---
title: "OpenRouter推出全新技术：多轮 Agent 调用成本最高可砍到 1.75 倍"
url: "https://paooo.com/aigc-news/35122/"
author: "Prompt 语宙研究院"
published_at: "2026-07-22T11:54:03+08:00"
updated_at: "2026-07-22T11:54:03+08:00"
categories: "AIGC 资讯"
tags: "Claude, DeepSeek, Kimi, OpenAI, 通义千问"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# OpenRouter推出全新技术：多轮 Agent 调用成本最高可砍到 1.75 倍

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/35122/) · 作者：Prompt 语宙研究院 · 发布时间：2026-07-22

## AI 30 秒核心看点 (TL;DR)

- Prompt Caching 让多轮会话中的重复提示词按缓存价计费，直击智能体成本黑洞。
- Sticky Routing 通过固定到同一热缓存提供商，避免跨轮次漂移导致缓存失效。
- 实操上优先用 session_id、稳定开头消息顺序，并检查 cached_tokens 判断是否命中。

多轮对话中，智能体每一轮都要重复发送相同的系统提示词、工具定义、架构和策略指令。一个 6 轮会话里，即使唯一变化的是用户最新消息或工具返回结果，开头那段重复内容仍可能被计费 6 次。OpenRouter 近日推出的 Prompt Caching 配合 Sticky Routing，正是为了解决这一成本黑洞。

Prompt Caching 的核心逻辑是：服务提供商从缓存中读取提示词中重复的部分，而非每次都按全价收费。Sticky Routing 则通过将会话固定到持有热缓存的同一提供商，使这一机制在跨轮次中持续生效。

**缓存读取成本为正常输入的 0.1 到 0.5 倍**

缓存读取价格因提供商而异。Anthropic Claude Sonnet 4.6 上，缓存读取为每百万 token 0.30 美元，而输入价格为 3.00 美元，恰好是 0.1 倍。DeepSeek 和阿里通义千问同样提供 0.1 倍读取价格；OpenAI 为 0.25 至 0.5 倍；Gemini、Grok、月之暗面为 0.25 倍；Groq 为 0.5 倍。

但缓存并非免费午餐。首次请求需要支付缓存写入费用，且部分提供商的写入成本高于普通输入。Anthropic 默认 5 分钟 TTL 的写入成本是输入价格的 1.25 倍，1 小时 TTL 则为 2.0 倍——一次从未被复用的写入，成本反而比不用缓存更高。OpenAI GPT-5.6 及之后版本写入成本为 1.25 倍输入价格。Google Gemini、Grok、月之暗面、Groq 的写入则免费。

**热缓存的隐形陷阱：提供商漂移**

缓存写入后，如果下一轮请求被路由到不同提供商，热缓存便失效。OpenRouter 支持 70 多个提供商，第二轮命中冷端点的概率并不低。这就是 Sticky Routing 的价值所在——在缓存请求后，当该提供商的缓存读取价格低于常规输入时，后续请求会被固定回同一端点。若该提供商不可用，则回退到下一个可用端点，而非让请求失败。

默认情况下，OpenRouter 通过哈希对话的第一条系统消息和第一条非系统消息来识别会话。但智能体常在轮次间重写开头消息（如总结状态、重新排序工具上下文），导致哈希值变化、会话漂移。解决方案是使用显式的 `session_id`。设置后，OpenRouter 直接将其作为粘性路由键，粘性在首次成功请求后即生效，而非等到缓存命中后才启动。`session_id` 可作为请求体顶层字段或 `x-session-id` 请求头发送，需在整个对话期间保持稳定，控制在 256 字符以内。

**缓存未命中的四大原因**

一是提示词低于提供商最低要求。Anthropic Claude Opus 4.5–4.8 和 Haiku 4.5 需 4096 token，Haiku 3.5 需 2048 token，Sonnet 4/4.5/4.6 和 Opus 4/4.1 需 1024 token；OpenAI 需 1024 token；Gemini 2.5 Pro 需 4096 token，Flash 需 1024 token。

二是缓存过期。Anthropic 默认 5 分钟，可选 1 小时；Gemini 隐式缓存约 3–5 分钟且读取时不重置 TTL。

三是提示词开头不断变化。应将稳定内容（系统指令、工具、模式、参考资料）放在前面，变化内容（用户问题、时间戳、工具输出）放在后面。第一条系统消息中的时间戳会让每一轮提示词看起来都是新的，如非必要应移至后面的消息中。

四是请求被路由到不同提供商。智能体工作流应设置 `session_id` 并依赖粘性路由保持会话在已预热的提供商上。若自行设置 `provider.order`，会覆盖粘性路由。

节省的成本随轮次增加而增长。对于多轮对话，当重复使用的内容随对话增长时，使用自动缓存；当确切知道哪些大块内容应被缓存时（如检索文档、长参考文件、角色卡、CSV 数据），使用显式缓存断点；对于智能体会话、支持工单、聊天线程、工作流运行，以及开场消息可能在轮次间变化的对话，使用 `session_id`；对于较长的 Anthropic 会话，当默认 5 分钟缓存可能过期时，使用 1 小时缓存。

确认缓存是否生效，可检查响应中 `usage.prompt_tokens_details.cached_tokens` 字段，大于零即命中；`cache_write_tokens` 显示写入量；`cache_discount` 可查看单次生成的成本影响。这些信息也可在 Activity 页面或 `/api/v1/generation` API 中获取。

## 常见问题解答 (FAQ)

### OpenRouter 的 Prompt Caching 怎么降低多轮对话成本？
它会把系统提示词、工具定义等重复内容从缓存读取，而不是每轮按全价输入计费。对多轮智能体尤其有效，重复内容越多、轮次越长，节省越明显。

### Sticky Routing 和 session_id 有什么区别？
Sticky Routing 是把会话固定到持有热缓存的同一提供商；session_id 则是显式指定会话粘性键，避免因消息开头变化导致哈希漂移。对智能体会话更稳妥。

### 怎么判断 OpenRouter 的缓存是否真的命中？
查看响应里的 usage.prompt_tokens_details.cached_tokens，大于 0 说明命中；cache_write_tokens 表示写入量，cache_discount 可看单次生成的成本影响。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
