据了解，月之暗面是国内首家面向开发者推出上下文缓存（Context Caching）技术的大模型公司。

       上下文缓存（Context Caching）技术的基本原理是，系统预先存储那些可能会被频繁请求的大量数据或信息。这样，当用户再次请求相同信息时，系统可以直接从缓存中快速提供，而无需重新计算或从原始数据源中检索，从而节省时间和资源。

       上下文缓存（Context Caching）技术可以带来降本和提速两大价值。首先，通过缓存重复性输入的大量数据，对于公共上下文仅收取一次费用，上下文缓存（Context Caching）技术大大降低了开发者使用长文本旗舰大模型的成本，最高可降本达 90%。其次，上下文缓存（Context Caching）技术还有助于提升大模型API的响应速度，实测可将 128K 长文本大模型的首 token 延迟降低 83% 左右，从平均 30 秒左右降低到平均 5 秒内。

       在长上下文和高负载的业务场景上，上下文缓存带来的降本和提速效果尤为显著。常见场景包括提供大量预设内容的问答机器人，例如 Kimi API 小助手；针对固定的文档集合的频繁查询，例如上市公司信息披露问答工具；对静态代码库或知识库的周期性分析，例如各类 Copilot Agent；瞬时流量巨大的爆款 AI 应用，例如哄哄模拟器；交互规则复杂的 Agent 类应用，例如什么值得买的 Kimi+ 等。

       以常见的固定文档大量提问场景为例。某硬件产品说明书大概 9万字，换算 Tokens 长度大概 64K，该产品售前支持人员需要在 10 分钟内，密集对产品的功能/使用方式进行 40 次问答，每次的问题大概 100 个字，要求模型的输出需要基于产品说明书来回答，回答问题在 120 字以内。

       按照大模型问答的 Tokens 计算逻辑，售前支持人员需要每次向模型输入的 Tokens =文档 Tokens +问题 Tokens，10 分钟内 40 次的问答共计需要消耗 Tokens 2.56 M，128k 模型价格为 60元/M，预计原始花费需要 153.84 元。若该场景接入上下文缓存（Context Caching）技术：9万字的文档只收取一次创建 Cache 和存储 10 分钟 Cache 的费用，10分钟内的40次提问，将只收取问题的 100 字+ 回答的 120 字的费用，预计花费 11.88 元。节省了 141.95 元，相当于费用降低 90% 左右。

       响应速度方面，以 128k 模型的一次4万字（约 30k tokens）的推理请求为例。通常向模型提问，平均要 30 秒返回首 Token。接入上下文缓存技术后，最快可 1 秒内完成首 Token 返回。经过大量测试，接入上下文缓存功能后，128k 模型的首 Token 延迟平均可降至 5 秒内，降低了 83%左右。

       需要注意的是，上述测试效果基于 1 token = 1～1.5个文字和字符，使用 128k 模型进行测算。具体的效果根据业务情况/模型选择不同，会有略微差别。

       上下文缓存（Context Caching）技术在公测期间将首先提供给 Kimi 开放平台的 Tier5 等级开发者，后续陆续增大开发者公开测试范围。

       Kimi 大模型目前已接入了钉钉、扣子等平台，用户或开发者可以在这些平台选用 Kimi 大模型，借助出色的长文本和指令遵循能力搭建个性化的智能体应用。Kimi 开放平台的开发者注册量自从今年 2 月份以来复合增长率超过 175%，在投研服务、法律尽调、企业知识库问答、辅助软件开发等场景获得广泛应用。近期，Kimi 开放平台陆续上线了工具调用（Tool Use）、Partial Mode、上下文缓存（Context Caching）等能力，持续帮助开发者高效打造更有想象力的AI 应用。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。