- 缓存命中强相关你的任务场景和输入，如果你的输入每次都有巨大增幅，且新增内容不同，缓存命中自然就低呀
- 缓存命中更多是服务端的 harness ，比如 ds 缓存过期时间长，那命中率自然高
- 缓存命中在多轮对话中数学角度一定是不断增长的，且你每次请求 prompt 中固定部分（一些全局/工具描述等）越大，缓存命中越高
就这么一个和多个环节相关的参数，被很多人拿来评价用户侧 agent, 不禁感叹智商的分布，很长时间不理解。
你的缓存命中高，很可能只是你的任务简单，迭代次数多罢了
• 请不要在回答技术问题时复制粘贴 AI 生成的内容
 |
1
ReinXD 2h 27m ago
dpsk 应该是把 system prompt 直接放到每次请求的开头了，这样每次增长的计算实际上只有用户新发的请求，剩下全部可以 prefix cache hit ，导致最后命中率 99%，其实没那么多魔法，不过 dpsk 应该这次在训练 sft 的阶段就对这种 prompt 方式进行优化了
|
 |
2
Rorysky OP @ReinXD ds 主要的不同时缓存失效时间长。假设第 i 次 prompt 的输入 等于 A_i ，存在关系 A_(i+1) = A_i + delta_i, 极限情况当交互次数趋向∞，那么缓存命中必然趋向 100%。 似乎高中数学遗忘的人很多
|
 |
3
Tiande 2h 9m ago  1
我不在乎这个，但用户对价格敏感是什么很难猜的东西吗。
你有研究过 ds4f 之类的热门模型的缓存占比对价格的影响可以分享一下。 另外这你都能上升到别人智商有问题，其实也看不出来你有多聪明... |
 |
4
0xnycth 2h 6m ago
工具的使用单价你不在乎？
那你很有钱咯 |
 |
6
fredweili 2h 3m ago
不能当作一个评价维度么？你是免费不花钱用的么？做的不好的，也能“必然趋向 100%”，高中数学还挺天真的
|
 |
7
lovelyxiaod 1h 56m ago 1
确实,除非故意使坏,不然这缓存命中率就低不了.
但是还是有一些优化技巧的,省一点也是真金白银. 这不 deepseek 都涨价了么. |
|
9
Rorysky OP @lovelyxiaod 这可是有记录的，A 社曾经给非 anthropic 的 api 的请求在头部增加了一个动态码
|
 |
10
Sundayz 1h 54m ago
省钱带来的冲击力是很直接的
|
 |
12
xyooyx 1h 52m ago 1
其实 system prompt 算小头，agent 场景里的大头是 history ，每一轮相比上一轮的历史都是重复的，而且缓存命中率直接决定结算单价，最终影响的是完成一件事的成本，大家会用脚投票，所以当然会特别在意。
|
 |
14
xqk111 1h 51m ago
黑人问号？
|
 |
15
neteroster 1h 48m ago via Android 2
正确的，本身缓存率就是个和实际工作负载类型强相关的东西，服务端的影响也很大； Harness 只要做好稳定前缀，别像之前某个 harness 在系统提示词开头插当前精确到分钟的时间就行了（虽然现在有些模型的 template 把系统提示词放在最后了）
|
 |
16
szdosar 1h 44m ago
其实你已经说到部分原因了。
很多时候我们不理解、不明白是因为我们没走到那一步。 鞋子合脚吗？穿过才懂。 |
 |
17
Inn0Vat10n 1h 38m ago
这有啥难理解的,好比游泳,人的水平当然是核心因素,但是同一个人, 穿 A 牌的泳衣就是游的比 B 牌的快;agent 缓存命中优化是同一个道理, 同样的任务,同样的模型,用 opencode 和 claude code 缓存命中率就是不一样, 换你你用哪一个?
|
 |
18
FrankAdler 1h 38m ago
因为没什么可吹的了，大差不差的，只能强行说点啥，刚刚还看到一个帖子，说把 agent 装进你的电脑，然后有个唐式对比：
其他 AI 助手工具 XiaoyaoClaw 数据上传到云端，归别人管 本地优先，配置、聊天记录、API 密钥都在你电脑里 我寻思着 hermes openclaw pi 哪个不是本地？ |
 |
19
LovingYoung 1h 33m ago 2
赞同，99% 命中的那能是什么好任务……正常用 95% 是合理的，当然模型后端必须尽可能保持 stable prefix 才是合理的
|
 |
20
winnerczwx 1h 21m ago 1
因为大部分人的任务简单 且 价格敏感度高
我感觉评估 agent 主要还是看 模型能力 推理能力 任务执行正确率, 至于是 99%缓存还是 95%缓存确实不在意, 只要能把活干好 多花点 token 就多花点吧 一个任务 10 亿 token, 8 小时多跑完 5x 周额度, 但能解决问题啊不是吗? |
|
21
Rorysky OP @winnerczwx 从最近的 agent 看，loop 能力/任务编排/长时间任务执行 是 agent 的核心
|
 |
22
anubu 1h 15m ago 1
主贴描述的现象是事实，但不应表示“Agent 缓存命中率”这个指标无效。原因应该是语义含糊问题，Agent 缓存命中率应该是一个受多场景多变量影响的指标，自媒体良莠不齐，含糊的描述，导致了传播层面的困惑。
稍微严肃一点的定义，对比多个 Agent 在相同的 codebase 、环境、链路、模型、提示语等因素，处理同一个相对复杂的业务场景，来比对缓存明中率，这样的指标应该是有意义的。因为 Agent 实现上的确有影响这个指标的因素，所以用于评估 Agent 是有效的。只是要严肃对比可能要有较为严格的测试设计。 那么 Agent 间的横向对比，和个人实际使用的纵向推进场景，有什么参考价值吗？除了来回拉扯的场景，其它可能差那么一点命中率没有太大关系，但的确是可以省钱的。 |
|
23
xyooyx 50 mins ago
@xyooyx
列个公式其实就很清晰了 总命中率 = (System Cache Hit + History Cache Hit) / Total = [ C × hit_rate_system + ΣΔ(k) × hit_rate_history ] / [ C + ΣΔ(k) + d ] 代入场景数据： 系统提示（含工具）：1500–3000 tokens 历史对话（ 10 轮）：4000–8000 tokens 当前输入：20–100 tokens 则： 命中率 = (3000 + 8000) / (3000 + 8000 + 50) ≈ 99.5% 所以得出推论： - Agent 只要跑起来，轮次必然长，高缓存命中是“必然结果” - 这不是某个特定任务的福利，而是 Agent 场景的“通用属性” 那问题就变成了： 既然所有 Agent 都必须面对“长文本 + 高重复”这个通用问题， 那一个模型如果能做到： - 长上下文不崩（ 128K 甚至 1M 依然能 recall ） - Cache 策略高效（不重复计算） - 长文本推理速度不线性下降 我们就认为这个模型在 Agent 这个赛道里“做得好”。因为它在解决的是这个场景下的“通用瓶颈” |
 |
24
graymmon 46 mins ago
如果是公司承包我的 token 我根本不在乎所谓的缓存命中量。
如果是我自己，又是成本>收益的情况，价格肯定是个人开发者的敏感点。 |
 |
26
bertonzh 37 mins ago 1
有点像不同饭店的两盘菜的单价，不考虑原材料成本，不考虑两份菜的分量大小，就硬比。
|
 |
27
iWillHentai 36 mins ago 1
@Tiande 赞同, 不同的用户有不同的需求侧重, 强行以自己的标准来判断还上升到智商问题是真的难评🤣
|
 |
28
crytis 35 mins ago
缓存命中高不仅影响价格，还影响速度
|
 |
29
HappyAndSmile 26 mins ago
我早就想说你同样的观点了，不敢说，每次看到什么 99%的缓存率然后怎样怎样，莫名觉得好笑
|
 |
30
ktyang 21 mins ago
大家不都是比的相似的任务么，反正我用的时候会大概看一下。正常使用过程中某些模型就是命中率低，某些工具就是命中率低，这还不能说么。又不是专门为了让某些工具刻意的高刻意的低。
|
 |
31
maolon 17 mins ago
因为这玩意儿影响价格啊，如果 cache read 的价格和普通 input 价格一样那这个 hit rate 0 人在意，
各家动辄 cache read 1/10 的价格，甚至大部分都没有 cache create 价格，那当然是命中率越高越省钱，这很难理解么 |
 |
32
aimuz 12 mins ago
还有一个问题是上下文越高，AI 智商也会相应的变低。
|
 |
33
nsjs 8 mins ago via iPhone
说白了就和显示器比参数一样的逻辑。
参数有意义吗，有意义，也没有意义 |
 |
34
longaiwp 7 mins ago
难道我来用 AI 不是来赚钱，是为了花钱的？
|
 |
35
Tink 4 mins ago
因为 KV cache 在 llm 里面是非常正经的概念
Transformer 做自回归生成时，每生成一个 token ，都要做 Attention ，要是没 KV Cache ，那每一个 token 都要重新算，那个计算量我觉得没有模型可用吧。 另外 agent 的 Prompt Cache ，要是没有缓存，每一次都要做 prefill ，也是非常离谱的计算量 |
|
36
Tink 3 mins ago
LLM 自身能成功命中缓存，很大程度上决定了这模型的速度和计算量，虽然可以输出上帮助不多，但是 prefill 提升巨大
|
|
37
Tink 3 mins ago
typo：可以-可能
|
 |
38
MackMa 1 min ago
|
Select Language