일반적인 AI 워크플로에서는 동일한 입력 토큰을 모델에 반복해서 전달할 수 있습니다. Gemini API 컨텍스트 캐싱 기능을 사용하면 일부 콘텐츠를 모델에 한 번 전달하고 입력 토큰을 캐시한 다음 후속 요청에서 캐시된 토큰을 참조할 수 있습니다. 특정 볼륨에서는 캐시된 토큰을 사용하는 것이 동일한 토큰 코퍼스를 반복적으로 전달하는 것보다 비용이 낮고 지연 시간이 짧을 수 있습니다.
토큰 집합을 캐시할 때 토큰이 자동으로 삭제되기 전까지 캐시가 얼마나 오래 유지될지 선택할 수 있습니다. 이러한 캐싱 기간을 TTL (수명)이라고 합니다. 캐싱 비용은 입력 토큰 크기와 토큰 유지 기간에 따라 다릅니다.
컨텍스트 캐싱은 Gemini 1.5 Pro와 Gemini 1.5 Flash를 모두 지원합니다.
컨텍스트 캐싱을 사용해야 하는 경우
컨텍스트 캐싱은 특히 초기 컨텍스트가 짧은 요청에서 반복적으로 참조되는 시나리오에 적합합니다. 다음과 같은 사용 사례에 컨텍스트 캐싱을 사용해 보세요.
- 광범위한 시스템 안내가 포함된 챗봇
- 긴 동영상 파일에 대한 반복적인 분석
- 대규모 문서 집합에 대한 반복 쿼리
- 빈번한 코드 저장소 분석 또는 버그 수정
캐싱으로 비용이 절감되는 방식
컨텍스트 캐싱은 전체 운영 비용을 절감하도록 설계된 유료 기능입니다. 결제는 다음 요소를 기준으로 합니다.
- 캐시 토큰 수: 캐시된 입력 토큰 수로, 후속 프롬프트에 포함될 때 할인된 요금으로 청구됩니다.
- 저장 기간: 캐시된 토큰이 저장되는 시간 (TTL)으로, 매시간 청구됩니다. TTL에는 최소 또는 최대 경계가 없습니다.
- 기타 요인: 캐시되지 않은 입력 토큰 및 출력 토큰과 같은 기타 요금이 적용됩니다.
최신 가격 책정에 관한 자세한 내용은 Gemini API 가격 책정 페이지를 참고하세요. 토큰 계산 방법을 알아보려면 토큰 가이드를 참조하세요.
컨텍스트 캐싱 사용 방법
이 섹션에서는 quickstart에 나온 것처럼 Gemini SDK를 설치하고 API 키를 구성했다고 가정합니다.
추가 고려사항
컨텍스트 캐싱을 사용할 때 다음 고려사항에 유의하세요.
- 컨텍스트 캐싱의 최소 입력 토큰 수는 32,768개이고, 최댓값은 지정된 모델의 최댓값과 동일합니다. 토큰 계산에 대한 자세한 내용은 토큰 가이드를 참조하세요.
- 코드 예에 표시된 대로 캐시의 TTL (수명)을 설정할 수 있습니다. 설정하지 않으면 TTL 기본값은 1시간입니다.
- 이 모델은 캐시된 토큰과 일반 입력 토큰을 구별하지 않습니다. 캐시된 콘텐츠는 단순히 프롬프트의 접두사입니다.
- 캐싱 서비스는 캐시에서 콘텐츠를 수동으로 삭제하는 삭제 작업을 제공합니다. 자세한 내용은 선택한 SDK의 문서를 참고하세요.
- 유료 등급의 경우 컨텍스트 캐싱에 대한 특별한 비율 또는 사용량 제한이 없습니다.
GenerateContent의 표준 비율 제한이 적용되고 토큰 한도에 캐시된 토큰이 포함됩니다. 무료 등급의 경우 Gemini 1.5 Flash의 저장 한도는 100만 개 토큰이며, Gemini 1.5 Pro에서는 캐싱을 사용할 수 없습니다. - 캐시된 콘텐츠를 검색하거나 볼 수는 없지만 메타데이터 (
name,display_name,model, 생성, 업데이트, 만료 시간)를 검색할 수는 있습니다. - 새
ttl또는expire_time를 설정할 수 있습니다. 캐시된 콘텐츠에 관한 다른 사항 변경은 지원되지 않습니다. - 캐시된 토큰 수는 캐시 서비스의 생성, 가져오기, 나열 작업에서
usage_metadata에 반환되며 캐시를 사용할 때는GenerateContent에서도 반환됩니다.