入力トークンの行き先
毎月の請求書は、毎回再送信される固定プリアンブル、動的ユーザー トークンとコンテキスト トークン、および出力に分割されます。最初の行は税金です。ユーザーの発言が減っても税金は減りません。
プロンプト サイズによる税金の調整方法
各行は、現在のボリュームでのシステムプロンプトの長さが異なります。キャッシュされていない列は単純なコストです。キャッシュされた列には、ヒット率と割引が適用されます。これが、500 トークンから 4,000 トークンに増加したプロンプトによって、請求額が静かに増加した理由です。
| システムプロンプト | キャッシュなし / 月 | キャッシュ済み / 月 | 対あなたのもの |
|---|
一度書いたプロンプトは、100万回支払うことになる
システム プロンプトは、一度書いたら忘れてしまうため無料に感じられますが、API はステートレスであるため、プリアンブルは呼び出しごとに反映され、毎回入力トークンとして課金されます。罠は短く大量のリクエストです。ユーザー テキストの 20 トークンと 2,000 トークンの命令ブロックを受信する分類子またはルーターは、ユーザーが送信しなかった単語に入力バジェットの 99% を費やします。この修正は退屈だが効果的だ。あたかも単語ごとに料金を支払うかのようにシステム プロンプトを読み、丁寧なフィラー、重複したルール、ほとんど呼び出すことのないツール スキーマをカットする。次に、残ったものをキャッシュします。安定したプリアンブルはまさにプロンプト キャッシュが構築されたものであり、キャッシュされた読み取りのコストは新しい読み取りの約 10 分の 1 です。トリミングが最初に行われる理由は、トリミングがキャッシュのミスとヒットの両方に無条件に役立つのに対し、キャッシュはキャッシュがウォームの間に到着したリクエストに対してのみ効果があり、プレフィックスがバイトごとに同一である場合、つまり先頭近くに 1 つのタイムスタンプがあり、割引が蒸発する場合にのみ効果があるからです。キャッシング レバーのサイズを正確に調整します。 プロンプトキャッシュ節約計算ツール、書き込みと読み取りの損益分岐点を確認してください。 キャッシュ書き込み損益分岐点計算ツール、現在のプロンプト内のトークンをカウントします。 トークンカウンター.
即時キャッシュによる節約キャッシュ書き込み損益分岐点関数呼び出しコストトークンカウンターLLM コストの最適化
この計算機の仕組み
毎月のリクエストを 1 日あたりのリクエストに 30.4 を乗じたものとしてカウントします。すべてのリクエストは、システム プロンプトに加えて、入力レートでの動的入力と、出力レートでの出力に対して支払いを行います。システム プロンプトのコストは、トークン カウントに入力レートでの月次リクエストを乗算したものです。キャッシュにより、ヒット レート シェアが割引レートに減額されますが、ミス シェアは正規価格のままです。請求額の合計は、固定プリアンブル、動的入力、および出力を合計したものです。シェアはその合計に対するシステム プロンプト コストであり、キャッシュの節約はキャッシュされていないプリアンブル コストからキャッシュされたプリアンブル コストを引いたものです。スケーリング テーブルは、いくつかのプロンプトの長さでプリアンブル コストを再実行するので、どのように増加するかを確認できます。また、トリム数値により、現在のプロンプトにパーセンテージ カットが適用されます。
よくある質問
システム プロンプトではリクエストごとに料金がかかるのはなぜですか?
API はステートレスであるため、前回の呼び出しを記憶していないため、モデルに毎回知らせたいものはすべて毎回送信する必要があります。システム プロンプト、ペルソナ、いくつかのショットのサンプル、およびツール スキーマはすべてその固定プリアンブル内に存在し、すべてがリクエストごとに入力トークンとしてカウントされます。ユーザーが 1 つの単語を入力しても、それに付随するプリアンブル全体の料金を支払うことになります。そのため、肥大化したシステム プロンプトは、最小のリクエストにも最大のリクエストにも同様に全額請求される固定税のように動作します。
システムから請求される金額はいくらですか?
それは、各リクエストの可変コンテンツに対する固定プリアンブルの比率によって異なります。 500 トークンのユーザー ターンに対して 2,000 トークンのプロンプトが入力トークンの大部分を占めるため、請求額の大部分を占める可能性があります。特に、料金を薄めるためのユーザー テキストがほとんどない分類などの短時間で大量の通話の場合はそうです。リクエストに長いドキュメントやチャット履歴が含まれる場合、プリアンブルはより小さなスライスになります。危険なケースは、大量、短いリクエスト、および長いプロンプトです。
プロンプト キャッシュによってシステム プロンプト コストが削減されますか?
キャッシュにヒットした呼び出しで、そのほとんどが削除されます。キャッシュには安定したプレフィックスが保存されます。つまり、システム プロンプトが最適な候補です。請求書はそれに対して大幅な割引 (通常は約 90% オフ) で読み取られます。そのため、キャッシュされたシステム プロンプトのコストは、キャッシュされていないシステム プロンプトの約 10 分の 1 です。問題は、キャッシュがウォームの間に到着したリクエストのみが割引を受けられること、少額の書き込みプレミアムが発生する場合があること、プレフィックスはバイトごとに同一である必要があるため、先頭近くのタイムスタンプがそれを破るということです。
システムプロンプトをトリミングするのが良いでしょうか、それともキャッシュした方が良いでしょうか?
両方を実行しますが、解決する問題は異なります。トリミングによりプリアンブル内のトークンが削減され、キャッシュ ミスを含むすべてのリクエストのコストが削減され、コンテキスト ウィンドウが解放されます。キャッシュを使用するとプロンプトが長くなりますが、ウォーム コールでの繰り返し読み取りが安くなります。トリミングは無条件に役立つため、より確実な効果が得られますが、キャッシュはキャッシュをウォームに保つトラフィックに依存します。最初にトークンを取得していないものを削除し、残ったものをキャッシュします。