Preços da API Kimi K3: custos de tokens, economia com cache e exemplos

Os preços da API Kimi K3 têm três tarifas: entrada em cache, entrada sem cache e saída. A diferença entre um acerto e uma falha de cache é de 10×, então dois agentes processando o mesmo repositório de 500 mil tokens podem ter custos muito diferentes dependendo do design da sessão.

A Moonshot não adiciona uma faixa de preço por token mais alta para a janela de contexto de 1 milhão de tokens do K3. Contextos longos ainda não são gratuitos: um prompt de 1 milhão de tokens sem cache custa US$ 3 antes de o modelo produzir uma resposta.

Disponibilidade e preços atualizados em 22 de julho de 2026. O Kimi K3 está disponível no Poyo.ai como kimi-k3 pela API Chat Completions compatível com OpenAI. O preço é de $2.28 por 1M tokens de entrada e $11.40 por 1M tokens de saída, 24% abaixo do preço oficial.

Preços oficiais da API Kimi K3

O K3 usa preços fixos de pagamento conforme o uso. A documentação da Moonshot não lista uma sobretaxa separada para contextos longos. A API tenta aplicar cache de contexto automaticamente; aplicações não criam um ID de cache nem configuram um TTL para solicitações comuns.

Fórmula de custo do Kimi K3

Use esta fórmula para uma única solicitação ou uma carga de trabalho agregada:

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

A resposta de uso da API e o painel de faturamento devem ser a fonte de verdade. Estimativas podem variar quando tokenização, novas tentativas, chamadas de ferramentas ou comportamento de cache mudam.

Exemplos reais de custo do Kimi K3

Solicitação curta de análise

Considere 10.000 tokens de entrada sem cache e 2.000 tokens de saída.

Mesmo com seis vezes mais entrada do que saída, ambas as partes custam o mesmo porque tokens de saída são cinco vezes mais caros.

Revisão de um repositório com 100 mil tokens

Considere 100.000 tokens de entrada sem cache e 10.000 tokens de saída.

Se o mesmo prefixo estável do repositório receber um acerto de cache na próxima interação, sua parte de entrada cai de US$ 0,30 para US$ 0,03.

Um corpus de pesquisa com 500 mil tokens

Considere 500.000 tokens de entrada e 20.000 tokens de saída.

É por isso que sessões repetidas de trabalho com conhecimento se beneficiam de um prefixo estável. Quando a saída se torna o maior custo, pedir que o modelo seja conciso pode importar tanto quanto o cache.

Contexto completo de 1 milhão com saída de 50 mil tokens

A janela de 1 milhão é uma capacidade máxima, não um objetivo para todas as solicitações. Recuperação de informações e análise em etapas podem ser mais baratas e fáceis de verificar.

Custo de um agente de programação em múltiplas etapas

Considere uma sessão de programação com cinco etapas, com um prefixo estável de repositório de 200 mil tokens, 20 mil novos tokens de entrada por etapa e 8 mil tokens de saída por etapa.

Se a primeira etapa não tiver cache e os prefixos estáveis seguintes tiverem cache:

Se a aplicação alterar o início do contexto a cada etapa e impedir o reaproveitamento, cinco leituras sem cache do prefixo de 200 mil tokens sozinhas custariam US$ 3,00. A construção da sessão cria uma diferença maior do que pequenas alterações no prompt.

Como o cache automático de contexto funciona

A Moonshot informa que o cache é automático para solicitações regulares do K3. Para dar ao serviço a melhor chance de reutilizar um prefixo:

• mantenha o início longo da conversa sem alterações;
• adicione novas perguntas e resultados de ferramentas em vez de reescrever mensagens antigas;
• evite timestamps dinâmicos e IDs de solicitação próximos ao início;
• mantenha instruções de sistema estáveis;
• preserve a mensagem completa do assistente exigida pelo K3;
• agrupe usuários e documentos corretamente para que dados sem relação nunca compartilhem o estado da aplicação.

Um acerto de cache é uma otimização, não uma garantia. Monitore as contagens reais de tokens em cache e sem cache retornadas pelo serviço.

Tokens de saída podem dominar a conta

O preço de saída do K3 é de US$ 15 por milhão de tokens, cinco vezes a taxa de entrada sem cache e 50 vezes a taxa de entrada em cache. Raciocínio longo e relatórios detalhados de agentes podem eliminar a economia obtida com cache de entrada.

Controle o custo de saída por meio de:

• definir um valor realista para max_completion_tokens;
• solicitar artefatos finais concisos;
• usar saída estruturada que inclua apenas os campos necessários;
• evitar repetições de grandes planos;
• medir se um menor esforço de raciocínio resolve a tarefa de forma confiável;
• interromper loops de ferramentas após verificação ou um limite de falha definido.

Não remova o histórico de raciocínio necessário de etapas posteriores apenas para economizar tokens. A Moonshot alerta que um estado incompleto pode tornar o K3 instável, o que pode gerar mais novas tentativas e maior custo total.

Kimi K3 versus custo de hospedagem própria

Pesos abertos não tornam a inferência gratuita. O K3 tem 2,8T de parâmetros totais, usa paralelismo extremo de especialistas e é recomendado para supernós com 64 ou mais aceleradores. A hospedagem própria adiciona custos de hardware, rede, engenharia, utilização, monitoramento e disponibilidade.

O acesso via API geralmente é a opção prática para tráfego variável ou moderado. A hospedagem própria se torna uma discussão estratégica para organizações com utilização constante, experiência em infraestrutura, requisitos de controle de dados e acesso a clusters adequados. Aguarde a licença real dos pesos e a pilha de inferência suportada antes de montar um orçamento.

Como reduzir o custo da API Kimi K3

1. Use um modelo menor para classificação, roteamento e extração simples.
2. Envie ao K3 apenas tarefas que se beneficiem de raciocínio de longo prazo ou contexto multimodal.
3. Mantenha prefixos reutilizáveis estáveis.
4. Recupere o subconjunto relevante quando o raciocínio em contexto completo não for necessário.
5. Defina limites para saída e loops de ferramentas.
6. Compare low, high e max de raciocínio em um conjunto de avaliação real.
7. Registre o custo por sucesso verificado, incluindo novas tentativas.
8. Acompanhe falhas graves e o tempo de correção humana.

O Kimi K3 é caro?

O K3 é barato quando um prefixo longo em cache apoia uma tarefa de alto valor e a saída permanece focada. Ele pode ser caro quando cada etapa perde o cache, gera uma conclusão longa e aciona várias novas tentativas.

A comparação útil não é apenas dólares por milhão de tokens:

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

Para contexto de capacidade e benchmarks, leia a análise do Kimi K3 e a análise de benchmarks do Kimi K3.

Perguntas frequentes

Quanto custa o Kimi K3 por milhão de tokens?

As tarifas oficiais da Moonshot são US$ 0,30 para entrada com acerto de cache, US$ 3 para entrada sem cache e US$ 15 para saída.

A janela de contexto de 1 milhão tem um preço maior por token?

A Moonshot lista tarifas fixas em vez de uma faixa separada para contexto longo. Um prompt maior ainda custa mais porque contém mais tokens.

Existe uma API Kimi K3 gratuita?

Créditos promocionais ou ofertas de terceiros podem mudar. Não monte um modelo de custo de produção baseado em acesso gratuito temporário; verifique o console oficial e os termos do provedor.

Tokens de raciocínio são cobrados?

Use a resposta oficial de uso e a documentação de faturamento para a contabilização final de cada solicitação. O K3 transmite o raciocínio separadamente do conteúdo final, e raciocínio longo pode aumentar o uso de tokens gerados.

O Kimi K3 está disponível no Poyo.ai?

Sim. A página do modelo Kimi K3 inclui Playground, ID kimi-k3, acesso à API e o preço atual do Poyo: $2.28 de entrada e $11.40 de saída por 1M tokens, 24% abaixo do oficial.

Fontes

• Preços oficiais do Kimi K3
• Guia rápido do Kimi K3 e cache automático
• Moonshot AI: arquitetura e disponibilidade do Kimi K3
• Página do modelo Kimi K3 no Poyo.ai