# ¿Cómo uso la caché para reducir la energía de las llamadas a un LLM?

> Dos tipos de caché que reducen el trabajo de un LLM: la caché de prompts del proveedor para el contexto repetido y la suya propia para no responder dos veces lo mismo.

Source: https://greenai.guide/es/como/como-uso-la-cache-para-reducir-la-energia-de-las-llamadas-a-un-llm/  
Updated: 2026-11-19

## En resumen

Use dos capas. La caché de prompts del proveedor reutiliza el procesamiento de un prefijo fijo, como un prompt de sistema largo o un documento compartido, así que ponga primero el contenido estable. Su propia caché de respuestas guarda las respuestas a solicitudes idénticas para no volver a llamar al modelo. Ambas reducen el cómputo, el coste y la latencia, siempre que fije tiempos de caducidad razonables.

## Steps

1. Ponga el contenido estable, como las instrucciones y el texto de referencia, al principio de cada prompt.
2. Active o marque la caché de prompts tal como describe la documentación de su proveedor.
3. Guarde en caché las respuestas completas a entradas idénticas en su propia aplicación.
4. Fije tiempos de caducidad acordes con la frecuencia con que cambia la respuesta subyacente.
5. Registre las tasas de acierto de la caché y los tokens de entrada para ver el ahorro.

**La llamada al modelo más barata es la que no se hace, y la siguiente más barata es la que reutiliza trabajo ya
hecho.** La caché consigue ambas cosas.

## ¿Qué es la caché de prompts? {#what-is-prompt-caching}

**El proveedor guarda la forma procesada del comienzo de su prompt (instrucción) y la reutiliza en llamadas
posteriores.** La documentación de Anthropic afirma que la caché de prompts «reduce significativamente el tiempo de
procesamiento y los costes» en prompts con elementos constantes, cobra las lecturas de caché a una décima parte del
precio de los tokens de entrada normales y conserva la caché durante cinco minutos por defecto. OpenAI activa la
caché de prompts por defecto en los modelos compatibles. Ambas funcionan solo con un prefijo idéntico, así que el
orden importa: primero las instrucciones y los documentos estables, y al final la pregunta que cambia.

## ¿Qué es la caché de respuestas? {#what-is-response-caching}

**Usted guarda la respuesta del modelo y la devuelve cuando vuelve a llegar la misma solicitud.** Es adecuada para
preguntas frecuentes, la clasificación de elementos repetidos y los agentes que vuelven a hacer preguntas idénticas.
El patrón de la Green Software Foundation sobre la orquestación de agentes recomienda precisamente así reducir las
llamadas redundantes al modelo y el cómputo repetido.

Algunos equipos usan también cachés «semánticas» que emparejan preguntas parecidas en lugar de idénticas. Ahorran
más, pero pueden devolver una respuesta errónea ante una pregunta sutilmente distinta, así que pruébelas con
cuidado.

## Errores frecuentes {#common-mistakes}

- **Poner marcas de tiempo o nombres de usuario al principio** del prompt, lo que rompe el prefijo y la caché.
- **Guardar en caché para siempre.** Fije una caducidad adecuada a la rapidez con que la respuesta queda obsoleta.
- **No medir.** Sin tasas de acierto no sabrá si la caché ayuda.

Para la idea más amplia de reutilizar en lugar de volver a generar, lea
[orquestación antes que generación](/es/articulos/orquestar-antes-que-generar/).

## Fuentes

- [Prompt caching](https://platform.claude.com/docs/en/build-with-claude/prompt-caching), Anthropic, Claude platform documentation (2026)
- [Prompt caching](https://developers.openai.com/api/docs/guides/prompt-caching), OpenAI API documentation (2026)
- [Optimize agent orchestration to reduce unnecessary model calls](https://github.com/Green-Software-Foundation/patterns/blob/main/docs/development/optimize-agent-orchestration-reduce-model-calls.md), Green Software Foundation, Green Software Patterns (2025)
