Preços da API do Kimi K3: custos por token, poupança com cache e exemplos

Os preços da API do Kimi K3 têm três tarifas: entrada em cache, entrada sem cache e saída. A diferença entre um acerto e uma falha da cache é de 10×, pelo que dois agents que processem o mesmo repositório de 500K tokens podem ter custos muito diferentes, consoante o desenho da sessão.

A Moonshot não acrescenta um escalão por token mais alto para a janela de contexto de 1 milhão de tokens do K3. Ainda assim, o contexto longo não é gratuito: um prompt de 1M de tokens sem cache custa $3 antes de o modelo produzir uma resposta.

Disponibilidade e preços atualizados a 22 de julho de 2026. O Kimi K3 está disponível na Poyo.ai como kimi-k3, através da API Chat Completions compatível com OpenAI. O preço é de $2.28 por 1M de tokens de entrada e $11.40 por 1M de tokens de saída — 24% abaixo do preço oficial.

Preços oficiais da API do Kimi K3

O K3 usa preços fixos de pagamento por utilização. A documentação da Moonshot não indica um suplemento separado para contexto longo. A API tenta fazer cache de contexto automaticamente; as aplicações não criam um ID de cache nem configuram um TTL nos pedidos normais.

Fórmula de custo do Kimi K3

Usa esta fórmula para um pedido ou para 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 utilização da API e o dashboard de faturação devem ser a fonte de verdade. As estimativas podem diferir quando a tokenização, as repetições, os turnos de ferramentas ou o comportamento da cache mudam.

Exemplos reais de custos do Kimi K3

Pedido de análise curto

Imagina 10 000 tokens de entrada sem cache e 2000 tokens de saída.

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

Revisão de um repositório de 100K tokens

Imagina 100 000 tokens de entrada sem cache e 10 000 tokens de saída.

Se o mesmo prefixo estável do repositório tiver um acerto na cache no turno seguinte, a parte da entrada desce de $0.30 para $0.03.

Um corpus de investigação de 500K tokens

Imagina 500 000 tokens de entrada e 20 000 tokens de saída.

É por isso que as sessões repetidas de trabalho de conhecimento beneficiam de um prefixo estável. Quando a saída passa a ser o maior custo, pedir ao modelo que seja conciso pode importar tanto como a cache.

Contexto completo de 1M com 50K de saída

A janela de 1M é uma capacidade máxima, não um objetivo para todos os pedidos. A recuperação seletiva e a análise por fases podem ser mais baratas e mais fáceis de verificar.

Custo de um agent de programação em várias interações

Considera uma sessão de programação de cinco turnos, com um prefixo estável de repositório de 200K tokens, 20K novos tokens de entrada por turno e 8K tokens de saída por turno.

Se o primeiro turno falhar a cache e os prefixos estáveis seguintes a acertarem:

Se a aplicação alterar o início do contexto em cada turno e impedir a reutilização, só as cinco leituras sem cache do prefixo de 200K custariam $3.00. A construção da sessão cria uma diferença maior do que pequenas edições ao prompt.

Como funciona a cache automática de contexto

A Moonshot diz que a cache é automática nos pedidos normais ao K3. Para dar ao serviço a melhor hipótese de reutilizar um prefixo:

• mantém inalterado o início longo da conversa;
• acrescenta novas perguntas e resultados de ferramentas em vez de reescreveres mensagens antigas;
• evita timestamps dinâmicos e IDs de pedido perto do início;
• mantém estáveis as instruções de sistema;
• preserva a mensagem completa do assistente exigida pelo K3;
• agrupa corretamente utilizadores e documentos, para que dados não relacionados nunca partilhem estado da aplicação.

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

Os tokens de saída podem dominar a fatura

O preço de saída do K3 é de $15 por milhão de tokens, cinco vezes a tarifa de entrada sem cache e 50 vezes a tarifa de entrada em cache. Um raciocínio longo e relatórios de agents demasiado extensos podem anular a poupança da cache de entrada.

Controla o custo da saída:

• definindo um valor realista para max_completion_tokens;
• pedindo artefactos finais concisos;
• usando saída estruturada que inclua apenas os campos necessários;
• evitando repetições de planos extensos;
• medindo se um esforço de raciocínio menor resolve a tarefa de forma fiável;
• parando os ciclos de ferramentas após a verificação ou um limiar de falha definido.

Não cortes o histórico de raciocínio exigido dos turnos seguintes só para poupares tokens. A Moonshot avisa que um estado incompleto pode tornar o K3 instável, o que pode gerar mais repetições e um custo total mais alto.

Custo do Kimi K3 versus self-hosting

Os open weights não tornam a inferência gratuita. O K3 tem 2,8T de parâmetros no total, usa paralelismo de especialistas extremo e é recomendado para supernós com 64 ou mais aceleradores. O self-hosting acrescenta custos de hardware, rede, engenharia, utilização, monitorização e disponibilidade.

O acesso por API é, em geral, a opção prática para tráfego variável ou moderado. O self-hosting torna-se uma discussão estratégica para organizações com utilização sustentada, competência em infraestrutura, requisitos de controlo de dados e acesso a clusters adequados. Espera pela licença real dos pesos e pela stack de inferência suportada antes de montares um orçamento.

Como reduzir o custo da API do Kimi K3

1. Usa um modelo mais pequeno para classificação, encaminhamento e extração simples.
2. Envia para o K3 apenas as tarefas que beneficiem de raciocínio de longo horizonte ou de contexto multimodal.
3. Mantém estáveis os prefixos reutilizáveis.
4. Obtém o subconjunto relevante quando o raciocínio com contexto completo for desnecessário.
5. Define limites de saída e de ciclos de ferramentas.
6. Compara o raciocínio low, high e max num conjunto de avaliação real.
7. Regista o custo por sucesso verificado, incluindo as repetições.
8. Acompanha as falhas graves e o tempo de correção humana.

O Kimi K3 é caro?

O K3 é barato quando um prefixo longo em cache sustenta uma tarefa de alto valor e a saída se mantém focada. Pode ser caro quando todos os turnos falham a cache, geram uma conclusão longa e provocam várias repetições.

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

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

Para contexto sobre capacidades e benchmarks, lê a análise do Kimi K3 e a análise dos benchmarks do Kimi K3.

Perguntas frequentes

Quanto custa o Kimi K3 por milhão de tokens?

As tarifas oficiais da Moonshot são $0.30 para entrada com acerto na cache, $3 para entrada com falha na cache e $15 para saída.

A janela de contexto de 1M tem um preço por token mais alto?

A Moonshot indica tarifas fixas e não um escalão separado para contexto longo. Um prompt maior custa mais, mas apenas porque contém mais tokens.

Existe uma API gratuita do Kimi K3?

Os créditos promocionais ou as ofertas de terceiros podem mudar. Não montes um modelo de custos de produção em torno de um acesso gratuito temporário; verifica a consola oficial e os termos do fornecedor.

Os tokens de raciocínio são faturados?

Usa a resposta de utilização oficial e a documentação de faturação para a contabilização final de cada pedido. O K3 faz streaming do raciocínio separadamente do conteúdo final, e um raciocínio longo pode aumentar a utilização de tokens gerados.

O Kimi K3 está disponível na Poyo.ai?

Sim. A página do modelo Kimi K3 inclui o playground em direto, o ID de modelo kimi-k3, o acesso por API e os preços atuais da Poyo: $2.28 de entrada e $11.40 de saída por 1M de tokens, 24% abaixo do preço oficial.

Fontes

• Preços oficiais do Kimi K3
• Quickstart do Kimi K3 e cache automática
• Moonshot AI: arquitetura e disponibilidade do Kimi K3
• Página do modelo Kimi K3 na Poyo.ai