TL;DR
Kimi K3 kostet $0.30 pro 1M Cache‑Hit‑Eingabe‑Token, $3.00 pro 1M Cache‑Miss‑Eingabe‑Token und $15.00 pro 1M Ausgabe‑Token, mit einem 1,048,576‑Token‑Kontextfenster.
Im Vergleich zu K2.7 Code ist K3 pro Token deutlich teurer, bietet jedoch das 4× größere Kontextfenster sowie native Vision und stärkere Unterstützung für langhorizontige agentische Workloads.
Fazit: K2.7 Code bleibt die wirtschaftlichere Wahl für Routine‑Coding‑Aufgaben innerhalb von 256K Kontext. Verwenden Sie K3, wenn Sie größeren Kontext, Multimodalität benötigen oder als Eskalationsroute für Aufgaben, die K2.7 nicht zuverlässig abschließen kann.
Kimi K3 API‑Preise auf einen Blick
| Posten | Kimi K3 |
|---|---|
| API‑Modell‑ID | kimi-k3 |
| Cache‑Hit‑Eingabe | $0.30 / 1M Token |
| Cache‑Miss‑Eingabe | $3.00 / 1M Token |
| Ausgabe | $15.00 / 1M Token |
| Kontextfenster | 1,048,576 Token |
| Reasoning | Immer aktiviert |
| Unterstützter Reasoning‑Aufwand | nur max |
| Standardmäßige maximale Vervollständigung | 131,072 Token |
| Konfigurierbare maximale Vervollständigung | Bis zu 1,048,576 Token, vorbehaltlich des gesamten Kontextlimits |
| Zentrale Funktionen | Native Vision, Tool‑Aufrufe, strukturierte Ausgabe, Partial Mode, dynamisches Tool‑Laden, automatische Kontextzwischenspeicherung |
| Batch‑API | K3 ist derzeit nicht unter den unterstützten Batch‑Modellen aufgeführt |
Siehe Moonshots Kimi K3 Quickstart für aktuelle API‑Parameter und Integrationsdetails.
Was Kimi K3 gegenüber K2.7 Code hinzufügt
Die offensichtlichste Verbesserung ist die Kontextlänge.
K2.7 Code unterstützt 262,144 Token, während K3 dieses Limit auf 1,048,576 Token erhöht. Das macht K3 praktischer für große Repositories, lange Agenten‑Historien, umfangreiche Dokumentation und Workflows, die sonst eine Kontextreduktion erfordern würden.
K3 unterstützt außerdem:
- native visuelle Verständnisfähigkeiten
- strikte strukturierte Ausgabe
tool_choice- dynamisches Tool‑Laden
- automatische Kontextzwischenspeicherung
- lang laufende Programmier‑ und Wissensarbeits‑Workflows
Moonshots Kimi K3 technischer Blog berichtet 88.3 auf Terminal‑Bench 2.1, 77.8 auf Program Bench und 81.2 auf FrontierSWE.
Dies sind vom Anbieter gemeldete Benchmarks und sollten als Gründe gesehen werden, K3 zu evaluieren—nicht als Garantie, dass es K2.7 Code in jedem Produktions‑Workload übertrifft.
Hintergrund zur vorherigen Generation bietet CometAPIs Kimi K2 API‑Leitfaden.
Kimi K3 vs Kimi K2.7 Code Preisgestaltung
| Modell | Cache‑Hit‑Eingabe | Cache‑Miss‑Eingabe | Ausgabe | Kontext |
|---|---|---|---|---|
| kimi-k3 | $0.30 / 1M | $3.00 / 1M | $15.00 / 1M | 1,048,576 |
| kimi-k2.7-code | $0.19 / 1M | $0.95 / 1M | $4.00 / 1M | 262,144 |
| kimi-k2.7-code-highspeed | $0.38 / 1M | $1.90 / 1M | $8.00 / 1M | 262,144 |
Die K2.7‑Preise stammen aus Moonshots offizieller Kimi K2.7 Code Preisdokumentation.
Im Vergleich zu Standard‑K2.7 Code ist K3:
- 1,58× so teuer für Cache‑Hit‑Eingaben
- 3,16× so teuer für Cache‑Miss‑Eingaben
- 3,75× so teuer für Ausgaben
Der Aufpreis von K3 ist relativ zu K2.7 Code HighSpeed kleiner, aber die beiden Modelle setzen unterschiedliche Prioritäten: HighSpeed fokussiert schnellere Coding‑Ausgaben, während K3 auf anspruchsvollere Long‑Context‑ und agentische Workloads abzielt.
Moonshots aktuelle Batch‑API Preisdokumentation listet K3 nicht, daher sollte nicht angenommen werden, dass Batch‑Rabatte anderer Kimi‑Modelle hier gelten.
Kimi K3 Kontext‑Caching: So funktioniert der 90‑%‑Eingaberabatt
K3 unterstützt automatisches Kontext‑Caching.
Entwickler müssen keine Cache‑ID oder TTL manuell erstellen. Wenn große Präfixe über wiederholte Anfragen hinweg stabil bleiben, können nachfolgende Anfragen zum Cache‑Hit‑Preis abgerechnet werden.
Der Preisunterschied ist:
- Cache‑Miss: $3.00 / 1M Eingabe‑Token
- Cache‑Hit: $0.30 / 1M Eingabe‑Token
Damit kosten Cache‑Hit‑Eingabe‑Token 90 % weniger als Cache‑Miss‑Eingabe‑Token.
Die Ausgabe bleibt jedoch mit $15 pro Million Token bepreist, daher sinken die Gesamtkosten einer Anfrage nicht um 90 %.
Beispielannahme:
- 600,000 Eingabe‑Token
- 20,000 Ausgabe‑Token
| Cache‑Status | Eingabekosten | Ausgabekosten | Gesamt |
|---|---|---|---|
| Alle Eingaben ohne Cache‑Treffer | $1.80 | $0.30 | $2.10 |
| Alle Eingaben mit Cache‑Treffer | $0.18 | $0.30 | $0.48 |
In diesem vereinfachten Fall sinken die Gesamtkosten um etwa 77 %.
Die tatsächlichen Einsparungen hängen vom Anteil der Eingabe‑Token ab, die zum Cache‑Hit‑Preis abgerechnet werden.
Beispiel: Was eine Coding‑Aufgabe auf K3 vs K2.7 kostet
Angenommen, eine Coding‑Aufgabe verwendet:
- 200,000 Eingabe‑Token
- 20,000 Ausgabe‑Token
| Route | Gesamt (kalt) | Gesamt (vollständig gecacht) |
|---|---|---|
| kimi-k3 | $0.90 | $0.36 |
| kimi-k2.7-code | $0.27 | $0.12 |
| kimi-k2.7-code-highspeed | $0.54 | $0.24 |
Für diesen Workload kostet K3 etwa 3,33× so viel wie Standard‑K2.7 Code bei einer kalten Anfrage.
Innerhalb von K3 selbst reduziert der Wechsel von vollständig Cache‑Miss‑Eingabe zu vollständig gecachter Eingabe die geschätzten Anfragkosten von $0.90 auf $0.36, also um 60 % in diesem Beispiel.
Aber die Kosten pro Anfrage sind nur ein Teil der Gleichung.
Kosten pro erfolgreicher Aufgabe = Gesamtaufwand des Workflows ÷ Aufgaben, die die Abnahmekriterien bestehen
Ein Produktionsvergleich sollte auch Retries, Fallback‑Calls, Tool‑Ausführungen und menschliche Prüfdauer berücksichtigen.
Eine K3‑Anfrage, die einmalig erfolgreich ist, kann wirtschaftlicher sein als mehrere günstigere Versuche, die scheitern.
Ein Praxis‑Randfall: Kosten für Reasoning‑Token
K3 verwendet immer Reasoning, daher kann der Verbrauch von Ausgabe‑Token zu einem wesentlichen Kostenfaktor werden.
In einem Test am Launch‑Tag von Simon Willison verbrauchte ein Prompt zur Generierung eines SVG 13,241 Reasoning‑Token, bevor 3,417 Antwort‑Token erzeugt wurden—zu Gesamtkosten von ungefähr $0.25.
Dies war ein informeller Single‑Prompt‑Test und kein Benchmark, zeigt aber eine wichtige Kostenüberlegung: Die sichtbare Endantwort macht möglicherweise nur einen Teil der abgerechneten Ausgabe aus.
Da K3 derzeit nur maximalen Reasoning‑Aufwand unterstützt, sollten Teams die tatsächliche Nutzung von Ausgabe‑Token auf ihren eigenen Workloads messen.
Ein besserer Standard: zuerst K2.7, Eskalation auf K3
Für gemischte Coding‑Workloads kann Routing wirtschaftlicher sein, als jede Anfrage direkt an K3 zu senden.
Eine einfache Strategie ist:
Start with K2.7 Code
↓
Task exceeds 256K context?
→ Yes: use K3
↓ No
Run task and validation
↓
Validation failed?
→ Yes: escalate to K3
↓ No
Return result
Unter Verwendung des vorherigen Beispiels:
- K2.7 Code kostet $0.27 pro kaltem Versuch
- K3 kostet $0.90
- K2.7 schließt 70 % der Aufgaben erfolgreich ab
- 30 % werden einmal auf K3 wiederholt
Die durchschnittlichen Kosten werden:
$0.27 + (30% × $0.90) = $0.54 per task
Wenn jede Aufgabe direkt an K3 gesendet würde, lägen die Kosten bei $0.90 pro Aufgabe unter denselben Token‑Annahmen.
Damit ist die geroutete Strategie in diesem vereinfachten Szenario 40 % günstiger.
Die genauen Einsparungen variieren, aber das Prinzip ist hilfreich: Routinen an das günstigere Modell, Eskalation nur, wenn tatsächlich zusätzliche Fähigkeiten benötigt werden.
Wann lohnt sich das Upgrade auf Kimi K3?
K3 ist besonders überzeugend, wenn:
- der benötigte Kontext das 262,144‑Token‑Limit von K2.7 Code überschreitet.
- die Aufgabe Code mit visueller Eingabe kombiniert.
- ein lang laufender Agent in großen Repositories und mit externen Tools arbeiten muss.
- bei K2.7 häufige Retries oder Fallback‑Calls nötig sind.
- die Aufgabe wertvoll genug ist, dass die Abschlussqualität wichtiger ist als die Minimierung der Erstaufrufkosten.
K2.7 Code bleibt eine starke Option für repetitive, gut abgegrenzte Coding‑Aufgaben, die innerhalb von 256K Kontext bereits eine hohe Erfolgsquote erzielen.
Für latenzsensitive Coding‑Anwendungen sollte K2.7 Code HighSpeed ebenfalls separat getestet werden.
Migration von K2.7 zu K3: Fünf Engineering‑Prüfpunkte
-
K3 Reasoning kann derzeit nicht reduziert werden
K3 verwendet immer Reasoning, und die aktuelle API unterstützt nur:
reasoning_effort="max"
Da max der Standard ist, kann der Parameter auch weggelassen werden.
-
K2‑spezifische
thinking‑Parameter entfernen
Verwenden Sie den K2.x‑Parameter thinking nicht mit K3.
Verwenden Sie stattdessen das Top‑Level‑Feld reasoning_effort.
-
Feste Sampling‑Parameter weglassen
K3 verwendet derzeit feste Werte für Parameter wie:
temperature=1.0
top_p=0.95
n=1
presence_penalty=0
frequency_penalty=0
Moonshot empfiehlt, diese Felder wegzulassen, statt sie zu überschreiben.
-
Vollständige Assistant‑Nachrichten beibehalten
Für mehrtägige Gespräche und Tool‑Calling‑Loops geben Sie die vollständige Assistant‑Nachricht in die nächste Anfrage, statt nur den sichtbaren content zu behalten.
-
Vision und Search vor dem Produktionseinsatz validieren
Die aktuelle Vision‑API von K3 unterstützt öffentliche Bild‑URLs nicht direkt. Verwenden Sie ein unterstütztes Bildformat wie Base64‑Daten oder Moonshots File‑Reference‑Mechanismus.
Moonshot rät außerdem davon ab, sich in der nahen Zukunft produktiv auf die aktuelle Web‑Search‑Funktionalität zu verlassen, während das Feature aktualisiert wird.
Kimi K3 API‑Beispiel in Python
K3 kann über eine OpenAI‑kompatible API‑Schnittstelle aufgerufen werden:
from openai import OpenAI
client = OpenAI(
base_url="YOUR_OPENAI_COMPATIBLE_BASE_URL",
api_key="YOUR_API_KEY",
)
response = client.chat.completions.create(
model="kimi-k3",
messages=[
{
"role": "system",
"content": "You are an expert software engineer.",
},
{
"role": "user",
"content": "Analyze this repository logic and identify potential issues.",
},
],
reasoning_effort="max", # Optional while "max" is the default
)
assistant_message = response.choices[0].message
print(assistant_message)
Vermeiden Sie es, die festen Sampling‑Parameter von K3 zu überschreiben. Für mehrtaktige und Tool‑Aufruf‑Workflows sollten Sie die vollständige Assistant‑Nachricht beibehalten.
So evaluieren Sie Kimi K3 vor einem Upgrade
Testen Sie K3 auf realen Workloads statt nur mit Benchmark‑Prompts.
Ein praxisnahes Evaluationsset könnte umfassen:
- Routine‑Repository‑Änderungen
- Aufgaben nahe der 256K‑Kontextgrenze
- Aufgaben, die 256K überschreiten
- visuelle Engineering‑Aufgaben
- langhorizontige agentische oder Wissensarbeits‑Aufgaben
Vergleichen Sie K3, K2.7 Code und K2.7 Code HighSpeed, wo anwendbar.
Erfassen Sie:
- Aufgabenerfolgsrate
- gecachte und nicht gecachte Eingabe‑Token
- Ausgabe‑ und Reasoning‑Token
- Retries und Fallback‑Calls
- p50‑ und p95‑Latenz
- Tool‑Call‑Fehler
- Zeit für menschliche Review
- Kosten pro erfolgreicher Aufgabe
Vergleichen Sie anschließend drei Strategien:
- Alles K2.7 Code
- Alles K3
- K2.7 Code mit Eskalation zu K3
Der beste Weg ist der, der Ihre Qualitäts‑ und Latenzanforderungen zu den geringsten Kosten pro erfolgreicher Aufgabe erfüllt.
Kimi K3‑Preise auf CometAPI
Die obigen Berechnungen verwenden die offiziellen API‑Preise von Moonshot AI, um den Vergleich zwischen K3 und K2.7 konsistent zu halten.
Zum Zeitpunkt der Veröffentlichung ist Kimi K3 auf CometAPI 20 % günstiger als die Standard‑API‑Sätze von Moonshot AI:
| Route | Eingabe | Ausgabe |
|---|---|---|
| Moonshot AI | $3.00 / 1M | $15.00 / 1M |
| CometAPI | $2.40 / 1M | $12.00 / 1M |
Da sich API‑Preise ändern können, prüfen Sie die Live‑Modellseite, bevor Sie diese Werte für die Produktionsbudgetierung verwenden.
Die OpenAI‑kompatible API von CometAPI erleichtert das Testen von kimi-k3 neben anderen Modellrouten mit denselben Prompts und demselben Evaluationsworkflow.
Bereit, Kimi K3 zu testen? Kimi K3 auf CometAPI ansehen und Preise vergleichen, bevor Sie es in die Produktion überführen.
Integrations‑ und Evaluationsbeispiele finden Sie im CometAPI Cookbook auf GitHub.
FAQ
Wie viel kostet die Kimi K3 API?
Moonshot AI listet Kimi K3 bei $0.30 pro 1 Million Cache‑Hit‑Eingabe‑Token, $3.00 pro 1 Million Cache‑Miss‑Eingabe‑Token und $15.00 pro 1 Million Ausgabe‑Token.
Die API‑Modell‑ID ist kimi-k3.
Ist Kimi K3 günstiger als Kimi K2.7 Code?
Nein. Basierend auf den offiziellen Raten von Moonshot ist K3 etwa 3,16× so teuer für Cache‑Miss‑Eingaben und 3,75× so teuer für Ausgaben.
Es kann dennoch die Workflow‑Kosten senken, wenn es die Erfolgsquote verbessert oder Retries reduziert.
Hat Kimi K3 ein 1M‑Token‑Kontextfenster?
Ja. Kimi K3 unterstützt ein 1,048,576‑Token‑Kontextfenster, verglichen mit 262,144 Token bei Kimi K2.7 Code.
Unterstützt Kimi K3 automatische Kontextzwischenspeicherung?
Ja. Kontext‑Caching ist automatisch. Cache‑Hit‑Eingabe‑Token kosten $0.30 pro Million gegenüber $3.00 pro Million für Cache‑Miss‑Eingaben.
Kann ich das Reasoning von Kimi K3 zur Kostensenkung deaktivieren?
Derzeit nicht. K3 verwendet immer Reasoning, und reasoning_effort="max" ist die einzige unterstützte Reasoning‑Stufe.
Abschließende Hinweise
Kimi K3 bietet deutlich mehr Kontext und breitere Fähigkeiten als K2.7 Code, jedoch zu einem höheren Token‑Preis.
Für Routine‑Coding innerhalb von 256K Kontext ist K2.7 Code in der Regel die wirtschaftlichere Wahl. Für Long‑Context‑, multimodale oder schwierige agentische Aufgaben kann K3 seinen Aufpreis rechtfertigen—insbesondere wenn es den erfolgreichen Abschluss verbessert.
Für viele Produktionssysteme ist die effizienteste Strategie daher nicht, K2.7 vollständig zu ersetzen, sondern K2.7 als Standard zu verwenden und bei Bedarf auf K3 zu eskalieren.
Das letztlich entscheidende Maß ist nicht die Kosten pro API‑Call, sondern die Kosten pro erfolgreicher Aufgabe.