一、一张降价表里的三重信息
- 降的是「重复读」，不是「第一次」：缓存读取价是 Agent 每轮循环重新读取同一段上下文时付的钱——这是长程 Agent 任务里最容易被忽略、却占比最大的成本项。
- 25% 与 45% 的差，就是 Agent 浓度：典型负载（一次问答/一次生成）里缓存占比低，只省 25%；「高度智能体化」负载（多轮工具调用、长任务循环、反复读同一 system prompt + 工具定义 + 历史）缓存占比高，省到 45%。Anthropic 等于明说：这次的降价是冲着 Agent 开发者来的。
- 标准价没动，动的是结构：$10/$50 不变说明 Anthropic 不想破坏「旗舰定价锚点」，而是用结构性降价（缓存/批量/承诺用量）去抢高频 Agent 负载——价格战从「模型能力单价」打到了「单位任务成本」。
二、上下文缓存是什么：为什么 Agent 是最大受益者
大模型 API 的输入计费按 token 算。一个 Agent 任务里，system prompt、工具定义、多轮对话历史会在每一轮循环中被反复重新发送——如果每次都按全价算输入，一个 50 轮的工具调用任务，光「重复读同一段上下文」就能烧掉比输出还多的钱。上下文缓存（prompt caching）把「已被处理过的前缀」缓存起来，后续轮次命中缓存只需付打折的读取价，而不是全价重算。
Agent 负载天然是缓存的重度用户：系统提示词大而固定（一次写入、全程命中）、工具 schema 稳定、长任务历史逐轮追加。所以缓存降价对 Agent 的成本曲线是「乘数级」的改善，而非「加法级」——循环轮次越多、上下文越稳定，省得越多。这与「典型负载降 25% vs 高智能体负载降 45%」的官方口径完全吻合。
三、成本模型拆解：一张公式看懂
任务总成本 ≈ 首次上下文写入（或全价读）
+ 每轮「增量输入」全价 + 每轮「缓存命中读取」× 0.25/1M
+ 输出 tokens × 输出价
在旧定价（读取 $1/1M）下，一个「50 轮 × 每轮重读 20 万 token 上下文」的长任务，仅缓存读取就是 50 × 0.2 × $1 = $10；降价后同一项变成 $2.5——纯省 75%。再叠加 Fable 5.1 本身更强的长程执行能力（更少轮次干完活），总成本降 45% 就顺理成章了。降价 + 更强模型 = 同一个 Agent 任务的 token 用量与单价双降，这正是 Anthropic 把「全球最先进编程与知识工作模型」和「降价」放在同一张发布稿里的原因。
四、横向：缓存定价已是「智价比」战场的主武器
- DeepSeek 是这条路的先行者：V4 Pro（输入 3 元/输出 6 元/1M 上下文/384K 输出）配上极致的 Context Caching 与命中率优化，是「长程 Agent 最实惠」叙事的源头——媒体在 V4 Pro 指南里原话是「对跑长程 Agent 的开发者最实惠」。Anthropic 的降价，本质是在同一个维度（单位 Agent 任务成本）上追 DeepSeek 建立的坐标。
- 竞争的真正单位变了：当各家旗舰能力都进入「第一梯队混战」（分差压进 0.1%），定价与缓存结构成了开发者选型的显性变量。谁的「缓存读价/全价」比更低、谁的上下文更便宜，谁就更可能被写进 Agent 框架的默认配置。
- 缓存经济学外溢到模型设计：DeepSeek 的 1M 上下文 + 384K 输出、Astra 的「少吐 token」路线，与 Anthropic 的缓存降价其实是同一场战争的三面——都在回答「长程 Agent 的总账单怎么降」。上下文越长、输出越省、缓存越便宜，Agent 能跑的任务就越重。
五、降价背后的组合拳：成本、合规、算力
- 合规配套：同步宣布「零数据保留」，企业前沿安全护栏 EFS 今秋推出，客户可自有基础设施运行模型——把「便宜」和「数据主权」打包，目标客户直指金融/法律/政务等强合规行业。
- 算力底座：被曝与英伟达支持的 Lambda 签 350 亿美元云计算协议（Hut8 开发数据中心），博通电话会称其明年算力或达 5GW——降价抢量的底气来自算力规模的确定性扩张。
- 模型策略：Fable 5.1（全面开放）与 Mythos 5.1（可信机构）双形态 + 缓存降价 + 护栏工具，构成「能力分级 + 价格分层 + 合规分层」的完整商业化矩阵。
六、结论：缓存就是 Agent 时代的「带宽批发价」
回头看这轮降价，真正的信号不是「Anthropic 便宜了 75%」，而是：头部厂商开始用「单位 Agent 任务成本」而不是「模型单价」来竞争了。缓存读取价本质是 Agent 时代的「带宽批发价」——谁的批发价更低、谁的上下文利用率更高，谁就能吃到长程自动化负载爆发的那波量。对开发者，选型公式也在变化：能力档位 ÷（输出价 × 实际用量 + 缓存命中成本），而不是看发布会 headline。对行业，当「高智能体负载降 45%」成为标配话术，Agent 的成本墙正在被系统性拆除——下一轮爆发的可能不是模型能力，而是敢把 Agent 放进生产流程的企业数量。
七、实战数据：典型 Agent 任务的成本对照
把官方给出的「典型负载 -25% / 高智能体负载 -45%」翻译成工程视角——选 4 个典型 Agent 任务场景，按降价前（缓存读 $1.00）vs 降价后（$0.25）做成本估算。假设缓存命中率为 95%（贴近实际部署），其余 5% 走全价输入重读。结论：缓存「用量越大、循环越多」的任务受益越深——单次问答不省钱，重 Agent 才省钱。
| 场景 | 配置（每任务） | 旧价（缓存读 $1.00） | 新价（缓存读 $0.25） | 降幅 |
|---|---|---|---|---|
| 典型 RAG 单次问答 | 一次性 50K input + 10K output，无缓存 | $1.00 | $1.00 | 0% |
| 中等 Agent（多轮工具调用） | 50 轮 × 20 万 token 上下文重读 + 5K 增量/轮 + 2K 输出/轮 | $15.00 | $10.00 | -33% |
| 高 Agent 浓度（多 Agent 协同） | 100 轮 × 50 万 token 上下文重读 + 10K 增量/轮 + 5K 输出/轮 | $87.50 | $47.50 | -46% |
| 编程 Agent（重度循环） | 200 轮 × 10 万 token 上下文重读 + 5K 增量/轮 + 5K 输出/轮 | $65.00 | $35.00 | -46% |
说明：以上场景基于公开定价推导，命中率假设 95%。表格只列「同一假设下新旧价差」，实际生产还要看：(1) 各任务 cache_read_input_tokens / total_input_tokens 的真实比值；(2) Fable 5.1 本身执行效率提升（同样任务轮次减少）叠加后的总节省——官方 -45% 是「缓存降价 + 模型效率提升」的综合结果，而非纯降价。
- RAG 单问答不省钱：因为没有「重复读同一上下文」的场景——这正好印证官方「典型负载只省 25%」中很大一部分来自模型效率而非纯缓存。
- 多 Agent / 编程 Agent 才是大赢家：每轮都重读 system prompt + tool schema + 历史，缓存命中率天然高；这一类任务是 Anthropic 降价的真正目标客户。
- 对比 DeepSeek V4 Pro：V4 Pro（输入 3 元 / 输出 6 元 / 1M 上下文 / 384K 输出）走「人民币低价 + 极致缓存优化」路线，Anthropic 这次降价等于在同一维度（单位 Agent 任务成本）追 V4 Pro 已建立的坐标——两家在「缓存经济学」上的角力才刚开始。
八、开发者策略：新定价下如何重设计缓存
缓存降价不是「自动省钱」——命中率低的任务反而要为「缓存写入」付额外开销（缓存写入首次按输入全价算）。下面 5 条策略是工程上把「缓存降价红利」吃到位的最小行动集：
- 拆分静态段与动态段：把 system prompt + tool schema（高频命中、长期不变）放在 context 前部，把对话历史 + 当前指令（低频命中、每轮变）放在后部——前者按 Anthropic 缓存 key（4 token 边界、最小 1024 token）切块，后者尽量短。这样静态段命中率长期保持 95%+，动态段不浪费缓存写入。
- Pre-warming 任务启动预写入：长 Agent 任务启动时，主动发一次「空轮」写入缓存（按 TTL 通常 5 分钟，到期前续期），避免首轮按全价读取——降价的另一个隐藏红利是「缓存写入 + 立即命中」的组合成本在新价下也更低。
- 监控命中率而非单次成本：把
cache_read_input_tokens / (cache_read_input_tokens + cache_creation_input_tokens + input_tokens)作为日指标，目标 ≥ 90%。低于这个数字说明 context 设计有问题，需要重新拆分静态/动态段。 - 分层缓存：高频走官方、低频走自托管：system prompt、工具定义这类全任务共享的高频 context 用 Anthropic 缓存（$0.25）；个别租户定制语料、历史摘要等低频 context 用 LMCache / GPTCache 自托管（边际成本近 0）——分层后整体边际成本可以再压 30%~50%。
- 选型公式迭代：从「看发布会 headline 单价」改为「能力 ÷ (输出价 × 实际用量 + 缓存命中成本 + 自托管成本)」——同一个能力档位下，新模型+新缓存+自托管分层可能比上一代旗舰便宜 60%+ 而能力相当，**选型时不能只看 PR 文案的「降价多少」，要把自己的真实场景代进去算一次**。
对团队：把这 5 条落到 cost_per_task 看板（按 Agent 类型 × 用户分群 × 时段拆分），跑 2 周数据后再回头看官方 -45% 是不是「自家场景也能拿到」——很多人会发现自己比官方数据多省 5%~10%（因为 Anthropic 的「典型负载」假设保守），也可能少省（命中率没达标）。
参考来源
· Anthropic 官方发布：Claude Fable 5.1 / Mythos 5.1 与缓存定价调整公告（2026-09-01）
· Anthropic 定价文档：缓存读取 $1.00 → $0.25/百万 token（-75%）；典型负载 -25%、高智能体负载最高 -45%
· Anthropic 开发者文档：上下文缓存 key 大小边界（最小 1024 token / 4 token 步进 / TTL 5 分钟默认）
· 媒体报道：Anthropic × Lambda 350 亿美元云计算协议（Hut8 数据中心）；博通电话会口径（2026-09-01）
· DeepSeek V4 Pro 媒体指南：1M 上下文 + 384K 输出 + 3 元/6 元 + Context Caching（拓冰网络/AI每日动态，2026-09-02）
· 开源生态：LMCache / GPTCache 自托管 prompt 缓存项目
· 本板块历史文章：DeepSeek缓存命中率优化_深度分析_2026-09-02（上下文缓存命中率工程侧拆解）
· 本板块历史文章：DeepSeek_Harness_生态卡位_深度分析_2026-09-04（基建填空视角：安全/可靠性/ROI）
本文为个人技术研究与分享笔记，基于 2026-09-04 前的公开资料整理，定价与产品信息以各官方最新口径为准，仅供参考，不构成任何投资或采购建议。