envíos cuestan 2.1x, ligeramente peor que no usar caché. Tres envíos cuestan 2.2x frente a 3x. Resulta rentable a partir de la segunda reutilización.
  • OpenAI en GPT-5.6, con lecturas a 0.5x, cuesta 1.75x para dos envíos frente a 2x. Resulta rentable desde la primera reutilización y supone una pérdida del 25 % si no hay ninguna reutilización.
  • DeepSeek, y cualquier proveedor con escrituras gratuitas, siempre salen a cuenta. El primer envío cuesta lo mismo que habría costado de todos modos.

El resto de cada solicitud —la pregunta del usuario y todo lo posterior al último bloque almacenado en caché— se factura igual en ambos casos, por lo que estas proporciones se aplican únicamente al prefijo.

Figura 2: punto en el que cada opción de caché cruza la línea de no almacenamiento en caché.

Cuándo el almacenamiento en caché cuesta más de lo que ahorra

Para la mayor parte de la tabla, la escritura en caché es gratuita o casi gratuita, por lo que almacenar en caché es una opción sin coste adicional. GPT-5.6 cambió eso para OpenAI. A partir de esa familia, las escrituras en caché se facturan a 1.25x el precio de entrada también en el almacenamiento automático, y este último está activo tanto si lo solicitaste como si no. Cualquier prompt de 1024 tokens o más que envíes una sola vez paga la escritura y nunca compensa con la lectura.

Consideremos un prompt de 2000 tokens enviado una sola vez. Sin almacenamiento en caché, se factura como 2000 tokens de entrada. Con el almacenamiento en caché activo, pagas casi lo mismo que costaría un prompt de 2500 tokens. En un proceso nocturno que resume un millón de documentos únicos y largos, donde el documento va al principio y nada al inicio se repite jamás, eso supone un recargo del 25 % en la mayor parte de tu entrada.

La solución se aplica en sentido inverso. Establece prompt_cache_options.mode en "explicit" y no marques ningún bloque de contenido con prompt_cache_breakpoint. El modo explícito desactiva los puntos de interrupción automáticos de OpenAI, y al no haber puntos explícitos no hay prefijo almacenable, por lo que no se escribe nada. cache_write_tokens vuelve a dar cero, siendo este el único lugar de esta publicación donde un cero significa exactamente lo que deseas.

Cuándo resulta rentable: un ejemplo práctico

Veamos ahora la otra cara. Claude Sonnet 4.6 con un prompt de sistema de 5000 tokens y 100 solicitudes a lo largo de una jornada laboral, distribuidas en 20 ráfagas de cinco, separadas entre sí por unos 20 minutos. Contando únicamente el prompt de sistema, en tokens facturados al precio de entrada normal:

ConfiguraciónQué se facturaTotal
Sin almacenamiento en caché100 solicitudes de 5000500 000
Caché de 5 minutospor ráfaga, una escritura de 6250 y cuatro lecturas de 500, multiplicado por 20165 000
Caché de 1 horauna escritura de 10 000, luego 99 lecturas de 50059 500

La caché de 5 minutos ahorra dos tercios. La caché de 1 hora ahorra un 88 %, porque un intervalo de 20 minutos invalida la caché corta cada vez y nunca alcanza a la larga. Anthropic renueva la duración de la caché cada vez que se lee, por lo que la entrada de 1 hora se mantiene caliente durante todo el día.

Si cambias el patrón de tráfico, la respuesta cambia. Si esas 100 solicitudes llegaran de forma uniforme, una cada cuatro minutos aproximadamente, la caché de 5 minutos tampoco expiraría nunca, y la opción de 1 hora implicaría pagar 10 000 por una escritura que la caché corta gestiona por 6250. Elige el TTL en función de los intervalos entre tus solicitudes, no de la cantidad total que envías.

Los límites mínimos de tokens fallan de forma silenciosa

Cada proveedor establece una longitud mínima de prompt por debajo de la cual nada se almacena en caché. En el caso de Claude, según la documentación de OpenRouter:

  • 4096 tokens: Opus 4.5, 4.6, 4.7 y 4.8, y Haiku 4.5
  • 2048 tokens: Haiku 3.5
  • 1024 tokens: Sonnet 4, 4.5 y 4.6, y Opus 4 y 4.1

El límite mínimo de OpenAI es de 1024. El de Gemini es de 1024 en 2.5 Flash y de 4096 en 2.5 Pro. Por debajo del límite mínimo, la solicitud se procesa con éxito, se factura al precio de entrada completo y devuelve sus campos de caché a cero. Sin errores, sin advertencias.

Hay dos consecuencias de esto que resultan fáciles de pasar por alto.

Los modelos más recientes tienen límites mínimos más altos. Un prompt de sistema de 3000 tokens se almacena en caché en Sonnet 4.6 y deja de almacenarse el día que lo migras a Opus 4.7, sin cambios de código y sin nada en la respuesta que te lo indique. Migrar de Haiku 3.5 a Haiku 4.5 produce el mismo efecto para cualquier valor entre 2048 y 4096 tokens. Una actualización de modelo es un cambio en el almacenamiento en caché, por lo que debes verificar tu tasa de aciertos de caché después de realizarla.

Además, no puedes verificar el almacenamiento en caché buscando campos de caché. Eso fue lo que afectó a nuestra propia prueba. OpenRouter devuelve cached_tokens y cache_write_tokens en las respuestas de todos los proveedores, incluidos aquellos donde el almacenamiento en caché no es nativo, por lo que la presencia de esos campos no prueba nada. Los ceros tampoco prueban mucho: significan que se ignoró el marcador o que el prompt estaba por debajo del límite mínimo; en Haiku 4.5 con 3600 tokens, la causa era el límite mínimo.

Una prueba que sí aporta información útil:

  1. Utiliza un prompt holgadamente superior al límite mínimo de ese modelo específico. El recuento de tokens varía según el tokenizer, así que deja un margen.
  2. Envíalo dos veces seguidas en rápida sucesión.
  3. En proveedores que cobran por las escrituras, se espera un valor de cache_write_tokens superior a cero en la primera llamada, y de cached_tokens superior a cero en la segunda.
  4. Lee cache_discount en el cuerpo de la respuesta. Es negativo en una escritura de Anthropic y positivo en una lectura.

Los TTL no se conservan tras el enrutamiento

OpenRouter traduce los marcadores de caché entre proveedores, lo cual resulta útil. Un bloque de texto con cache_control al estilo de Anthropic se convierte en un prompt_cache_breakpoint cuando se enruta a un modelo GPT-5.6, y un prompt_cache_breakpoint pasa a ser un cache_control predeterminado en Anthropic o Google.

El TTL no se conserva en esta traducción. Un ttl en cache_control se descarta de camino a OpenAI. prompt_cache_options, donde reside el TTL de OpenAI, solo se aplica a OpenAI. prompt_cache_breakpoint no tiene campo de TTL, por lo que aquello en lo que se transforme en el lado de Anthropic adoptará el valor predeterminado de 5 minutos.

La duración de almacenamiento también se comporta de forma distinta una vez configurada. La de Anthropic se renueva con cada lectura. La caché explícita de Gemini dura cinco minutos desde la escritura y no se renueva. La caché implícita de Gemini está documentada con una duración media de tres a cinco minutos, variable. De este modo, un mismo cuerpo de solicitud que pida una hora puede recibir una hora, cinco minutos fijos o lo que aplique OpenAI, según dónde termine procesándose. La Responses API añade una limitación adicional: no expone el cache_control por bloque de Anthropic, por lo que debes usar Chat Completions o el endpoint Messages si necesitas un TTL en un bloque específico.

Sticky routing y cuándo prima una fijación

Una caché solo resulta útil si la siguiente solicitud llega al proveedor que la conserva. OpenRouter gestiona esto mediante el enrutamiento persistente por proveedor (sticky routing): tras una solicitud que utiliza almacenamiento en caché, las solicitudes posteriores para el mismo modelo se dirigen al mismo endpoint del proveedor.

La persistencia se rastrea por cuenta, por modelo y por conversación, identificándose esta última mediante el hash de tu primer mensaje de sistema y tu primer mensaje que no sea de sistema. Expira tras 10 minutos sin recibir solicitudes.

Los agentes suelen romper este comportamiento predeterminado, ya que sus mensajes iniciales cambian entre turnos. Si pasas un session_id en el cuerpo o un encabezado x-session-id, OpenRouter lo utilizará como clave de persistencia, comenzando desde la primera solicitud correcta en lugar de esperar a un acierto de caché. prompt_cache_key de OpenAI funciona como clave de fallback si ya lo estabas enviando.

Establecer provider.order desactiva el sticky routing y tu lista pasa a tener prioridad. Mientras tu primera opción funcione correctamente esto apenas tiene impacto, ya que una fijación te mantiene en un solo proveedor de todos modos. La diferencia se nota tras una conmutación por error (failover), cuando el sticky routing seguiría al proveedor que te atendió y una fijación volvería a empezar desde el principio de tu lista. La fijación sigue siendo la opción adecuada cuando necesitas una capacidad predecible, como argumentamos en nuestra publicación sobre los límites de tasa de OpenRouter. El Auto Router presenta un comportamiento similar: si el modelo que seleccionó deja de estar entre las opciones candidatas en un turno posterior, la caché se pierde con él.

La caché de respuestas propia de OpenRouter

Al margen de todo lo anterior, OpenRouter almacenará en caché respuestas completas si envías X-OpenRouter-Cache: true. Un acierto de caché devuelve la respuesta almacenada sin llamar al proveedor, no factura nada y no se descuenta de los límites de tasa del proveedor.

Lo medimos a lo largo de tres ejecuciones de 100 re-solicitudes idénticas cada una, en GPT-4o mini y Claude Haiku 4.5. Cada re-solicitud fue un acierto. La latencia mediana fue de 2867 ms en un fallo de caché y de 59 ms en un acierto; además, los aciertos en Haiku fueron más rápidos (39 ms frente a los 64-69 ms de GPT-4o mini). En la ejecución facturada a créditos, 100 fallos costaron 0.0174 $ y 100 aciertos no tuvieron coste.

Las entradas se indexan según la clave API más el modelo, el tipo de endpoint, el modo de transmisión (streaming) y el cuerpo completo de la solicitud; por tanto, los servicios con claves separadas no comparten nada y cualquier cambio de parámetro provoca un fallo de caché. Nuestra prueba de TTL, con una muestra por intervalo, detectó que las entradas continuaban activas a los 120 segundos y habían desaparecido a los 300. No existe un TTL publicado, ni coincidencia semántica, ni un proceso de purga documentado. Permite absorber reintentos y envíos duplicados. Una repetición a la hora dará un fallo de caché.

Cómo gestiona TrueFoundry el almacenamiento en caché

Nuestro gateway almacena en caché en la capa de respuesta mediante dos modos. La coincidencia exacta devuelve una respuesta almacenada ante una solicitud idéntica. El modo semántico genera un embedding del último mensaje y devuelve una respuesta almacenada cuando una solicitud anterior era suficientemente cercana, atendiendo también los aciertos por coincidencia exacta, de modo que solo ejecutas un modo y no ambos. Se activa mediante un encabezado de solicitud, cuenta con el soporte de Redis y se combina con el prompt caching del proveedor: en caso de un fallo en el gateway, el almacenamiento en caché de prefijo del propio proveedor se sigue aplicando.

En la versión SaaS, el modelo de embeddings es text-embedding-3-small con 1536 dimensiones y no es configurable; en instalaciones on-premise se selecciona para todo el gateway. La coincidencia semántica presenta un modo de fallo que no existe en la coincidencia exacta. Nuestra guía de almacenamiento en caché semántico comienza con este caso: dos clientes consultan sobre su entrega con pocos minutos de diferencia, las preguntas se convierten en un vector casi idéntico y el segundo cliente recibe una respuesta sobre el pedido del primero. Esto es un fallo de aislamiento (scope bug). Ajustar el umbral de similitud modifica la frecuencia con la que ocurre, pero no detiene una caché compartida entre distintos clientes.

La búsqueda en caché añade aproximadamente de 3 a 4 ms, y el gateway gestiona más de 350 RPS en una sola vCPU.

Una lista de comprobación rápida

  • Verifica la longitud mínima del prompt para el modelo exacto al que estás llamando y vuelve a verificarla tras cada actualización de modelo.
  • Coloca el contenido estable al principio y lo específico de cada solicitud al final, para que el prefijo se repita efectivamente.
  • En GPT-5.6 y posteriores, desactiva el almacenamiento en caché para los prompts que solo vayas a enviar una vez.
  • Selecciona el TTL en función de los intervalos entre solicitudes: 5 minutos para tráfico constante, 1 hora para ráfagas separadas por más de cinco minutos.
  • Envía un session_id en las sesiones de agentes para que el enrutamiento se mantenga en el proveedor que conserva tu caché.
  • Verifica el almacenamiento en caché comprobando que cached_tokens sea mayor que cero, nunca por la mera presencia del campo.
Probar TrueFoundry AI Gateway
Conecta tus modelos y empieza a gestionar el tráfico de LLM a través de una sola API.

Lecturas relacionadas

Conclusión

El prompt caching de OpenRouter funciona y la documentación es más clara en este punto que en muchas de las funciones secundarias. Aun así, te encuentras con nueve esquemas de precios, límites mínimos que aumentan en los modelos más recientes, duraciones que cambian durante la traducción y una respuesta con idéntico aspecto tanto si el almacenamiento en caché se ha producido como si no. Comprueba el límite mínimo, coloca el texto estable al principio y realiza la verificación con métricas cuantitativas en lugar de guiarte solo por la presencia de campos.

Para configurar el almacenamiento en caché una sola vez para todos los proveedores, con coincidencia semántica sumada a la caché de prefijo propia del proveedor, consulta cómo gestiona el almacenamiento en caché TrueFoundry AI Gateway.

Try now.

One gateway for all your models, MCP servers, and agents. No credit card needed.

Inscríbase
Tabla de contenido

Controle, implemente y rastree la IA en su propia infraestructura

Reserva 30 minutos con nuestro Experto en IA

Reserve una demostración

La forma más rápida de crear, gobernar y escalar su IA

Demo del libro
Summarize with
ChatGPT logo by OpenAI
Perplexity AI logo
Blurry red snowflake on white background, symmetrical frosty design with soft edges and abstract shape.

Descubra más

No se ha encontrado ningún artículo.
noviembre 21, 2026
|
5 minutos de lectura

Identidad de agente de IA con Microsoft Entra Agent ID: emisión y gobernanza de identidades de agentes

No se ha encontrado ningún artículo.
noviembre 21, 2026
|
5 minutos de lectura

agentgateway frente a Vercel AI Gateway: ¿gateway para agentes autohospedado o enrutador de modelos gestionado?

No se ha encontrado ningún artículo.
noviembre 21, 2026
|
5 minutos de lectura

Identidad del agente y delegación On-Behalf-Of (OBO): ¿Quién está llamando realmente a tus herramientas?

No se ha encontrado ningún artículo.
noviembre 21, 2026
|
5 minutos de lectura

Habilidades de agentes para Linear MCP: benchmark de precisión del 62 % al 90 %

No se ha encontrado ningún artículo.
No se ha encontrado ningún artículo.

Blogs recientes

Black left pointing arrow symbol on white background, directional indicator.
Black left pointing arrow symbol on white background, directional indicator.

Preguntas frecuentes

What is OpenRouter prompt caching?

It's OpenRouter passing through each provider's prompt caching, where a repeated prompt prefix is stored and billed at a discount on later requests. Some providers cache automatically, while Anthropic and Alibaba need cache_control markers on the content you want cached. Prices differ by provider, from free writes and 0.1x reads to 2x writes on Anthropic's 1-hour cache.

Does cache_control work through OpenRouter?

Yes, as long as the prompt clears the model's minimum length. Claude Haiku 4.5 and Opus 4.5 and later need 4,096 tokens, and Sonnet 4.x needs 1,024. Below that floor the request succeeds at full price with cache fields at zero, which looks exactly like the marker being ignored.

Why did my bill go up after turning on caching?

Most likely you're paying for cache writes on prompts that never get reused. GPT-5.6 and later bill writes at 1.25x even under automatic caching, and Anthropic's 1-hour cache bills writes at 2x. If the prefix doesn't repeat while the cache is warm, you pay for the write and never get the discount.

¿Puedo desplegar TrueFoundry en mi propia VPC o en on-prem?

Sí. TrueFoundry se ejecuta en su VPC, on-prem, en entornos air-gapped o híbridos, de modo que los prompts y las respuestas nunca salen de su dominio, incluso cuando enruta entre muchos proveedores.

Realice un recorrido rápido por el producto
Comience el recorrido por el producto
Visita guiada por el producto