Kimi K3 API-priser: tokenomkostninger, cachebesparelser og eksempler

Priserne for Kimi K3 API har tre takster: cachet input, ikke-cachet input og output. Forskellen på et cache-hit og et cache-miss er en faktor 10, så to agenter, der behandler det samme repository på 500K tokens, kan få meget forskellige omkostninger afhængigt af, hvordan sessionen er bygget op.

Moonshot tilføjer ikke et dyrere token-trin for K3's kontekstvindue på 1 million tokens. Lang kontekst er stadig ikke gratis: En ikke-cachet prompt på 1M tokens koster $3, før modellen overhovedet har produceret et svar.

Tilgængelighed og priser opdateret 22. juli 2026. Kimi K3 er tilgængelig på Poyo.ai som kimi-k3 via det OpenAI-kompatible Chat Completions API. Prisen er $2.28 pr. 1M input-tokens og $11.40 pr. 1M output-tokens — 24 % lavere end den officielle pris.

Officielle priser for Kimi K3 API

K3 bruger en fast betal-efter-forbrug-pris. Moonshots dokumentation nævner ikke noget særskilt tillæg for lang kontekst. API'et forsøger at cache kontekst automatisk; applikationer opretter ikke et cache-ID og konfigurerer ikke en TTL for almindelige anmodninger.

Formel for omkostninger ved Kimi K3

Brug denne formel til én anmodning eller en samlet arbejdsbyrde:

cost =
  cached_input_tokens / 1,000,000 × $0.30
  + uncached_input_tokens / 1,000,000 × $3.00
  + output_tokens / 1,000,000 × $15.00

Svaret om forbrug fra API'et og faktureringsdashboardet bør være den endelige kilde. Estimater kan afvige, når tokenisering, genforsøg, værktøjsrunder eller cachingadfærd ændrer sig.

Reelle omkostningseksempler for Kimi K3

Kort analyseanmodning

Antag 10.000 ikke-cachede input-tokens og 2.000 output-tokens.

Selv med seks gange så meget input som output koster begge dele det samme, fordi output-tokens er fem gange dyrere.

Gennemgang af et repository på 100K tokens

Antag 100.000 ikke-cachede input-tokens og 10.000 output-tokens.

Hvis det samme stabile repository-præfiks får et cache-hit i næste runde, falder inputdelen fra $0.30 til $0.03.

Et researchkorpus på 500K tokens

Antag 500.000 input-tokens og 20.000 output-tokens.

Derfor har gentagne vidensarbejdssessioner gavn af et stabilt præfiks. Når output bliver den største udgift, kan det være lige så vigtigt at bede modellen om at fatte sig i korthed som at bruge caching.

Fuld kontekst på 1M med 50K output

Vinduet på 1M er en maksimal kapacitet, ikke et mål for hver eneste anmodning. Retrieval og trinvis analyse kan være billigere og lettere at verificere.

Omkostninger for en kodningsagent over flere runder

Tag en kodningssession på fem runder med et stabilt repository-præfiks på 200K tokens, 20K nye input-tokens pr. runde og 8K output-tokens pr. runde.

Hvis den første runde giver et miss, og de senere stabile præfikser giver hits:

Hvis applikationen ændrer begyndelsen af konteksten i hver runde og dermed forhindrer genbrug, ville fem ikke-cachede læsninger af præfikset på 200K alene koste $3.00. Opbygningen af sessionen gør en større forskel end små ændringer i prompten.

Sådan fungerer automatisk kontekstcaching

Moonshot oplyser, at caching er automatisk for almindelige K3-anmodninger. Sådan giver du tjenesten størst chance for at genbruge et præfiks:

• hold den lange begyndelse af samtalen uændret;
• tilføj nye spørgsmål og værktøjsresultater i stedet for at omskrive gamle beskeder;
• undgå dynamiske tidsstempler og anmodnings-ID'er tæt på starten;
• hold systeminstruktionerne stabile;
• bevar den fulde assistentbesked, som K3 kræver;
• gruppér brugere og dokumenter korrekt, så urelaterede data aldrig deler applikationstilstand.

Et cache-hit er en optimering, ikke en garanti. Overvåg de faktiske antal cachede og ikke-cachede tokens, som tjenesten returnerer.

Output-tokens kan dominere regningen

K3's outputpris er $15 pr. million tokens, fem gange taksten for ikke-cachet input og 50 gange taksten for cachet input. Lang ræsonnering og ordrige agentrapporter kan æde besparelserne fra inputcachen op.

Sådan holder du styr på outputomkostningerne:

• sæt en realistisk værdi for max_completion_tokens;
• bed om kortfattede endelige resultater;
• brug struktureret output, der kun indeholder de nødvendige felter;
• undgå gentagne omformuleringer af store planer;
• mål, om lavere ræsonneringsindsats løser opgaven pålideligt;
• stop værktøjsløkker efter verifikation eller en defineret fejlgrænse.

Fjern ikke nødvendig tænkehistorik fra senere runder blot for at spare tokens. Moonshot advarer om, at ufuldstændig tilstand kan gøre K3 ustabil, hvilket kan give flere genforsøg og højere samlede omkostninger.

Kimi K3 versus omkostninger ved selvhosting

Åbne vægte gør ikke inferens gratis. K3 har 2,8T parametre i alt, bruger ekstrem expert-parallelisme og anbefales til supernoder med 64 eller flere acceleratorer. Selvhosting medfører udgifter til hardware, netværk, udvikling, udnyttelsesgrad, overvågning og tilgængelighed.

API-adgang er som regel den praktiske løsning ved varierende eller beskeden trafik. Selvhosting bliver en strategisk diskussion for organisationer med vedvarende udnyttelse, infrastrukturekspertise, krav om datakontrol og adgang til egnede klynger. Vent på den faktiske licens for vægtene og en understøttet inferensstack, før du laver et budget.

Sådan reducerer du omkostningerne ved Kimi K3 API

1. Brug en mindre model til klassificering, routing og let udtræk.
2. Send kun opgaver til K3, som har gavn af ræsonnering over lange forløb eller multimodal kontekst.
3. Hold genbrugelige præfikser stabile.
4. Hent den relevante delmængde, når ræsonnering over hele konteksten er unødvendig.
5. Sæt grænser for output og værktøjsløkker.
6. Sammenlign ræsonnering på low, high og max på et reelt evalueringssæt.
7. Log omkostning pr. verificeret succes, inklusive genforsøg.
8. Følg alvorlige fejl og tiden til manuel rettelse.

Er Kimi K3 dyr?

K3 er billig, når et cachet langt præfiks understøtter en opgave med høj værdi, og outputtet forbliver fokuseret. Den kan være dyr, når hver runde rammer ved siden af cachen, udsender et langt svar og udløser flere genforsøg.

Den brugbare sammenligning er ikke dollar pr. million tokens isoleret set:

effective task cost =
  API cost per attempt × attempts per verified success
  + human correction cost

For kontekst om egenskaber og benchmarks kan du læse anmeldelsen af Kimi K3 og benchmarkanalysen af Kimi K3.

Ofte stillede spørgsmål

Hvad koster Kimi K3 pr. million tokens?

De officielle Moonshot-takster er $0.30 for input med cache-hit, $3 for input med cache-miss og $15 for output.

Har kontekstvinduet på 1M en højere tokenpris?

Moonshot oplister faste takster og ikke et særskilt trin for lang kontekst. En større prompt koster stadig mere, fordi den indeholder flere tokens.

Findes der et gratis Kimi K3 API?

Kampagnekreditter eller tilbud fra tredjeparter kan ændre sig. Byg ikke en produktionsøkonomisk model på midlertidig gratis adgang; kontrollér den officielle konsol og udbyderens vilkår.

Faktureres ræsonnerings-tokens?

Brug det officielle svar om forbrug og faktureringsdokumentationen til den endelige opgørelse for hver anmodning. K3 streamer ræsonnering adskilt fra det endelige indhold, og lang ræsonnering kan øge forbruget af genererede tokens.

Er Kimi K3 tilgængelig på Poyo.ai?

Ja. Modelsiden for Kimi K3 har den live playground, model-ID'et kimi-k3, API-adgang og de aktuelle Poyo-priser: $2.28 for input og $11.40 for output pr. 1M tokens, 24 % lavere end den officielle pris.

Kilder

• Officielle priser for Kimi K3
• Hurtig start til Kimi K3 og automatisk caching
• Moonshot AI: Kimi K3-arkitektur og tilgængelighed
• Poyo.ai's modelside for Kimi K3