TLDR Moonshot AI attualmente prezza Kimi K2.7 Code a $0.19 per 1M token di input cache-hit, $0.95 per 1M token di input cache-miss e $4.00 per 1M token di output. Kimi K2.7 Code HighSpeed raddoppia tali tariffe a $0.38 / $1.90 / $8.00.
Le principali considerazioni sui costi sono:
- Caching: l’input cache-hit di K2.7 di Moonshot costa l’80% in meno rispetto all’input cache-miss.
- HighSpeed: il percorso più veloce costa il doppio a livello di token.
- Batch API: i modelli supportati costano il 60% delle tariffe in tempo reale, pari a un risparmio del 40%.
- WebSearch: Moonshot addebita $0.005 per ogni chiamata di ricerca integrata andata a buon fine, oltre ai token usati per elaborare i risultati della ricerca.
- Compatibility: K2.7 Code richiede la modalità Thinking, mentre la WebSearch integrata di Moonshot richiede che Thinking sia disattivata.
Per gli agenti di coding, la metrica più utile non è il prezzo per milione di token. È il costo per attività completata, includendo ragionamento, cache, retry, chiamate agli strumenti, latenza e correzioni umane.
Kimi K2 API Pricing at a Glance
fonte: Kimi K2.7 Code pricing
| Model or route | Cache-hit input | Cache-miss or standard input | Output | Context |
|---|---|---|---|---|
| Moonshot K2.7 Code | $0.19 / 1M | $0.95 / 1M | $4.00 / 1M | 256K |
| Moonshot K2.7 Code HighSpeed | $0.38 / 1M | $1.90 / 1M | $8.00 / 1M | 256K |
| Moonshot K2.6 | $0.16 / 1M | $0.95 / 1M | $4.00 / 1M | 256K |
| Moonshot K2.5 | $0.10 / 1M | $0.60 / 1M | $3.00 / 1M | 256K |
| CometAPI K2.7 Code | Non indicato separatamente | $0.76 / 1M | Circa $3.20 / 1M | 256K |
I prezzi di K2.7 di Moonshot sono attualmente promozionali. Moonshot e CometAPI utilizzano inoltre strutture di fatturazione dell’input diverse, pertanto le tariffe riportate non sono direttamente interscambiabili.
Moonshot Kimi K2 Pricing Explained
K2.7 Code e K2.6 condividono gli stessi prezzi per l’input cache-miss e per l’output. Le principali differenze a livello di token sono che K2.7 Code addebita leggermente di più per l’input in cache, mentre HighSpeed raddoppia tutte le tariffe di K2.7.
| Model | Best suited to |
|---|---|
| kimi-k2.7-code | Agenti di coding, modifiche a repository e attività ingegneristiche di lungo periodo |
| kimi-k2.7-code-highspeed | Coding interattivo in cui una latenza inferiore ha un valore misurabile |
| kimi-k2.6 | Ragionamento multimodale generale, agenti e WebSearch integrata |
| kimi-k2.5 | Carichi generali e multimodali a costo inferiore |
Moonshot descrive HighSpeed come lo stesso modello K2.7 Code sottostante servito tramite un percorso più veloce. La velocità di output documentata è di circa 180 token al secondo, fino a 260 token al secondo in scenari con contesto più corto. La capacità può fluttuare mentre Moonshot espande le risorse.
HighSpeed è quindi principalmente una scelta di latenza e non un diverso livello di qualità del modello.
A Moonshot Direct API Alternative: CometAPI
Gli sviluppatori possono accedere a Kimi K2.7 Code direttamente tramite Moonshot AI oppure tramite l’API compatibile con OpenAI di CometAPI.
| Access route | Standard input | Cached input | Output |
|---|---|---|---|
| Moonshot direct API | $0.95 / 1M cache miss | $0.19 / 1M | $4.00 / 1M |
| CometAPI | $0.76 / 1M | Non indicato separatamente | Circa $3.20 / 1M |
Le tariffe di input standard e di output riportate da CometAPI sono circa più basse del 20%, mentre Moonshot può essere più conveniente per carichi con un’elevata percentuale di cache-hit.
Scegli CometAPI se vuoi un’unica API per Kimi e altri provider di modelli. Scegli l’accesso diretto a Moonshot se il tuo workflow riutilizza spesso gli stessi prompt o il contesto del repository.
fonte: Kimi K2.7 Code price on CometAPI
Alle tariffe attualmente indicate, CometAPI è circa più economico del 20% rispetto ai prezzi di Moonshot per input cache-miss e output.
Tuttavia, CometAPI non mostra un prezzo separato per i cache-hit sulla pagina del modello K2.7. Il prezzo di input standard di $0.76 non deve essere confrontato direttamente con la tariffa di $0.19 per l’input in cache di Moonshot.
I team che riutilizzano ripetutamente lunghi system prompt, definizioni di tool o contesto di repository dovrebbero testare entrambi i percorsi utilizzando il traffico reale. Un carico con un altissimo tasso di cache-hit può produrre un risultato diverso rispetto a uno che invia per lo più nuovo contesto.
Consulta gli ultimi prezzi di Kimi K2.7 Code su CometAPI o confronta i modelli disponibili nella pagina prezzi di CometAPI.
How Context Caching Changes Kimi API Cost
Kimi fattura i token di input come cache hit o cache miss.
I cache miss includono generalmente contenuti nuovi o modificati, come:
- nuovi file del repository
- istruzioni aggiornate
- risultati di tool recenti
- cronologia della conversazione variata
I cache hit possono includere contenuti ripetuti, come system prompt stabili, schemi dei tool, convenzioni di coding e contesto del repository invariato.
Per K2.7 Code, l’input in cache costa $0.19 per 1M token rispetto a $0.95 per l’input non in cache. Ciò rende un token cache-hit più economico dell’80%.
Calcola separatamente le due categorie:
Input cost =
(cache-hit tokens ÷ 1,000,000 × cache-hit price)
+
(cache-miss tokens ÷ 1,000,000 × cache-miss price)
Esempio di costo della cache
Supponiamo un processo di workflow:
- 800,000 token cache-hit
- 200,000 token cache-miss
| Token category | Calculation | Cost |
|---|---|---|
| Cache hit | 800,000 ÷ 1M × $0.19 | $0.15 |
| Cache miss | 200,000 ÷ 1M × $0.95 | $0.19 |
| Total input cost | $0.152 + $0.190 | $0.34 |
Calcolare gli stessi 1M token interamente alla tariffa cache-miss costerebbe $0.95. In questo esempio, il profilo di cache misto riduce il costo di input di $0.608.
Ecco perché le dashboard di produzione dovrebbero registrare separatamente i token cache-hit e cache-miss invece di riportare solo il totale dell’input.
Kimi Batch API Pricing
La Batch API di Moonshot addebita il 60% del prezzo del modello in tempo reale, offrendo ai team un risparmio del 40% per i carichi asincroni supportati. La documentazione attuale elenca K2.7 Code, K2.6 e K2.5 come modelli Batch supportati.
| Batch model | Cache-hit input | Cache-miss input | Output |
|---|---|---|---|
| kimi-k2.7-code | $0.114 / 1M | $0.57 / 1M | $2.40 / 1M |
| kimi-k2.6 | $0.096 / 1M | $0.57 / 1M | $2.40 / 1M |
| kimi-k2.5 | $0.06 / 1M | $0.36 / 1M | $1.80 / 1M |
La Batch API è adatta per:
- analisi del codice a livello di repository
- ampie esecuzioni di valutazione
- classificazione offline
- arricchimento notturno
- generazione di test sintetici
- analisi di migrazione
- backlog di security review
È meno adatta per assistenti IDE, chat in tempo reale e altri workflow in cui l’utente attende una risposta immediata.
Per l’elaborazione in background, il risparmio del 40% può essere più prezioso che passare a un modello più economico con un tasso di completamento attività inferiore.
Kimi WebSearch Pricing and Compatibility
Moonshot addebita $0.005 per ogni chiamata $web_search integrata andata a buon fine. Non viene addebitata alcuna tariffa separata per lo strumento quando il modello termina senza attivare la ricerca.
Il contenuto dei risultati di ricerca può anche essere aggiunto alla successiva richiesta al modello e fatturato come token di input. Moonshot definisce così il calcolo dei token risultante:
Total tokens =
prompt tokens + search-result tokens + completion tokens
Un workflow di ricerca completo può quindi includere:
Initial model request
+ WebSearch tool fee
+ search-result input tokens
+ follow-up model request
+ retries
C’è anche una limitazione importante del modello. La WebSearch integrata di Moonshot richiede che Thinking sia disattivata, mentre K2.7 Code non supporta la modalità senza Thinking. L’esempio ufficiale di WebSearch usa quindi K2.6 con Thinking disattivata.
Per la ricerca integrata di Moonshot, usa K2.6 o K2.5 con Thinking disattivata.
Un agente di coding K2.7 può comunque chiamare un servizio di ricerca implementato in modo indipendente tramite il normale function calling. In tal caso, il prezzo della ricerca è determinato dal provider esterno anziché dalla tariffa integrata di $0.005 di Moonshot.
Example 1: K2.7 Code Cost for a Coding Task
Supponiamo che un workflow di agente di coding utilizzi:
- 30,000 token di input cache-miss
- 8,000 token di output, incluso il ragionamento
- nessuna chiamata a WebSearch integrata
K2.7 Code standard
| Component | Calculation | Cost |
|---|---|---|
| Input | 30,000 ÷ 1M × $0.95 | $0.03 |
| Output | 8,000 ÷ 1M × $4.00 | $0.03 |
| Total | $0.06 |
K2.7 Code HighSpeed
| Component | Calculation | Cost |
|---|---|---|
| Input | 30,000 ÷ 1M × $1.90 | $0.06 |
| Output | 8,000 ÷ 1M × $8.00 | $0.06 |
| Total | $0.12 |
A parità di utilizzo di token, HighSpeed costa esattamente il doppio.
CometAPI K2.7 Code
Usando le tariffe correnti di CometAPI:
| Component | Calculation | Cost |
|---|---|---|
| Input | 30,000 ÷ 1M × $0.76 | $0.02 |
| Output | 8,000 ÷ 1M × $3.19998 | Circa $0.0256 |
| Total | Circa $0.0484 |
Ciò è approssimativamente inferiore del 20% rispetto al costo di $0.0605 dei token cache-miss di Moonshot in questo esempio. Il calcolo esclude tasse, strumenti esterni e altri servizi di piattaforma.
Example 2: K2.6 With Built-In WebSearch
Supponiamo che un workflow K2.6 con Thinking disattivata utilizzi:
- 30,000 token di input cache-miss nell’intero workflow
- 8,000 token di output
- una chiamata a WebSearch integrata andata a buon fine
I 30,000 token di input includono il contenuto dei risultati di ricerca incluso nella richiesta di follow-up.
| Component | Calculation | Cost |
|---|---|---|
| Input | 30,000 ÷ 1M × $0.95 | 0.0285 |
| Output | 8,000 ÷ 1M × $4.00 | 0.0320 |
| WebSearch | 1 × $0.005 | 0.0050 |
| Total | 0.0655 |
In questo esempio, la tariffa diretta di WebSearch rappresenta circa il 7.6% del totale. In workflow di ricerca più lunghi, i token aggiunti dai risultati di ricerca possono costare più della chiamata allo strumento stessa.
Engineering Details That Can Change the Final Bill
K2.7 Code always uses Thinking mode
Fonte:* KIMI Thinking Mode Documentation
K2.7 Code restituisce un errore se Thinking è disattivata. Il ragionamento viene restituito tramite reasoning_content e sia il ragionamento sia la risposta visibile contribuiscono al consumo di token.
Durante chiamate a tool multi-step, le applicazioni devono preservare il reasoning_content dell’assistente nel contesto della conversazione. Loop di agenti più lunghi possono quindi aumentare sia l’uso di output attuale sia l’uso di input successivo.
max_tokens è un limite, non un addebito fisso
Il parametro max_tokens definisce la quantità massima che il modello può generare. Un’impostazione più alta dà al modello spazio sufficiente per completare il ragionamento e la risposta, ma l’intera franchigia non viene addebitata automaticamente.
I costi si basano sui token effettivamente elaborati e generati.
Diversi parametri di richiesta sono fissi
K2.7 Code richiede valori fissi per diversi parametri:
| Parameter | Required value |
|---|---|
| temperature | 1 |
| top_p | 0.95 |
| n | 1 |
| presence_penalty | 0 |
| frequency_penalty | 0 |
Passare un altro valore può restituire un errore. Le applicazioni che utilizzano lo stesso wrapper compatibile con OpenAI su più provider dovrebbero verificare i default hardcoded prima di cambiare modello.
Per una guida pratica all’integrazione, vedi How to Use Kimi K2.7 Code API with CometAPI.
External Adoption and Developer Signals
La documentazione ufficiale dei prezzi spiega come il modello viene fatturato. L’adozione esterna fornisce ulteriore contesto su dove viene utilizzato e come gli sviluppatori lo stanno valutando.
GitHub Copilot
GitHub ha reso Kimi K2.7 Code generalmente disponibile in Copilot il 1° luglio 2026, descrivendolo come il primo modello open-weight offerto nel selettore di modelli di Copilot. La disponibilità copriva inizialmente i piani individuali ed è stata estesa ai piani Business ed Enterprise il 7 luglio.
L’adozione da parte di GitHub è un utile segnale di distribuzione, ma non dimostra che K2.7 supererà altri modelli in ogni carico di lavoro di coding.
Fonti esterne:
- Kimi K2.7 Code is generally available in GitHub Copilot
- Kimi K2.7 for Copilot Business and Enterprise
Open-weight deployment ecosystem
Moonshot pubblica Kimi K2.7 Code su Hugging Face con una licenza MIT modificata. La scheda del modello descrive un’architettura mixture-of-experts con 1 trilione di parametri e 32 miliardi di parametri attivati e una finestra di contesto da 256K. Include anche istruzioni di deployment per framework come Transformers, vLLM e SGLang.
Moonshot riporta circa il 30% in meno di utilizzo di thinking-token rispetto a K2.6 e un miglioramento del 10% nella capacità agentica. Si tratta di risultati riportati dal vendor e dovrebbero essere convalidati con carichi indipendenti.
Vedi la scheda del modello Kimi K2.7 Code su Hugging Face per dettagli su architettura e deployment.
Discussione nella community degli sviluppatori
Le discussioni su Hacker News sono più variegate rispetto ai materiali di lancio. Alcuni sviluppatori si concentrano sulla disponibilità open-weight di Kimi, sull’efficienza dei token e sull’integrazione con strumenti per agenti di coding. Altri sostengono che un prezzo per token più basso non garantisce un costo di progetto inferiore se il modello richiede più retry, supervisione o contesto.
Questo dibattito supporta la raccomandazione centrale di questa guida: confronta i modelli usando repository reali e misura completamento del compito, retry e modifiche umane—non solo le tariffe pubblicizzate per i token.
Vedi la discussione su Kimi K2.7 Code su Hacker News.
GPT vs Claude vs Kimi vs DeepSeek API Pricing
La tabella seguente confronta le tariffe API standard correnti per Kimi K2.7 Code, DeepSeek V4 Pro, Claude Sonnet 5 e GPT-5.6 Sol al 13 luglio 2026.
| Provider | Model | Standard input | Cached input or read | Output | Notes | CometAPI price |
|---|---|---|---|---|---|---|
| Moonshot AI | Kimi K2.7 Code | $0.95 / 1M | $0.19 / 1M | $4.00 / 1M | Prezzi promozionali | $0.76 input / ~$3.20 output |
| DeepSeek | DeepSeek V4 Pro | $0.435 / 1M cache miss | $0.003625 / 1M | $0.87 / 1M | Contesto 1M | $0.416 input / $0.832 output |
| Anthropic | Claude Sonnet 5 | $2.00 / 1M | $0.20 / 1M cache read | $10.00 / 1M | Tariffe introduttive fino al 31 ago 2026 | $1.60 input / $8.00 output |
| OpenAI | GPT-5.6 Sol | $5.00 / 1M | $0.50 / 1M | $30.00 / 1M | Prezzi standard per contesto corto | $4.00 input / $24.00 output |
Riferimenti ufficiali ai prezzi:
DeepSeek V4 Pro attualmente elenca una finestra di contesto da 1M con input cache-hit a $0.003625, input cache-miss a $0.435 e output a $0.87 per milione di token.
La tariffa introduttiva di Claude Sonnet 5 è $2 per milione di token di input, $0.20 per milione di token letti da cache e $10 per milione di token di output fino al 31 agosto 2026. Le scritture in cache hanno un prezzo separato, e Anthropic nota che il tokenizer più recente del modello può produrre più token per lo stesso testo rispetto ai modelli Claude precedenti.
La tariffa standard a contesto corto di GPT-5.6 Sol è $5 per milione di token di input, $0.50 per milione di token di input in cache e $30 per milione di token di output. OpenAI elenca anche tariffe separate per scritture in cache, contesto lungo, Batch, Flex e Priority.
Alle tariffe indicate, Kimi K2.7 Code è meno costoso di Claude Sonnet 5 e GPT-5.6 Sol, mentre DeepSeek V4 Pro è più economico. Ciò non stabilisce quale modello offra il costo più basso per uno specifico workflow di coding.
Which Kimi Model Should You Use?
| Workload | Recommended starting point |
|---|---|
| Modifiche al repository e lunghe attività di coding | kimi-k2.7-code |
| Coding interattivo in cui la latenza conta | kimi-k2.7-code-highspeed |
| Ragionamento multimodale generale e agenti | kimi-k2.6 |
| WebSearch integrata di Moonshot | kimi-k2.6 o kimi-k2.5 con Thinking disattivata |
| Carichi generali a costo più basso | kimi-k2.5 |
| Valutazioni offline ed elaborazione in bulk | Batch API |
K2.7 Code è il punto di partenza naturale per lavori di coding sensibili alla qualità. HighSpeed vale un test quando risposte più rapide migliorano l’esperienza degli sviluppatori, la conversione o la produttività.
K2.6 è più flessibile per workflow multimodali generali e basati su ricerca, mentre K2.5 ha le tariffe standard per token più basse di Kimi.
How to Evaluate the Real Cost
Costruisci un set di valutazione a partire da task di produzione invece di fare affidamento solo su benchmark pubblici.
Casi di test utili includono:
- implementazione di feature a livello di repository
- revisione di pull request
- debugging e generazione di test
- analisi del codice a lungo contesto
- chiamate a tool multi-step
- supporto sviluppatori basato su ricerca
Traccia:
- completamento con successo delle attività
- rapporto di cache-hit
- token di input e output
- volume di token di ragionamento
- successo delle chiamate a tool
- numero di retry
- latenza p50 e p95
- correzioni umane
- costo totale del workflow
Calcola:
Cost per completed task =
total workflow cost ÷ successfully completed tasks
Ad esempio, se un team spende $10 e completa con successo 80 attività:
Cost per completed task = $10 ÷ 80 = $0.125
Un modello con token più economici può comunque costare di più se richiede tentativi ripetuti, ragionamenti più lunghi o ampie correzioni manuali.
Per esempi di routing, fallback e valutazione, esplora il CometAPI Cookbook.
Frequently Asked Questions
Quanto costa Kimi K2.7 Code?
Moonshot attualmente indica K2.7 Code a:
- $0.19 per 1M token di input cache-hit
- $0.95 per 1M token di input cache-miss
- $4.00 per 1M token di output
Le tariffe sono contrassegnate come prezzi promozionali a tempo limitato.
Quanto costa K2.7 Code tramite CometAPI?
CometAPI attualmente indica K2.7 Code a $0.76 per 1M token di input e $3.19998 per 1M token di output.
Non è mostrata una tariffa separata per i cache-hit.
La Kimi Batch API riduce i costi e supporta K2.7 Code?
Sì. L’inferenza Batch costa il 60% del prezzo in tempo reale, pari a un risparmio del 40%.
La documentazione Batch attuale di Moonshot elenca K2.7 Code, K2.6 e K2.5 come modelli supportati.
Quanto costa Kimi WebSearch?
La $web_search integrata di Moonshot costa $0.005 per ogni chiamata andata a buon fine.
Il contenuto dei risultati di ricerca può anche essere fatturato come token di input quando incluso nella richiesta successiva al modello.
È possibile disattivare Thinking su K2.7 Code?
No. Le richieste che disattivano Thinking restituiscono un errore.
Kimi è compatibile con OpenAI?
Sì. Moonshot documenta la compatibilità con il formato API di OpenAI, sebbene restrizioni specifiche del modello si applichino comunque a Thinking, parametri e chiamate a tool multi-step.
Test Kimi K2.7 Code With CometAPI
Kimi K2.7 Code offre prezzi competitivi per i carichi di lavoro degli agenti di coding, ma la scelta migliore dipende da più fattori rispetto alla sola tariffa per token.
Prima di scegliere un provider, confronta:
Total workflow cost =
tokens + retries + tools + latency + human correction
CometAPI consente agli sviluppatori di testare Kimi insieme a GPT, Claude, Gemini, DeepSeek, Grok e altre famiglie di modelli tramite un workflow API unificato.
Consulta i prezzi aggiornati di CometAPI, apri la pagina del modello Kimi K2.7 Code e valuta il modello usando task reali dei tuoi repository.
L’obiettivo non è semplicemente trovare il token più economico. È trovare il costo più basso per attività completata.