Mit Prompt Caching Kosten sparen:
bis zu 90 % bei Claude

Wer bei Claude mit Prompt Caching Kosten sparen will, zahlt für dieselben Eingabe-Token nur noch ein Zehntel, beim neuen Claude Fable 5.1 sogar nur noch ein Vierzigstel. Genau das steckt hinter den fünf Preisspalten, die Anthropic in seiner API-Preistabelle für jedes Modell ausweist. Neben dem Basis-Input-Preis stehen dort zwei Spalten für Cache-Schreibvorgänge, eine für Cache-Treffer und eine für Output. Dieser Ratgeber erklärt, was jede Spalte kostet, ab wann sich das Schreiben in den Cache rechnet und welche Handgriffe den Cache zerstören. Er beantwortet auch, was Abonnenten von Pro und Max davon haben, obwohl sie nie eine Rechnung pro Token sehen.

Der Anlass ist die Preissenkung vom 1. September 2026. Mit Fable 5.1 hat Anthropic den Preis für Cache-Treffer von 1 auf 0,25 US-Dollar je Million Token gesenkt, ein Minus von 75 Prozent, wie unser Bericht zum Start von Claude Fable 5.1 zeigt. Die Grundpreise für Eingabe und Ausgabe blieben unverändert. Anthropic setzt damit den Hebel genau dort an, wo bei Agenten und Coding-Sitzungen der größte Teil der Token anfällt.

Fünf Preise für denselben Token

Ein Eingabe-Token kostet bei Anthropic je nach Verarbeitungsweg zwischen 2,5 und 200 Prozent des Listenpreises. Die offizielle Preistabelle von Anthropic führt dafür fünf Spalten. Die Spalte Basis-Input-Token ist der normale Preis für Text, den das Modell frisch verarbeitet. Die Spalten 5m Cache-Schreibvorgänge und 1h Cache-Schreibvorgänge gelten, wenn ein Textabschnitt erstmals in den Zwischenspeicher geschrieben wird, wahlweise mit fünf Minuten oder einer Stunde Haltbarkeit. Die Spalte Cache-Treffer und -Aktualisierungen ist der Preis, wenn ein späterer Aufruf denselben Abschnitt aus dem Speicher liest. Output-Token sind die Antwort des Modells.

Hinter den Spalten stecken feste Faktoren. Das Schreiben in den 5-Minuten-Cache kostet das 1,25-Fache des Basispreises, das Schreiben in den 1-Stunden-Cache das Doppelte. Ein Treffer kostet ein Zehntel, bei Fable 5.1 und Mythos 5.1 laut Fußnote der Preistabelle das 0,025-Fache, bei Opus 5.5 das 0,05-Fache. Seit dem 7. Oktober 2026 gilt das 0,05-Fache auch für Sonnet 5.5 (Cache-Lesen 0,10 statt 0,20 US-Dollar), und Claude Haiku 5.5 liest aus dem Cache für 0,01 US-Dollar je Million Token. Bei Claude Opus 5 sind das 5,00 US-Dollar Basis-Input, 6,25 US-Dollar für den 5-Minuten-Schreibvorgang, 10,00 US-Dollar für die Stunde und 0,50 US-Dollar je Treffer, jeweils pro Million Token. Claude Opus 5.5 liegt bei 4,00, 5,00, 8,00 und 0,20 US-Dollar, Claude Fable 5.1 bei 10,00, 12,50, 20,00 und 0,25 US-Dollar, Claude Sonnet 5.5 und Sonnet 5 bei 2,00, 2,50, 4,00 und 0,20 US-Dollar. Jeder Treffer verlängert die Haltbarkeit des Eintrags um die volle Laufzeit, und diese Auffrischung kostet laut Anthropic nichts extra. Deshalb heißt die Spalte „Cache-Treffer und -Aktualisierungen“ und nicht nur „Cache-Treffer“.

Wie viel das in der Praxis ausmacht, hat Anthropic bei der Einführung des Verfahrens im August 2024 vorgerechnet. In der Ankündigung des Prompt Caching nennt das Unternehmen bis zu 90 Prozent weniger Kosten und bis zu 85 Prozent weniger Wartezeit bei langen Prompts. Das Beispiel eines Chats mit einem ganzen Buch im Kontext (100.000 Token) fiel demnach von 11,5 auf 2,4 Sekunden Antwortzeit bei 90 Prozent weniger Kosten. Ein Gespräch über zehn Runden sparte 53 Prozent.

So arbeitet der Cache: Präfix, Breakpoints, Mindestlänge

Der Cache greift nur, wenn eine neue Anfrage exakt so beginnt wie eine kurz zuvor verarbeitete. Ein Sprachmodell liest jeden Prompt von vorn nach hinten, und jeder Verarbeitungsschritt hängt von allem davor ab. Anthropic speichert deshalb nicht die Antwort, sondern den internen Rechenzustand bis zu einer markierten Stelle im Prompt. Diese Stelle heißt Cache-Breakpoint. Weicht auch nur ein Zeichen vor dem Breakpoint ab, ist der gespeicherte Zustand wertlos und das Modell rechnet alles neu. Die Grundlagen dazu erklärt unser Glossareintrag zum Prompt-Caching, hier geht es um die konkreten Regeln der Anthropic-Schnittstelle.

Laut der Prompt-Caching-Dokumentation von Anthropic verarbeitet die API eine Anfrage immer in der Reihenfolge Werkzeug-Definitionen, System-Prompt, Nachrichten. Alles, was sich selten ändert, gehört nach vorn. Ein Zeitstempel oder eine Kundennummer am Anfang des System-Prompts macht jeden Treffer unmöglich, ohne dass ein Fehler erscheint. Entwickler dürfen bis zu vier Breakpoints setzen. Seit Februar 2026 reicht auch ein einziges Feld cache_control auf oberster Ebene der Anfrage, dann setzt Anthropic den Breakpoint selbst hinter den letzten cachefähigen Block. Bei jedem Breakpoint prüft das System zusätzlich bis zu 20 Positionen rückwärts, ob ein früherer Teil des Prompts noch im Speicher liegt. So bleibt der Cache auch dann nutzbar, wenn eine Unterhaltung hinten weiterwächst.

So sieht eine Anfrage mit einem manuell gesetzten Breakpoint auf dem System-Prompt aus. Der Zusatz „ttl“ wählt die einstündige Haltbarkeit, ohne ihn gelten fünf Minuten.

{
  "model": "claude-opus-5",
  "max_tokens": 1024,
  "system": [
    {
      "type": "text",
      "text": "Hier steht die lange, unveränderliche Anleitung oder das Dokument.",
      "cache_control": { "type": "ephemeral", "ttl": "1h" }
    }
  ],
  "messages": [
    { "role": "user", "content": "Hier steht die wechselnde Frage des Nutzers." }
  ]
}

Kurze Prompts landen nie im Cache. Jedes Modell hat eine Mindestlänge, unterhalb derer die API die Markierung stillschweigend ignoriert. Die Anfrage läuft dann normal durch und wird voll berechnet, ohne Fehlermeldung. Die aktuellen Spitzenmodelle haben die niedrigste Schwelle, das kleine Haiku-Modell die höchste.

Die Haltbarkeit beginnt mit dem Start der Anfrage, nicht mit dem Ende der Antwort. Streamt ein Modell vier Minuten lang eine lange Ausgabe, bleibt für die Folgeanfrage im 5-Minuten-Cache nur noch rund eine Minute. Wer beide Laufzeiten in einer Anfrage mischt, muss die 1-Stunden-Einträge vor den 5-Minuten-Einträgen platzieren. Und bei parallelen Anfragen steht ein Eintrag erst zur Verfügung, wenn die erste Antwort zu laufen begonnen hat. Wer gleichzeitig zehn Anfragen mit demselben Dokument abschickt, schreibt den Cache zehnmal statt einmal.

Ab dem zweiten Aufruf können Sie mit Prompt Caching Kosten sparen

Der 5-Minuten-Cache lohnt sich laut Anthropic bereits nach einem einzigen Lesevorgang, der 1-Stunden-Cache nach zwei. Der Grund steckt in den Faktoren. Wer 10.000 Token mit Claude Opus 5 einmal in den 5-Minuten-Cache schreibt, zahlt 6,25 statt 5 US-Cent, also 1,25 Cent Aufschlag. Jeder Treffer danach kostet 0,5 statt 5 Cent und spart 4,5 Cent. Schon der erste Treffer holt den Aufschlag mehr als dreifach herein. Beim 1-Stunden-Cache liegt der Aufschlag bei 5 Cent, den zwei Treffer ausgleichen.

Die 1-Stunden-Variante gewinnt erst, wenn zwischen zwei Aufrufen regelmäßig mehr als fünf Minuten liegen. Dann verfällt der billige 5-Minuten-Cache, und jeder Neuaufbau kostet den vollen Schreibpreis. Anthropic empfiehlt die längere Laufzeit deshalb ausdrücklich für die Batch API, bei der Anfragen asynchron und mit Verzögerung verarbeitet werden. Die Rabatte lassen sich dabei stapeln. Der Batch-Rabatt von 50 Prozent und der Cache-Rabatt gelten laut Anthropics Dokumentation zur Batch-Verarbeitung gleichzeitig, allerdings arbeitet der Cache in Batches nur nach bestem Bemühen mit Trefferquoten zwischen 30 und 98 Prozent.

Ein zweiter Vorteil betrifft die Ratenbegrenzung. Gelesene Cache-Token zählen laut Anthropics Regeln zu den Rate Limits bei fast allen Modellen nicht auf das Limit für Eingabe-Token pro Minute. Wer zwei Millionen Token pro Minute freigeschaltet hat und 80 Prozent seiner Eingaben aus dem Cache liest, kann effektiv zehn Millionen Token pro Minute verarbeiten. Das unterscheidet Anthropic von Anbietern, die gecachte und ungecachte Token in einem gemeinsamen Limit zusammenrechnen. Was ein Nutzungslimit bei den API-Anbietern genau begrenzt, erklärt unser Glossar.

Gilt das auch in der Claude-App und im Abo?

Ja, aber Abonnenten sehen den Effekt nicht auf einer Rechnung, sondern am Nutzungslimit. Prompt Caching ist eine Funktion der API. Für Claude Code dokumentiert Anthropic, dass der Cache in der eigenen Infrastruktur liegt und über dieselbe API läuft wie bei externen Entwicklern. Für claude.ai und die Desktop-App für Windows und Mac beschreibt Anthropic die Technik nicht, bestätigt aber auf seinen Hilfeseiten, dass Inhalte zwischengespeichert werden. Einen Schalter gibt es in keiner der Apps, Anthropic steuert das Caching dort selbst. Der Nutzen kommt trotzdem an. Anthropics Ingenieur Thariq Shihipar schreibt in einem Engineering-Beitrag über Prompt Caching in Claude Code, eine hohe Trefferquote senke die Kosten und erlaube großzügigere Limits für die Abos. Das Team überwache die Trefferquote mit Alarmen und stufe Einbrüche als Störfall (SEV) ein.

Schon ein paar Prozentpunkte mehr Cache-Fehltreffer können Kosten und Antwortzeit drastisch verändern.

Thariq Shihipar, Claude-Code-Team bei Anthropic, im Engineering-Blog vom 30. April 2026 (übersetzt)

Für die Chat-App gibt es eine offizielle Aussage zu den Limits. In den Empfehlungen von Anthropic zum Umgang mit dem Nutzungslimit heißt es, Inhalte in Projekten würden zwischengespeichert und zählten bei Wiederverwendung nicht gegen das Limit. Bei jedem Zugriff auf hochgeladene Projektdokumente zählten nur die neuen, nicht gecachten Anteile. Häufig genutzte, ähnliche Prompts würden teilweise gecacht. Wer also in der Desktop-App regelmäßig mit denselben Dokumenten arbeitet, fährt mit einem Projekt günstiger als mit dem Anhängen der Dateien an jede neue Unterhaltung. Ob die Ersparnis am Monatsende ankommt, hängt davon ab, ob die Zahl der Anfragen gleich bleibt. Sonst greift das Jevons-Paradoxon, und der niedrigere Preis führt schlicht zu mehr Nutzung. Einen veröffentlichten Umrechnungsfaktor, wie stark ein Cache-Treffer im Vergleich zu einem frischen Token auf das Limit zählt, gibt es nicht. Anthropic nennt als Einflussgrößen nur Länge und Komplexität der Unterhaltung, genutzte Funktionen, Modell und Effort-Stufe.

Für Claude Code ist die Dokumentation deutlicher. Laut der Anleitung zum Prompt Caching in Claude Code schickt das Werkzeug bei jedem Arbeitsschritt die komplette bisherige Unterhaltung erneut an das Modell und liest den unveränderten Anfang zum Cache-Preis. Im Abo bekommt die Hauptunterhaltung dabei den 1-Stunden-Cache, solange das Kontingent des Tarifs reicht. Sobald ein Nutzer sein Limit überschritten hat und Nutzungsguthaben (Usage Credits) verbraucht, schaltet Claude Code auf die günstigeren 5-Minuten-Schreibvorgänge um, weil dann jeder Token einzeln abgerechnet wird. Subagenten, Kompaktierung und Sitzungstitel laufen standardmäßig mit fünf Minuten, auch im Abo. Wer einen API-Schlüssel nutzt, bekommt ebenfalls fünf Minuten. Beides lässt sich selbst umstellen.

{
  "promptCacheTtl": "1h",
  "subagentPromptCacheTtl": "1h"
}

Beide Einstellungen gelten ab Claude Code Version 2.1.242 und liegen in der Datei settings.json im Ordner .claude. Die erste Zeile betrifft die Hauptunterhaltung. Für Abonnenten innerhalb ihres Kontingents ändert sie nichts, dort ist die Stunde Standard; sie hilft API-Kunden und allen, die mit Nutzungsguthaben weiterarbeiten. Die zweite Zeile hebt Subagenten und Kompaktierung auf eine Stunde, was auch im Abo einen Unterschied macht. Ob die Stunde greift, zeigt der Befehl /usage ab Version 2.1.251 in der Zeile „Prompt cache (main)“. Dort stehen auch die Trefferquote der Sitzung, die Zahl der Fehltreffer und der Hinweis, ob der Cache gerade warm oder kalt ist.

Wie teuer Fehltreffer für Abonnenten werden, zeigte der Frühling 2026. Im offiziellen Fehlerbericht von Anthropic vom 23. April 2026 räumt das Unternehmen ein, dass ein Fehler in Claude Code zwischen dem 26. März und dem 10. April in jeder Runde Denk-Blöcke aus dem Verlauf entfernte. Jede Runde erzeugte dadurch einen Cache-Fehltreffer, und genau das habe die Berichte über ungewöhnlich schnell aufgebrauchte Nutzungslimits ausgelöst. Anthropic setzte daraufhin die Limits aller Abonnenten zurück. Ein Cache-Fehltreffer verbraucht das Kontingent also messbar schneller als ein Treffer, auch wenn Anthropic den Faktor nicht beziffert.

Eine Frage bleibt für Max-Abonnenten offen. Sie dürfen laut Anthropics Hilfeseite zu den Fable-Modellen im Abo bis zu 50 Prozent ihres Wochenlimits für Fable 5 und Fable 5.1 verwenden, danach geht es nur mit Guthaben oder einem anderen Modell weiter. Fable-Modelle verbrauchten das Kontingent schneller als andere Modelle, schreibt Anthropic dort. Ob der um 75 Prozent billigere Cache-Treffer von Fable 5.1 diese Verbrauchsrate im Abo senkt, sagt die Hilfeseite nicht. Die API-Preise legen es nahe, eine offizielle Bestätigung für das Abo fehlt bislang.

Neun Handgriffe, mit denen der Cache warm bleibt

Die teuerste Aktion in einer Claude-Code-Sitzung ist der Neuaufbau eines großen Kontexts, und fast alle Auslöser lassen sich vermeiden. Die folgende Liste stammt aus der Claude-Code-Dokumentation und ergänzt die allgemeinen Sparregeln, die wir im Artikel Claude Code Token sparen beschrieben haben. Hier geht es nur um den Cache.

1. Modell und Effort-Stufe am Anfang festlegen. Jedes Modell und jede Effort-Stufe hat einen eigenen Cache. Ein Wechsel per /model oder /effort mitten in der Arbeit liest den gesamten Verlauf ohne einen einzigen Treffer neu ein. Claude Code fragt vor dem Wechsel nach, seit Version 2.1.238 aber nur noch, solange der Cache warm ist.
2. Pausen unter der Cache-Laufzeit halten. Im Abo überlebt der Cache eine Stunde Untätigkeit, mit API-Schlüssel oder Guthaben fünf Minuten. Die erste Antwort nach einer längeren Pause ist spürbar langsamer und teurer, weil der komplette Kontext neu verarbeitet wird.
3. /compact nur an Übergängen ausführen. Die Kompaktierung ersetzt den Verlauf durch eine Zusammenfassung und macht den Nachrichten-Cache absichtlich ungültig. Bei warmem Cache kostet sie wenig, nach einer langen Pause liest sie den gesamten Verlauf ungecacht ein. Am teuersten ist /compact deshalb beim Wiederaufnehmen einer alten Sitzung.
4. /rewind statt /compact bei Irrwegen. Das Zurückspulen kürzt den Verlauf auf einen Stand, der bereits im Cache liegt. Die Kompaktierung baut dagegen einen neuen Anfang.
5. /clear zwischen unabhängigen Aufgaben. Ein Neustart der Unterhaltung kostet nichts, ein mitgeschleppter Verlauf kostet bei jeder Runde den Cache-Lesepreis für den gesamten Inhalt.
6. Fast Mode zu Beginn einschalten, nicht mittendrin. Der Schnellmodus fügt einen Anfrage-Kopf hinzu, der Teil des Cache-Schlüssels ist. Die erste Anfrage danach liest den ganzen Verlauf ohne Treffer, und zwar zu Fast-Mode-Preisen von 10 und 50 US-Dollar je Million Token. Im Abo läuft Fast Mode grundsätzlich über Nutzungsguthaben, nicht über das Kontingent.
7. MCP-Server und Plugins vor der Sitzung einrichten. Werkzeug-Definitionen stehen vorn im Prompt. Kommt ein Server mit fest geladenen Werkzeugen hinzu oder fällt weg, ist der gesamte Cache dahin. Verzögert geladene Werkzeuge (Standard bei aktuellen Modellen) sind davon ausgenommen.
8. Screenshots sparsam einfügen. Erreicht eine Sitzung die Bildgrenze der API, entfernt Claude Code die ältesten Bilder aus dem Verlauf. Ab dieser Stelle wird der Verlauf neu verarbeitet.
9. Updates bewusst einspielen. Eine neue Claude-Code-Version ändert den System-Prompt, die erste Anfrage danach baut den Cache von oben neu auf. Das gilt auch, wenn eine alte Sitzung nach einem Update fortgesetzt wird.

Änderungen an der Datei CLAUDE.md während einer Sitzung sind dagegen unschädlich, weil Claude Code sie einmal beim Start liest. Aus demselben Grund greifen sie erst nach /clear, /compact oder einem Neustart. Anthropic empfiehlt, die Datei unter 200 Zeilen zu halten und Spezialanweisungen in Skills auszulagern, die nur bei Bedarf geladen werden. Der Cache in Claude Code ist außerdem an Rechner und Arbeitsverzeichnis gebunden. Der System-Prompt enthält Verzeichnis, Plattform und Git-Zustand, zwei Sitzungen in verschiedenen Ordnern teilen sich deshalb keinen Cache.

Was eine lange Sitzung mit und ohne Cache kostet

Eine Coding-Sitzung mit 200.000 Token Kontext und 50 Runden kostet mit Claude Opus 5 ohne Cache rund 50 US-Dollar an Eingabe, mit Cache etwa 6 US-Dollar. Die Rechnung dahinter ist einfach und zeigt gleichzeitig, warum ein einziger Fehltreffer so ins Gewicht fällt.

Zwei Dinge fallen an der Rechnung auf. Erstens ist die Eingabeseite einer gecachten Fable-5.1-Sitzung mit 4,95 US-Dollar billiger als dieselbe Sitzung mit Opus 5, obwohl Fable 5.1 doppelt so teure Basis-Token hat. Der Trefferpreis von 0,25 gegenüber 0,50 US-Dollar dreht das Verhältnis um, sobald der Cache greift. Auf der Ausgabeseite bleibt Fable 5.1 doppelt so teuer, und unabhängige Messungen zeigen, dass das Modell auf hohen Effort-Stufen deutlich mehr Ausgabe-Token schreibt. Zweitens kostet jeder Fehltreffer bei Fable 5.1 so viel wie 49 Treffer zusammen. Anthropic selbst nennt in der Ankündigung zu Fable 5.1 und Mythos 5.1 eine Ersparnis von rund 25 Prozent bei typischen Arbeitslasten und bis zu 45 Prozent bei stark agentischen Aufgaben. Gemessen wurde auf der Standard-Effort-Stufe über vier Wochen eigener Nutzung im August 2026. Auf Deutsch hat t3n über die Preissenkung bei Fable 5.1 berichtet.

Dass die Cache-Laufzeit für Abonnenten kein Detail ist, zeigte eine Änderung im März 2026. Anthropic hatte den 1-Stunden-Cache für Claude Code um den 1. Februar eingeführt und um den 7. März wieder auf fünf Minuten zurückgestellt, wie The Register über die Verwirrung um den Claude-Code-Cache berichtete. Anthropic-Mitarbeiter Jarred Sumner begründete den Schritt damit, dass ein erheblicher Teil der Claude-Code-Anfragen Einzelaufrufe seien, bei denen der gecachte Kontext nur einmal genutzt werde. Claude-Code-Erfinder Boris Cherny ergänzte, Fehltreffer beim 1-Million-Token-Kontextfenster seien teuer, und wer den Rechner länger als eine Stunde verlasse und dann eine alte Sitzung fortsetze, erlebe oft einen kompletten Fehltreffer. Ein Entwickler im Max-5x-Tarif berichtete Ende März, sein Kontingent sei nach einer Stunde Arbeit statt nach acht erschöpft gewesen, wie The Register zu den Beschwerden über die Claude-Code-Limits festhielt. Inzwischen steht die Stunde für die Hauptunterhaltung im Abo wieder in der Dokumentation.

Update (22. September 2026): Mit Claude Opus 5.5 verschiebt sich die Rechnung erneut. Dieselbe Sitzung mit 200.000 Token Kontext und 50 Runden kostet dort ohne Cache 40,00 US-Dollar an Eingabe. Mit Cache sind es 1,00 US-Dollar für das Schreiben und 1,96 US-Dollar für 49 Treffer, zusammen 2,96 US-Dollar. Das ist weniger als die gecachte Sitzung mit Fable 5.1 (4,95 US-Dollar) und knapp die Hälfte der Opus-5-Sitzung.

OpenAI und Google cachen automatisch, aber anders

Bei OpenAI läuft das Caching ohne Zutun des Entwicklers, bei Google gibt es beide Wege. Laut OpenAIs Entwicklerdokumentation zum Prompt Caching greift der Cache ab der Modellreihe GPT-5.6 automatisch ab 1.024 Token, gecachte Eingaben kosten dort ein Zehntel des Normalpreises. Seit derselben Modellreihe verlangt auch OpenAI einen Schreibaufschlag von 25 Prozent bei 30 Minuten Haltbarkeit. Google bietet laut Googles Dokumentation zum Context Caching ein implizites Caching ohne Garantie und ein explizites, bei dem der Entwickler den Cache anlegt und eine Speichergebühr pro Stunde zahlt. Wie sich die Anbieter bei den Grundpreisen unterscheiden, zeigt unser Vergleich der API-Kosten von Claude und ChatGPT.

Die Unterschiede zeigen sich beim Fehlerbild. Bei OpenAI und Google kann ein Entwickler das Caching kaum falsch bedienen, bei Anthropic kann er es vergessen. Eine Anwendung, die Claude ohne cache_control anspricht, zahlt jeden Token zum vollen Preis, ohne dass eine Warnung erscheint. Wer eine Agentur mit einem Chatbot oder einer KI-Automatisierung auf Claude-Basis beauftragt und nach Verbrauch abgerechnet wird, hat damit eine konkrete Prüffrage. Die Antwort steht im Feld usage jeder API-Antwort.

Häufige Fragen zum Prompt Caching bei Claude