AI agent 缓存命中率为何崩塌：GPT、Claude 与可审计网关

文章解释为何上游模型支持 prompt caching 时，不透明的第三方 agent 或网关仍可能显示极低缓存命中率，比较 GPT 与 Claude 的缓存计量差异，并主张可审计网关应暴露原生缓存用量、保持稳定前缀与模型/路由亲和，并与持久账本对账。文章同时声明其结论受限于公开文档，无法给出厂商级百分比。

AI推荐理由 讨论第三方 agent 网关导致 prompt cache 命中率下降的机制，区分 GPT 与 Claude 的缓存计量方式，并提出可审计网关应保证稳定前缀、模型/路由亲和与账本对账；对生产级 agent 成本控制有实际价值，但文章带有 Modelflare 产品立场，且未给出可复现的量化数据。