La tarification de l’API Kimi K3 repose sur trois tarifs : entrée mise en cache, entrée non mise en cache et sortie. La différence entre un accès au cache réussi et un échec de cache est de 10×. Ainsi, deux agents traitant le même dépôt de 500K tokens peuvent avoir des coûts très différents selon la conception de leurs sessions.
Moonshot n’ajoute pas de niveau tarifaire supérieur par token pour la fenêtre de contexte de 1 million de tokens de K3. Un contexte long n’est toujours pas gratuit : une invite de 1M tokens non mise en cache coûte $3 avant même que le modèle ne génère une réponse.
Disponibilité et tarifs mis à jour le 22 juillet 2026. Kimi K3 est disponible sur Poyo.ai sous l’identifiant
kimi-k3via l’API Chat Completions compatible OpenAI. Le tarif est de $2.28 par million de tokens d’entrée et $11.40 par million de tokens de sortie, soit 24 % moins cher que le tarif officiel.
Tarifs officiels de l’API Kimi K3
| Utilisation | Prix par 1M tokens |
|---|---|
| Entrée avec accès au cache | $0.30 |
| Entrée sans accès au cache | $3.00 |
| Sortie | $15.00 |
K3 utilise une tarification fixe à l’usage. La documentation de Moonshot ne mentionne pas de supplément spécifique pour les contextes longs. L’API tente automatiquement d’utiliser la mise en cache du contexte ; les applications n’ont pas besoin de créer un identifiant de cache ni de configurer un TTL pour les requêtes classiques.
Formule de calcul du coût de Kimi K3
Utilisez cette formule pour une requête unique ou une charge de travail agrégée :
cost =
cached_input_tokens / 1,000,000 × $0.30
+ uncached_input_tokens / 1,000,000 × $3.00
+ output_tokens / 1,000,000 × $15.00
La réponse d’utilisation de l’API et le tableau de bord de facturation doivent être considérés comme la source de référence. Les estimations peuvent varier lorsque la tokenisation, les nouvelles tentatives, les appels d’outils ou le comportement du cache changent.
Exemples réels de coûts Kimi K3
Requête d’analyse courte
Supposons 10,000 tokens d’entrée non mis en cache et 2,000 tokens de sortie.
| Composant | Calcul | Coût |
|---|---|---|
| Entrée | 10K / 1M × $3 | $0.03 |
| Sortie | 2K / 1M × $15 | $0.03 |
| Total | $0.06 |
Même avec six fois plus de tokens d’entrée que de sortie, les deux parties coûtent le même prix, car les tokens de sortie sont cinq fois plus chers.
Analyse d’un dépôt de 100K tokens
Supposons 100,000 tokens d’entrée non mis en cache et 10,000 tokens de sortie.
| Composant | Coût |
|---|---|
| Entrée | $0.30 |
| Sortie | $0.15 |
| Total | $0.45 |
Si le même préfixe de dépôt stable bénéficie d’un accès au cache lors du tour suivant, sa partie entrée passe de $0.30 à $0.03.
Corpus de recherche de 500K tokens
Supposons 500,000 tokens d’entrée et 20,000 tokens de sortie.
| État du cache | Coût d’entrée | Coût de sortie | Total |
|---|---|---|---|
| Échec de cache | $1.50 | $0.30 | $1.80 |
| Accès au cache | $0.15 | $0.30 | $0.45 |
C’est pourquoi les sessions répétées de travail intellectuel bénéficient d’un préfixe stable. Une fois que les sorties deviennent le coût principal, demander au modèle d’être concis peut avoir autant d’impact que la mise en cache.
Contexte complet de 1M avec 50K de sortie
| État du cache | Coût d’entrée | Coût de sortie | Total |
|---|---|---|---|
| Échec de cache | $3.00 | $0.75 | $3.75 |
| Accès au cache | $0.30 | $0.75 | $1.05 |
La fenêtre de 1M tokens représente une capacité maximale, pas une cible pour chaque requête. La récupération d’informations et l’analyse par étapes peuvent être moins coûteuses et plus faciles à vérifier.
Coût d’un agent de programmation multi-tour
Considérons une session de programmation en cinq tours avec un préfixe de dépôt stable de 200K tokens, 20K nouveaux tokens d’entrée par tour et 8K tokens de sortie par tour.
Si le premier tour ne bénéficie pas du cache et que les préfixes stables suivants sont mis en cache :
| Utilisation | Coût approximatif |
|---|---|
| Préfixe initial de 200K non mis en cache | $0.60 |
| Quatre lectures de préfixe mis en cache de 200K | $0.24 |
| Cinq × 20K nouvelles entrées non mises en cache | $0.30 |
| Cinq × 8K sorties | $0.60 |
| Total | $1.74 |
Si l’application modifie le début du contexte à chaque tour et empêche la réutilisation, cinq lectures non mises en cache du préfixe de 200K coûteraient à elles seules $3.00. La construction de la session crée une différence plus importante que de petites modifications d’invite.
Fonctionnement de la mise en cache automatique du contexte
Moonshot indique que la mise en cache est automatique pour les requêtes K3 classiques. Pour donner au service les meilleures chances de réutiliser un préfixe :
- conservez le début long de la conversation inchangé ;
- ajoutez les nouvelles questions et les résultats des outils au lieu de réécrire les anciens messages ;
- évitez les horodatages dynamiques et les identifiants de requête au début du contexte ;
- gardez les instructions système stables ;
- préservez le message complet de l’assistant requis par K3 ;
- regroupez correctement les utilisateurs et les documents afin que des données sans lien ne partagent jamais le même état d’application.
Un accès au cache est une optimisation, pas une garantie. Surveillez les quantités réelles de tokens mis en cache et non mis en cache renvoyées par le service.
Les tokens de sortie peuvent dominer la facture
Le prix des sorties de K3 est de $15 par million de tokens, soit cinq fois le tarif des entrées non mises en cache et 50 fois celui des entrées mises en cache. Les raisonnements longs et les rapports détaillés générés par des agents peuvent annuler les économies liées au cache d’entrée.
Réduisez les coûts de sortie en :
- définissant une valeur réaliste pour
max_completion_tokens; - demandant des résultats finaux concis ;
- utilisant des sorties structurées contenant uniquement les champs nécessaires ;
- évitant les reformulations répétées de grands plans ;
- évaluant si un effort de raisonnement plus faible permet de résoudre la tâche de manière fiable ;
- arrêtant les boucles d’outils après vérification ou après un seuil d’échec défini.
Ne supprimez pas l’historique de réflexion nécessaire des tours suivants uniquement pour économiser des tokens. Moonshot avertit qu’un état incomplet peut rendre K3 instable, ce qui peut entraîner davantage de nouvelles tentatives et un coût total plus élevé.
Coût de Kimi K3 par rapport à l’auto-hébergement
Les poids ouverts ne rendent pas l’inférence gratuite. K3 possède 2.8T paramètres au total, utilise un parallélisme extrême des experts et est recommandé pour des supernœuds disposant de 64 accélérateurs ou plus. L’auto-hébergement ajoute des coûts liés au matériel, au réseau, à l’ingénierie, à l’utilisation, à la supervision et à la disponibilité.
L’accès via API est généralement l’option la plus pratique pour un trafic variable ou modéré. L’auto-hébergement devient une question stratégique pour les organisations ayant une utilisation soutenue, une expertise en infrastructure, des exigences de contrôle des données et un accès à des clusters adaptés. Attendez la licence réelle des poids et la pile d’inférence prise en charge avant d’établir un budget.
Comment réduire le coût de l’API Kimi K3
- Utilisez un modèle plus petit pour la classification, le routage et l’extraction simple.
- Envoyez à K3 uniquement les tâches qui bénéficient d’un raisonnement à long terme ou d’un contexte multimodal.
- Gardez les préfixes réutilisables stables.
- Récupérez uniquement le sous-ensemble pertinent lorsque le raisonnement avec le contexte complet n’est pas nécessaire.
- Définissez des limites pour les sorties et les boucles d’outils.
- Comparez
low,highetmaxreasoning sur un véritable jeu d’évaluation. - Journalisez le coût par succès vérifié, y compris les nouvelles tentatives.
- Suivez les échecs critiques et le temps de correction humaine.
Kimi K3 est-il cher ?
K3 est peu coûteux lorsqu’un long préfixe mis en cache prend en charge une tâche à forte valeur ajoutée et que la sortie reste ciblée. Il peut devenir coûteux lorsque chaque tour échoue à utiliser le cache, génère une réponse longue et déclenche plusieurs nouvelles tentatives.
La comparaison utile n’est pas uniquement le prix par million de tokens :
effective task cost =
API cost per attempt × attempts per verified success
+ human correction cost
Pour le contexte des capacités et des benchmarks, consultez la revue de Kimi K3 et l’analyse des benchmarks de Kimi K3.
Questions fréquentes
Combien coûte Kimi K3 par million de tokens ?
Les tarifs officiels de Moonshot sont de $0.30 pour les entrées avec accès au cache, $3 pour les entrées sans accès au cache et $15 pour les sorties.
La fenêtre de contexte de 1M tokens a-t-elle un prix supérieur ?
Moonshot applique des tarifs fixes plutôt qu’un niveau tarifaire distinct pour les contextes longs. Une invite plus grande coûte toujours plus cher car elle contient davantage de tokens.
Existe-t-il une API Kimi K3 gratuite ?
Les crédits promotionnels ou les offres de fournisseurs tiers peuvent évoluer. Ne construisez pas un modèle de coûts de production basé sur un accès gratuit temporaire ; vérifiez les conditions officielles de la console et du fournisseur.
Les tokens de raisonnement sont-ils facturés ?
Utilisez la réponse d’utilisation officielle et la documentation de facturation pour le calcul final de chaque requête. K3 diffuse le raisonnement séparément du contenu final, et un raisonnement long peut augmenter l’utilisation des tokens générés.
Kimi K3 est-il disponible sur Poyo.ai ?
Oui. La page du modèle Kimi K3 propose le Playground, l’identifiant kimi-k3, l’accès API et le tarif Poyo actuel : $2.28 en entrée et $11.40 en sortie par million de tokens, soit 24 % moins cher que l’officiel.