Kimi K3 API-priser: tokenkostnader, cache-besparelser og eksempler

Prisene for Kimi K3 API har tre satser: bufret input, ikke-bufret input og output. Forskjellen mellom cache-treff og cache-bom er 10×, så to agenter som behandler det samme repositoriet på 500K tokens, kan få svært ulike kostnader avhengig av hvordan sesjonen er bygget opp.

Moonshot legger ikke på et dyrere pristrinn per token for K3s kontekstvindu på 1 million tokens. Lang kontekst er likevel ikke gratis: en ikke-bufret prompt på 1M tokens koster $3 før modellen i det hele tatt har produsert et svar.

Tilgjengelighet og priser oppdatert 22. juli 2026. Kimi K3 er tilgjengelig på Poyo.ai som kimi-k3 gjennom det OpenAI-kompatible Chat Completions API-et. Prisen er $2.28 per 1M input-tokens og $11.40 per 1M output-tokens – 24 % lavere enn den offisielle prisen.

Offisielle priser for Kimi K3 API

K3 har en flat pris der du betaler for det du bruker. Moonshots dokumentasjon oppgir ikke noe eget tillegg for lang kontekst. API-et forsøker kontekst-caching automatisk; applikasjoner trenger ikke opprette en cache-ID eller sette en TTL for vanlige forespørsler.

Kostnadsformel for Kimi K3

Bruk denne formelen for én forespørsel eller en samlet arbeidsmengde:

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

Bruksdataene i API-svaret og faktureringsdashbordet bør være fasiten. Anslag kan avvike når tokenisering, nye forsøk, verktøyrunder eller caching-atferd endrer seg.

Reelle kostnadseksempler for Kimi K3

Kort analyseforespørsel

Anta 10 000 ikke-bufrede input-tokens og 2 000 output-tokens.

Selv med seks ganger så mye input som output koster de to delene det samme, fordi output-tokens er fem ganger dyrere.

Gjennomgang av et repositorium på 100K tokens

Anta 100 000 ikke-bufrede input-tokens og 10 000 output-tokens.

Hvis det samme stabile repositorieprefikset får cache-treff i neste runde, faller input-delen fra $0.30 til $0.03.

En researchsamling på 500K tokens

Anta 500 000 input-tokens og 20 000 output-tokens.

Derfor tjener gjentatte sesjoner med kunnskapsarbeid på et stabilt prefiks. Når output blir den største kostnaden, kan det å be modellen om å fatte seg i korthet bety like mye som caching.

Full 1M kontekst med 50K output

Vinduet på 1M er en maksimal kapasitet, ikke et mål for hver forespørsel. Gjenfinning og trinnvis analyse kan være billigere og enklere å etterprøve.

Kostnad for en kodeagent over flere runder

Tenk deg en kodesesjon på fem runder med et stabilt repositorieprefiks på 200K tokens, 20K nye input-tokens per runde og 8K output-tokens per runde.

Hvis den første runden bommer på cachen og de senere stabile prefiksene treffer:

Hvis applikasjonen endrer starten av konteksten i hver runde og dermed hindrer gjenbruk, ville fem ikke-bufrede lesinger av prefikset på 200K alene koste $3.00. Hvordan sesjonen bygges opp, gir større utslag enn små endringer i prompten.

Slik fungerer automatisk kontekst-caching

Moonshot sier at caching skjer automatisk for vanlige K3-forespørsler. For å gi tjenesten best mulig sjanse til å gjenbruke et prefiks bør du:

• holde den lange starten av samtalen uendret;
• legge til nye spørsmål og verktøyresultater i stedet for å skrive om gamle meldinger;
• unngå dynamiske tidsstempler og forespørsels-ID-er nær starten;
• holde systeminstruksjonene stabile;
• bevare hele assistentmeldingen som K3 krever;
• gruppere brukere og dokumenter riktig, slik at urelaterte data aldri deler applikasjonstilstand.

Et cache-treff er en optimalisering, ikke en garanti. Overvåk det faktiske antallet bufrede og ikke-bufrede tokens som tjenesten rapporterer.

Output-tokens kan dominere regningen

K3s output-pris er $15 per million tokens, fem ganger satsen for ikke-bufret input og 50 ganger satsen for bufret input. Lang resonnering og ordrike agentrapporter kan spise opp besparelsene fra input-cachen.

Kontroller output-kostnaden ved å:

• sette en realistisk verdi for max_completion_tokens;
• be om konsise sluttprodukter;
• bruke strukturerte utdata som bare inneholder de nødvendige feltene;
• unngå gjentatte omformuleringer av store planer;
• måle om lavere resonneringsinnsats løser oppgaven pålitelig;
• stoppe verktøyløkker etter verifisering eller ved en definert feilterskel.

Ikke kutt nødvendig tenkehistorikk fra senere runder bare for å spare tokens. Moonshot advarer om at ufullstendig tilstand kan gjøre K3 ustabil, noe som kan føre til flere nye forsøk og høyere totalkostnad.

Kimi K3 sammenlignet med kostnaden ved selvhosting

Åpne vekter gjør ikke inferens gratis. K3 har 2.8T parametere totalt, bruker ekstrem ekspertparallellisme og anbefales kjørt på supernoder med 64 eller flere akseleratorer. Selvhosting gir kostnader til maskinvare, nettverk, utvikling, utnyttelse, overvåking og tilgjengelighet.

API-tilgang er som regel det praktiske valget ved varierende eller moderat trafikk. Selvhosting blir en strategisk diskusjon for organisasjoner med vedvarende høy utnyttelse, infrastrukturkompetanse, krav til datakontroll og tilgang til egnede klynger. Vent på den faktiske lisensen for vektene og en støttet inferensstakk før du lager et budsjett.

Slik reduserer du kostnaden for Kimi K3 API

1. Bruk en mindre modell til klassifisering, ruting og enkel uttrekking.
2. Send bare oppgaver til K3 som drar nytte av langsiktig resonnering eller multimodal kontekst.
3. Hold gjenbrukbare prefikser stabile.
4. Hent ut det relevante utvalget når resonnering over hele konteksten ikke er nødvendig.
5. Sett grenser for output og verktøyløkker.
6. Sammenlign resonneringsnivåene low, high og max på et reelt evalueringssett.
7. Logg kostnad per verifisert suksess, inkludert nye forsøk.
8. Spor alvorlige feil og tiden som går med til manuell korrigering.

Er Kimi K3 dyr?

K3 er rimelig når et bufret, langt prefiks støtter en verdifull oppgave og outputen holdes fokusert. Den kan bli dyr når hver runde bommer på cachen, gir et langt svar og utløser flere nye forsøk.

Den nyttige sammenligningen er ikke dollar per million tokens isolert sett:

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

For kontekst om egenskaper og benchmarks, les anmeldelsen av Kimi K3 og benchmarkanalysen av Kimi K3.

Ofte stilte spørsmål

Hva koster Kimi K3 per million tokens?

Moonshots offisielle satser er $0.30 for input med cache-treff, $3 for input uten cache-treff og $15 for output.

Har kontekstvinduet på 1M en høyere tokenpris?

Moonshot oppgir flate satser i stedet for et eget pristrinn for lang kontekst. En større prompt koster likevel mer fordi den inneholder flere tokens.

Finnes det et gratis Kimi K3 API?

Kampanjekreditter og tilbud fra tredjeparter kan endre seg. Ikke bygg en kostnadsmodell for produksjon rundt midlertidig gratis tilgang; sjekk den offisielle konsollen og leverandørens vilkår.

Blir resonneringstokens fakturert?

Bruk de offisielle bruksdataene i svaret og faktureringsdokumentasjonen for den endelige avregningen av hver forespørsel. K3 strømmer resonnering separat fra det endelige innholdet, og lang resonnering kan øke antallet genererte tokens.

Er Kimi K3 tilgjengelig på Poyo.ai?

Ja. Modellsiden for Kimi K3 har en interaktiv playground, modell-ID-en kimi-k3, API-tilgang og gjeldende Poyo-priser: $2.28 for input og $11.40 for output per 1M tokens, 24 % lavere enn den offisielle prisen.

Kilder

• Offisielle priser for Kimi K3
• Hurtigstart for Kimi K3 og automatisk caching
• Moonshot AI: arkitektur og tilgjengelighet for Kimi K3
• Poyo.ai sin modellside for Kimi K3