Kimi K3 APIの料金（2026年）：コストとK2.7コードの比較

TL;DR

Kimi K3 の料金は、1M キャッシュヒット入力トークンあたり $0.30、1M キャッシュミス入力トークンあたり $3.00、1M 出力トークンあたり $15.00、コンテキストウィンドウは1,048,576 トークンです。

K2.7 Code と比べると K3 はトークン単価が大幅に高い一方、コンテキストウィンドウが 4× に拡大し、ネイティブなビジョン対応や長期的なエージェント作業への強力な対応を提供します。

結論: 256K コンテキスト内の通常のコーディングには、依然として K2.7 Code が最も経済的です。より大きなコンテキスト、マルチモーダル機能、または K2.7 では確実に完了できないタスクのエスカレーション用途には K3 を使用してください。

Kimi K3 API 料金概要

最新の API パラメータと統合の詳細は Moonshot の Kimi K3 クイックスタート をご覧ください。

K2.7 Code からの Kimi K3 の追加点

最も目に見えるアップグレードはコンテキスト長です。

K2.7 Code は 262,144 トークンをサポートしますが、K3 はその上限を1,048,576 トークンに引き上げます。これにより、K3 は大規模なリポジトリ、長いエージェント履歴、広範なドキュメント、およびコンテキスト削減を必要としがちなワークフローにとってより実用的になります。

K3 は以下もサポートします:

• ネイティブな視覚理解
• 厳密な構造化出力
• tool_choice
• 動的ツール読み込み
• 自動コンテキストキャッシュ
• 長時間のコーディングやナレッジワークのワークフロー

Moonshot の Kimi K3 技術ブログ では、Terminal-Bench 2.1 で 88.3、Program Bench で 77.8、FrontierSWE で 81.2 と報告されています。

これらはプロバイダによる公表値であり、K3 を評価すべき理由にはなりますが、あらゆる本番ワークロードで K2.7 Code を上回ることを保証するものではありません。

前世代についての背景は、CometAPI の Kimi K2 API ガイド を参照してください。

Kimi K3 と Kimi K2.7 Code の料金比較

K2.7 の料金は、Moonshot の Kimi K2.7 Code 公式料金ドキュメントに基づきます。

標準の K2.7 Code と比較すると、K3 は次のとおりです:

• キャッシュヒット入力で1.58×の価格
• キャッシュミス入力で3.16×の価格
• 出力で3.75×の価格

K2.7 Code HighSpeed と比べると K3 のプレミアムは小さく見えますが、両モデルは重視するポイントが異なります。HighSpeed はコーディング出力の速度を重視し、K3 はより要求の高い長コンテキストやエージェント系のワークロードを対象としています。

Moonshot の現行の Batch API 料金ドキュメントには K3 が記載されていないため、他の Kimi モデルに適用される Batch 割引がここにも適用されると想定しないでください。

Kimi K3 のコンテキストキャッシュ: 入力 90% 割引の仕組み

K3 は自動コンテキストキャッシュに対応しています。

開発者がキャッシュ ID や TTL を手動で作成する必要はありません。大きなプレフィックスを繰り返しのリクエストで安定させることで、後続のリクエストがキャッシュヒット料金を受ける機会が生まれます。

料金の差は次のとおりです:

• キャッシュミス: $3.00 / 1M input tokens
• キャッシュヒット: $0.30 / 1M input tokens

つまり、キャッシュヒットの入力トークンはキャッシュミスよりも90% 安いということです。

ただし、出力は引き続き 1M トークンあたり $15 で計算されるため、リクエスト全体のコストが 90% 下がるわけではありません。

例えば、次の条件を仮定します:

• 入力トークン 600,000
• 出力トークン 20,000

この単純化した例では、総コストは約**77%**減少します。

実際の節約額は、キャッシュヒット料金が適用される入力トークンの割合によって異なります。

例: コーディングタスクのコスト（K3 vs K2.7）

あるコーディングタスクで以下を想定します:

• 入力トークン 200,000
• 出力トークン 20,000

このワークロードでは、K3 はコールドリクエスト時に標準の K2.7 Code の約 3.33× のコストになります。

K3 内に限っても、入力が完全にキャッシュミスの状態から完全にキャッシュヒットの状態へ移行すると、推定リクエストコストは**$0.90 から $0.36**に低下し、この例では 60% の削減となります。

ただし、リクエスト単位のコストは方程式の一部に過ぎません。

成功タスクあたりのコスト = 総ワークフロー支出 ÷ 受け入れ基準を満たしたタスク数

本番での比較には、再試行、フォールバック呼び出し、ツール実行、人手レビュー時間も含めるべきです。

一度で成功する K3 リクエストは、失敗する安価な試行を何度も重ねるより、結果的に経済的になり得ます。

実例に近いエッジケース: 推論トークンのコスト

K3 は常に推論を行うため、出力トークンの消費が請求額の意味ある部分となり得ます。

Simon Willison によるローンチ当日のテストでは、K3 に SVG の生成を求めたプロンプトで、最終応答 3,417 トークンに先立ち 13,241 の推論トークンが消費され、合計コストは約 $0.25 になりました。

これは単一プロンプトの非公式テストでありベンチマークではありませんが、重要なコスト上の注意点を示しています。すなわち、目に見える最終回答は、課金対象となる出力の一部に過ぎない可能性があるということです。

K3 は現在、最大の推論レベルのみをサポートしているため、各チームは自分たちのワークロードで実際の出力トークン使用量を測定すべきです。

より良いデフォルト: まず K2.7、失敗時に K3 へエスカレーション

混在するコーディングワークロードでは、すべてのリクエストを直接 K3 に送るより、ルーティングの方が経済的な場合があります。

シンプルな戦略は次のとおりです:

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

先の例を用いると:

• K2.7 Code はコールド試行あたり $0.27
• K3 は $0.90
• K2.7 は 70% のタスクを成功させる
• 30% は K3 で 1 回リトライする

平均コストは次のようになります:

$0.27 + (30% × $0.90) = $0.54 per task

同じトークン前提で全タスクを直接 K3 に送ると、1 タスクあたり $0.90 になります。

この単純化したシナリオでは、ルーティング戦略により40% 安価になります。

実際の削減幅は異なりますが、原則は有用です。ルーチン作業は安価なモデルに割り当て、追加能力が実際に必要な場合にのみエスカレーションするのが得策です。

Kimi K3 へのアップグレードが見合うケース

K3 が特に有用なのは次のような場合です:

• 必要なコンテキストが K2.7 Code の 262,144 トークン上限を超える
• コードと視覚入力が組み合わさる
• 長時間動作するエージェントが大規模リポジトリや外部ツールを横断して作業する
• K2.7 で再試行やフォールバック呼び出しが頻発する
• タスクの価値が高く、初回コストの最小化よりも完了品質が重要

K2.7 Code は、256K コンテキスト内で高い成功率を既に達成している反復的でスコープの明確なコーディングタスクにおいて、依然として強力な選択肢です。

レイテンシに敏感なコーディング用途では、K2.7 Code HighSpeed も別途検証すべきです。

K2.7 から K3 への移行: 5 つのエンジニアリングチェック

1. K3 の推論は現時点で軽減不可

K3 は常に推論を行い、現行の API でサポートされるのは次の設定のみです:

reasoning_effort="max"

max がデフォルトのため、このパラメータは省略可能です。

1. K2 固有の thinking パラメータを削除

K3 では K2.x の thinking パラメータを使用しないでください。

代わりにトップレベルの reasoning_effort フィールドを使用します。

1. 固定サンプリングパラメータは省略

K3 は現在、以下のパラメータを固定値で使用します:

temperature=1.0
top_p=0.95
n=1
presence_penalty=0
frequency_penalty=0

Moonshot は、これらのフィールドを上書きするのではなく省略することを推奨しています。

1. Assistant メッセージを完全な形で保持

マルチターンの会話やツール呼び出しループでは、可視の content のみを保持するのではなく、完全な assistant メッセージを次のリクエストに渡してください。

1. 本番前に Vision と Search を検証

K3 の現行の Vision API は、公開イメージ URL を直接サポートしていません。base64 データや Moonshot のファイル参照メカニズムなど、サポートされる形式を使用してください。

また、Moonshot は機能更新中であるため、現時点の Web Search 機能に本番用途で依存することは推奨していません。

Kimi K3 API の Python 例

K3 は OpenAI 互換の API インターフェース経由で呼び出せます:

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)

K3 の固定サンプリングパラメータは上書きしないでください。マルチターンやツール呼び出しのワークフローでは、完全な assistant メッセージを保持してください。

Kimi K3 をアップグレード前に評価する方法

K3 はベンチマーク用プロンプトだけでなく、実際のワークロードでテストしてください。

実践的な評価セットの例:

• 定常的なリポジトリ編集
• 256K のコンテキスト上限に近いタスク
• 256K を超えるタスク
• 視覚に関わるエンジニアリングタスク
• 長期的なエージェントやナレッジワークのタスク

該当する場合は、K3、K2.7 Code、K2.7 Code HighSpeed を比較してください。

追跡する指標:

• タスク成功率
• キャッシュあり/なしの入力トークン
• 出力トークンと推論トークン
• 再試行とフォールバック呼び出し
• p50 と p95 レイテンシ
• ツール呼び出しエラー
• 人手レビュー時間
• 成功タスクあたりのコスト

次の 3 つの方針を比較します:

1. すべて K2.7 Code
2. すべて K3
3. K2.7 Code（K3 へのエスカレーション付き）

品質とレイテンシ要件を満たしつつ、成功タスクあたりのコストが最も低くなるルートが最適です。

CometAPI における Kimi K3 の料金

上記の計算は、K3 と K2.7 の比較を一貫させるため、Moonshot AI の公式 API 料金を使用しています。

公開時点では、CometAPI 上の Kimi K3 は、Moonshot AI の標準 API レートより20% 低価格に設定されています:

API の価格は変更される可能性があるため、本番の予算計画にこれらの数字を使用する前に、最新のモデルページを確認してください。

CometAPI の OpenAI 互換 API により、同一のプロンプトと評価ワークフローで kimi-k3 を他のモデルルートと並べて簡単にテストできます。

Kimi K3 を試す準備はできましたか？ CometAPI の Kimi K3 ページで、導入前に料金を比較してください。

統合と評価の例は、CometAPI Cookbook on GitHub を参照してください。

FAQ

Kimi K3 API の料金はいくらですか？

Moonshot AI は Kimi K3 を、1M キャッシュヒット入力トークンあたり $0.30、1M キャッシュミス入力トークンあたり $3.00、1M 出力トークンあたり $15.00 としています。

API モデル ID は kimi-k3 です。

Kimi K3 は Kimi K2.7 Code より安いですか？

いいえ。Moonshot の公式レートに基づくと、K3 はキャッシュミス入力で約 3.16×、出力で約 3.75× の価格です。

それでも、タスク成功率の改善や再試行の削減によって、ワークフロー全体のコストを下げられる場合があります。

Kimi K3 は 1M トークンのコンテキストウィンドウを持っていますか？

はい。Kimi K3 は1,048,576 トークンのコンテキストウィンドウをサポートし、Kimi K2.7 Code の 262,144 トークンと比べて拡大しています。

Kimi K3 は自動コンテキストキャッシュをサポートしていますか？

はい。コンテキストキャッシュは自動です。キャッシュヒットの入力トークンは 1M あたり $0.30、キャッシュミスは 1M あたり $3.00 です。

コスト削減のために Kimi K3 の推論をオフにできますか？

現時点ではできません。K3 は常に推論を行い、サポートされる推論レベルは reasoning_effort="max" のみです。

まとめ

Kimi K3 は、K2.7 Code よりも大幅に大きいコンテキストとより広い機能を提供しますが、トークン単価は高くなります。

256K コンテキスト内の定常的なコーディングでは、通常、K2.7 Code の方が経済的です。長いコンテキスト、マルチモーダル、あるいは難易度の高いエージェント作業では、K3 は成功率の改善によってプレミアムを正当化し得ます。

多くの本番システムでは、K2.7 を既存のすべてと置き換えるのではなく、K2.7 をデフォルトに、K3 をエスカレーションルートにするのが最も効率的です。

最終的に重要なのは API 呼び出しあたりのコストではなく、成功タスクあたりのコストです。