「生成AIを使ったシステムを開発しているが、API利用料が想定以上に膨らんでしまう」「RAGや長い会話履歴を扱うと、コストが青天井になりそうで不安」——こうした悩みを抱えるエンジニアは少なくありません。特に長文コンテキストを扱うRAGシステムや、やり取りを重ねるAIエージェント開発では、推論コストの最適化がプロジェクトの採算を左右します。

本記事では、LLM開発における必須技術となったプロンプトキャッシュの仕組みと、OpenAI・Anthropic・DeepSeekという主要3社での実装方法を、2026年7月時点の最新情報をもとに解説します。

プロンプトキャッシュとは？LLMコスト削減の仕組みと重要性

プロンプトキャッシュとは、プロンプトのうち変化しない部分をサーバー側に一時保存し、次回以降のリクエストで再利用することで、推論コストと応答時間を同時に削減する技術のことです。

AIシステム開発における推論コストの課題

RAGを導入したシステムでは、社内ドキュメントや過去の会話履歴を毎回プロンプトに含めるため、1リクエストあたり数万〜数十万トークンを消費することが珍しくありません。ユーザーとのやり取りが続くほど会話履歴が積み上がり、コストも比例して増加します。サービスの利用者数が増えるほど、この累積コストが採算を圧迫するリスクが高まるため、推論エンジン側の高速化（vLLMのような技術）とあわせて、API利用料そのものを抑える設計が求められます。

プロンプトキャッシュが解決する2つの課題

プロンプトキャッシュは「本番運用時のコスト」と「開発時の試行錯誤コスト」の両方を下げます。システムプロンプトやツール定義など、リクエストのたびに変わらない部分がキャッシュされていれば、その部分は割引価格で処理されます。これにより、プロンプトエンジニアリングやA/Bテストを高頻度に回しても、開発予算を過度に気にする必要がなくなります。

プロンプトキャッシュの仕組みとキャッシュヒットの条件

プロンプトキャッシュは、プロンプトの先頭部分が完全一致した場合に、計算済みの状態を再利用する仕組みです。

基本的な処理フロー

通常のAPIリクエストでは、送信されたテキストをLLMがすべて最初から処理します。プロンプトキャッシュが有効な場合、APIサーバーは受信したプロンプトの先頭部分が過去のリクエストと一致するかをハッシュ値で照合します。一致していれば、すでに計算済みのKVキャッシュ（LLMがテキストを処理する際に生成するキーとバリューの行列データのことです。これを保存しておくことで、同じ計算を繰り返さずに済みます）をロードし、処理速度が向上するとともに、その部分のトークン料金に割引が適用されます。

キャッシュが成立する条件

キャッシュを成立させるには、プロンプトの先頭から一定以上の長さのテキストが完全に一致している必要があります。途中や末尾だけが一致していても機能しません。そのため、システムプロンプトや固定の参照ドキュメントなど、変化しない情報は必ずプロンプトの最上部に配置します。また、各プロバイダーが定める最低トークン数を満たす必要があり、スペースの有無や改行コードの違いだけでもハッシュ値が変わってキャッシュミスが発生します。

主要LLM（OpenAI・Anthropic・DeepSeek）のプロンプトキャッシュ比較【2026年7月時点】

2026年7月時点で、OpenAI・Anthropic・DeepSeekはいずれもキャッシュヒット時に大幅な割引を提供していますが、適用方式と価格帯には明確な違いがあります。

OpenAI（GPT-5.5）の自動キャッシュ

OpenAIのAPIは、1,024トークン以上の共通プレフィックスが存在する場合、開発者が特別なコードを書かなくても自動的にキャッシュを適用します。現行の主力モデルであるGPT-5.5では、標準の入力価格が100万トークンあたり5.00ドルであるのに対し、キャッシュヒット時は0.50ドルと、90%の割引が適用されます。2026年5月29日以降、ゼロデータ保持を有効にしていない組織向けにキャッシュの保持期間が最大24時間まで延長されており、頻繁にアクセスしないプロンプトでもキャッシュが失効しにくくなっています（OpenAI公式ブログ）。

Anthropic（Claude Sonnet 5）の明示的キャッシュ

AnthropicのAPIでは、キャッシュしたいコンテンツブロックに開発者が明示的に cache_control を付与する方式を採用しています。現行モデルのClaude Sonnet 5は、2026年8月31日までの導入価格で標準入力が100万トークンあたり2.00ドル、キャッシュヒット時は0.20ドル（標準価格の10%）です。一方、キャッシュを新規に書き込む際には、5分間有効なキャッシュで標準価格の1.25倍、1時間有効な延長キャッシュで2倍のコストがかかります。最低トークン数はモデルにより異なりますが、Sonnet系モデルでは1,024トークンが目安です（Anthropic公式ドキュメント）。

DeepSeek（V4 Flash・V4 Pro）の自動ディスクキャッシュ

DeepSeekはディスクベースの自動キャッシュを採用しており、開発者側での設定は一切不要です。V4 Flashは標準（キャッシュミス時）が100万トークンあたり0.14ドルであるのに対し、キャッシュヒット時は0.0028ドルまで下がり、割引率は約98%に達します。上位モデルのV4 Proでも、標準1.74ドルに対しキャッシュヒット時は0.0145ドル前後と、他社と比較して圧倒的に低い水準です。なお、旧モデル名の deepseek-chat と deepseek-reasoner は2026年7月24日に廃止予定のため、新規実装では deepseek-v4-flash または deepseek-v4-pro を直接指定する必要があります。

プロンプトキャッシュの効果を最大化するには、変化しないコンテンツを先頭にまとめ、可変部分を末尾に配置する設計を徹底することが不可欠です。

Anthropic APIでの実装例

明示的キャッシュを採用するAnthropicのAPIでは、システムプロンプトなど大規模な固定コンテキストの末尾に cache_control を配置します。

import anthropic

client = anthropic.Anthropic()

# 数万文字規模の社内マニュアルやFAQなど、固定コンテキストを定義
system_prompt = "ここに社内マニュアルやナレッジベースのテキストが入ります..."

response = client.messages.create(
    model="claude-sonnet-5",
    max_tokens=1024,
    system=[
        {
            "type": "text",
            "text": system_prompt,
            "cache_control": {"type": "ephemeral"}
        }
    ],
    messages=[
        {"role": "user", "content": "マニュアルの第3章について要約してください。"}
    ]
)

print(response.usage)

レスポンスの usage フィールドには cache_read_input_tokens と cache_creation_input_tokens が含まれており、実際にキャッシュがヒットしたかどうかを確認できます。

キャッシュミスを防ぐメッセージ順序の管理

可変となるユーザー入力や、リクエストごとに変わるタイムスタンプ・セッションIDは、必ずプロンプトの最末尾に配置します。システムプロンプトの直後に動的な情報を挿入すると、それ以降に続く長文テキストのキャッシュがすべて無効化されるため注意が必要です。共通して再利用するテキストブロックは前方に固め、個別データや動的変数は最後に結合する設計を徹底してください。

RAG・エージェントシステムでの設計ポイント

複数のユーザーが同じデータソースを参照するRAGシステムでは、固定のナレッジベース部分を共通のプレフィックスとして最上部に配置する設計が有効です。会話が進むAIエージェントでは、履歴をそのまま積み重ねるとリクエストごとにプレフィックスが変化しキャッシュが効かなくなるため、固定部分を最上部に置きつつ、会話履歴はスライディングウィンドウとして切り詰める工夫が求められます。

Agentic RAGやMCP（Model Context Protocol）を組み合わせた設計を検討している場合は、あわせて以下の記事も参考にしてください。

• Agentic RAGとは？フリーランスエンジニアが知るべき実装手法と案件単価の動向
• AIエージェントフレームワーク比較｜次世代と言われる理由

プロンプトキャッシュ設計スキルでフリーランスエンジニアの市場価値を高める方法

LLMのコスト最適化を数値で提案できるスキルは、フリーランスエンジニアが高単価案件を獲得するための実務的な武器になります。

企業がコスト削減提案を重視する理由

多くの企業がAIのPoCから商用サービスへの移行を進めるなかで、運用コストの抑制が最優先課題の一つになっています。LLMを組み込んだシステムを実装できるだけのエンジニアは増えていますが、月間のAPIコストをアーキテクチャの工夫で圧縮できる提案力を持つエンジニアは限られています。プロンプトキャッシュをはじめとするコスト最適化手法を理解し、要件定義の段階から具体的な削減シミュレーションを示せることは、発注企業側の意思決定者から評価されやすいポイントです。

クライアントの要件に応じたモデル選定

各社のキャッシュ特性を理解していれば、クライアントの予算規模や利用頻度に応じてモデルを使い分ける提案ができます。低コストと高スループットが求められる社内ツールにはDeepSeekの採用を検討し、高度な推論や安全性が重視されるエンタープライズ向けシステムにはAnthropicの明示的キャッシュを組み込むといった判断です。複数の選択肢をコスト面から比較して提示できるスキルは、設計上流のコンサルティング案件や、アーキテクトとしての参画につながります。LLMの出力品質やガードレール設計まで含めてスキルセットを広げたい場合は、以下の記事もあわせてご覧ください。

• Guardrails AIとは？LLMの出力品質とリスクを制御するPythonフレームワーク

実際に、LLM連携やプロンプト最適化、コスト・ガバナンス管理までを担う案件では、AIエンジニアの月額単価が一般的なWebエンジニアより高水準で提示される傾向があります。テクフリのAIエンジニア案件一覧では、こうしたコスト最適化スキルを求める求人の傾向を具体的に確認できます。

まとめ

プロンプトキャッシュは、プロンプトの先頭部分が完全一致した場合に計算済みの状態を再利用し、コストと応答時間を同時に削減する技術です。OpenAIは自動検出でキャッシュヒット時に約90%、Anthropicは明示的なcache_control指定で90%、DeepSeekは自動ディスクキャッシュで約98%の割引をそれぞれ実現しており、方式と価格帯の違いを理解した上でプロンプト設計を行うことが、商用運用のコストを左右します。こうしたコスト最適化スキルは、フリーランスエンジニアとしての専門性を示す材料にもなります。自身の市場価値がどの程度か気になる方は、案件動向をあわせて確認してみてはいかがでしょうか。

テクフリでフリーランス案件を探してみる

Q. プロンプトキャッシュを使うと本当にコストは9割減りますか？

A. 結論として、キャッシュがヒットした部分に限り最大90%程度のコスト削減が可能です。理由は、AnthropicやOpenAIがキャッシュ読み込みトークンを標準入力価格の約10%に設定しているためです。ただし新規メッセージなど未キャッシュ部分には通常料金がかかります。

Q. キャッシュの有効期限（TTL）はどのくらいですか？

A. 結論として、標準は5分程度ですが、延長オプションで1時間、モデルによっては最大24時間まで保持できる場合があります。理由は、Anthropicが5分/1時間の2種類のTTLを提供し、OpenAIもGPT-5.5以降で保持期間を延長したためです。プロバイダーとモデルにより異なるため公式ドキュメントの確認が必要です。

Q. 数トークンの違いでもキャッシュは無効になりますか？

A. 結論として無効になります。理由は、プロンプトキャッシュがプレフィックスの完全一致を条件としているためです。スペース1つや改行コードの違いでもハッシュ値が変わり、キャッシュミスが発生します。

Q. プロンプトキャッシュの利用に追加費用や事前申請は必要ですか？

A. 結論として、特別な申請は不要です。理由は、OpenAIとDeepSeekは条件を満たせば自動的に適用され、Anthropicもcache_controlを1行追加するだけで有効化できるためです。むしろキャッシュヒット時は料金が下がります。

Q. フリーランスエンジニアがこのスキルを身につけるメリットは何ですか？

A. 結論として、コスト最適化を数値で提案できるエンジニアは高単価案件で優位に立ちやすくなります。理由は、多くの企業がAI運用コストの抑制を優先課題としており、削減効果を具体的に示せる人材が限られているためです。