Prompt Cachingは本当に効果的なのか検証してみた.pdf

https://zenn.dev/eventhorizon/articles/2b37b48365a08f

Transcript

1. Prompt Cachingは本当に効果的なのか検証し てみた 2024.09.05
2. 自己紹介 WEB系エンジニア - Go言語 - Google Cloud X: @egtayu
3. 目次 - Prompt Cacingとは？ - 基本的な使い方 - 料金 - 仕様 - 検証してみた - まとめ
4. Prompt Cachingとは？ 2024.8.15 Anthropic APIに「Prompt Caching」機能が追加 コンテキストをキャッシュできるようになった コストを最大90%、応答遅延を最大85%削減（※ドキュメントより）
5. サポートモデル　※パブリックベータ版 Claude 3.5 Sonnet Claude 3 Haiku Claude 3 Opus
6. 基本的な使い方 cache_controlブロックを追加する。 パラメータ先頭からcache_controlブロックまで キャッシュされる。 👆 キャッシュから読み込むとコストと応答 速度が改善される！
7. 料金 キャッシュ書き込み：入力トークンの 125% キャッシュ読み込み: 入力トークンの10% 出力トークンは通常通り 👉 入力トークンに対するコストが改善される
8. 仕様 - 最小トークン数 - キャッシュできるパラメータ - ブレークポイント - キャッシュの有効期限
9. 仕様 最小トークン数 最小トークン数を超えないとキャッシュさ れません。
10. 仕様 キャッシュできるパラメータ tools system messages 上記順番でキャッシュを参照
11. 仕様 ブレークポイント cache_controlブロックは４つまで ４つを超えるとエラーになります🤦
12. 仕様 キャッシュの有効期限 現在はephemeralパラメータのみがサポートされており、キャッシュの有効期限 は5分です。 キャッシュにアクセスが無いまま5分経過した場合に削除されます。 ※キャッシュにアクセスがあった場合、期限は更新されます。 将来的には、長時間の有効期限に対応する可能性があるかもしれません。
13. 検証してみた - 応答遅延削減の検証 キャッシュの有無による応答速度を比較 - コスト削減効果の検証 キャッシュの有無によるトークンのコスト削減効果を検証
14. キャッシュの有無による応答速度を比較 - 使用するモデルは Claude 3 Haiku - システムプロンプトに187,336トークンの小説を入力し、小説のタイトルを答 えさせる ※Context windowの最大値は200,000トークン 応答遅延削減の検証
15. 応答遅延削減の検証
16. 応答遅延削減の検証
17. 応答遅延削減の検証 応答速度の有意差は確認できず、、、🤦 - Claude 3 Haikuは応答速度がmodelの中で一番速いため、キャッシュによる 差が顕著に現れなかった可能性 - 質問内容が本文全体を参照するようなケースでは、結果が異なった可能性
18. コスト削減効果の検証 キャッシュの有無によるトークンのコスト削減効果を検証 - 使用するモデルは Claude 3 Haiku - 5000トークンのシステムプロンプトを伴うマルチターンの会話で、トークン数を 追跡 - トークン数を料金比に直して、キャッシュの有無で何％コストを削減できるか検 証
19. コスト削減効果の検証
20. コスト削減効果の検証 キャッシュありの結果を料金表に基づき、入力トークンを基準にキャッシュ書き込みを1.25倍、 キャッシュ読み込みを0.1倍としてトークン数を料金比で計算
21. コスト削減効果の検証 入力トークンのコストを基準にしたトークン数で比較してコスト削減率を算出
22. コスト削減効果の検証
23. コスト削減効果の検証 1ターン目にはコストが増加するが、2ターン目以降はコスト削減が見られ、10ター ン目には77%のコストが削減された。 ターンが進むにつれてコスト削減効果は向上し、最終的には90%近いコスト削減に 達することが予測できる。
24. まとめ 応答遅延の削減 Claude 3 Haikuにおいて、応答速度の向上に関して有意な差は確認でき なかった コスト削減 入力トークンに対して、大幅なコスト削減効果が確認できた
25. まとめ 以下のようなケースでPrompt Cacingの効果を実感できることが期待でき ます。 1. 長文コンテンツの参照:ドキュメント、書籍や論文の内容をプロンプト に埋め込んでの参照 2. 会話エージェント: 詳細な指示セット、長時間の会話やツール使用で の反復的なAPI呼び出しによるトークンコストを削減 3. コーディングアシスタント: 長いコードスニペットでのQ&A …etc
26. 最後に 本スライドの内容をより詳しく記事にまとめました。 他のモデルでの検証なども更新予定です。 https://zenn.dev/eventhorizon/articles/2b37b48365a08f
27. 参考 https://www.anthropic.com/news/prompt-caching https://docs.anthropic.com/en/docs/build-with-claude/prompt-caching https://github.com/anthropics/anthropic-cookbook/blob/main/misc/prompt_caching. ipynb