Choose your path
최신 요금표(특히 Kimi K2.7/K2.6/K2.5)와 기능별 과금이 제 지식 범위(2024-10) 이후에 업데이트되었을 수 있어 정확한 수치를 단정할 수 없습니다. 공식 가격 페이지(또는 스크린샷/표)를 주시면 즉시 정밀 비교표로 정리해 드리겠습니다. 우선, 필요한 비교 항목과 “실제 코딩‑에이전트 비용” 계산 방법/템플릿을 제공합니다. 비교 항목 체크리스트(모델별 공통) - 통화/지역: USD/CNY 등 - 과금 단위: 1K 입력 토큰, 1K 출력 토큰 - 컨텍스트 창/토큰 한도 - 캐시 정책: 캐시 가능 범위, 캐시 토큰 단가 또는 할인율, 캐시 보존/무효화 조건 - Batch API: 할인율(%), 최소 배치 크기/제한, 지연 허용 범위 - WebSearch: 호출당 고정 수수료, 검색 결과 토큰 과금 방식(있다면), 무료쿼리/쿼터 - CometAPI: 호출당/분당 요금, 포함 리소스(예: 코드 실행/메모리/스토리지), 무료 크레딧 - 기타 도구호출 과금: 함수호출/툴콜 토큰 과금 규칙, 외부 API 패스스루 비용 여부 - 속도/등급별(표준/가속) 단가 차등이 있는지 모델별 비교 템플릿(값만 채워 넣으면 바로 비교 가능) - K2.7 - 입력 토큰: [ ]/1K - 출력 토큰: [ ]/1K - 컨텍스트: [ ] tokens - 캐시: [캐시 토큰가 또는 할인율], [캐시 조건] - Batch: [할인율], [최소 배치], [기타 제한] - WebSearch: [호출당 ], [토큰 과금 규칙], [무료쿼리] - CometAPI: [호출/분당 ], [제한/쿼터] - K2.6 - 입력 토큰: [ ]/1K - 출력 토큰: [ ]/1K - 컨텍스트: [ ] tokens - 캐시: [ ], [ ] - Batch: [ ], [ ], [ ] - WebSearch: [ ], [ ], [ ] - CometAPI: [ ], [ ] - K2.5 - 입력 토큰: [ ]/1K - 출력 토큰: [ ]/1K - 컨텍스트: [ ] tokens - 캐시: [ ], [ ] - Batch: [ ], [ ], [ ] - WebSearch: [ ], [ ], [ ] - CometAPI: [ ], [ ] “실제 코딩‑에이전트 비용” 산정 방법 - 개념 - 계획/추론 토큰: 에이전트의 체인‑오브‑소트(Planning/Reasoning) 토큰 - 툴콜 토큰: 함수 인자(JSON 등)와 툴 응답 파싱에 쓰인 토큰 - 코드 실행 비용: CometAPI 등 런타임(분당/초당) 과금 + 실행 중 생성되는 모델 토큰 - WebSearch 비용: 호출당 고정 요금 + 검색/요약 과정 토큰 - 캐시 절감: 프롬프트/지시문/지식블록 재사용으로 인한 토큰 단가 절감 - Batch 절감: 동일 작업 대량 처리 시 단가 할인 - 실패/재시도 마진: 재시도율(%)을 비용에 가중 - 기초 변수 - PT: 총 입력 토큰 - CT: 캐시 적중 토큰(PT 중) - OT: 총 출력 토큰 - IR: 입력 토큰 단가(/1K) - CR: 캐시 토큰 단가(/1K) 또는 캐시 할인 적용 단가 - OR: 출력 토큰 단가(/1K) - S: WebSearch 호출 수 - SF: WebSearch 호출당 수수료 - ST: WebSearch 관련 추가 토큰(요약/확장) 수 - Rm: 코드 실행 시간(분) - RR: 런타임 단가(분당) - BD: Batch 할인율(적용 시 0~1) - FR: 실패/재시도율(0~1) - 비용 공식(플러그‑인) - 토큰 비용 = ((PT − CT) × IR + CT × CR)/1000 + (OT × OR)/1000 - WebSearch 비용 = S × SF + (ST × 관련 토큰 단가)/1000 - 코드 실행 비용 = Rm × RR - 총비용(1회 시도) = 토큰 비용 + WebSearch 비용 + 코드 실행 비용 - Batch 적용 후 = 총비용 × (1 − BD) - 재시도 반영 = Batch 적용 후 × (1 + FR) - 실무 팁 - 캐시 전략: 정적 시스템 프롬프트/가이드라인/도메인 지식 블록을 캐시화해 CT를 극대화 - 툴콜 최소화: 하나의 툴콜에 더 많은 작업 인자를 묶어 호출 수 S를 축소 - 배치 묶음: 오프라인 대량 처리 라우트는 Batch API로 전환, BD 극대화 - 출력 제어: 필요 이상 장문 생성 억제해 OT를 관리 - 실패 예산: 재시도율(FR)을 주기적으로 측정해 예산 반영 비교 작업을 바로 진행하려면 아래 정보를 알려주세요. - 통화/지역(USD/CNY 등)과 요금 플랜(종량제/엔터프라이즈) - 각 모델(K2.7/K2.6/K2.5)의 공식 토큰 단가(입력/출력), 컨텍스트 크기 - 캐시 토큰 단가 또는 할인율과 적용 범위 - Batch API 할인율·조건 - WebSearch 호출당 수수료와 토큰 과금 규칙, 무료쿼터 - CometAPI(또는 코드 실행) 요금: 호출/분당/리소스 기준 - 예상 워크로드(요청당 PT/OT, 캐시 적중률, WebSearch 호출 수 S, 실행 시간 Rm, 재시도율 FR) 위 수치를 주시면 세 모델의 - 순수 토큰 단가 비교 - 캐시/Batch/검색/런타임 포함 “유효 단가” - 사용 패턴별(검색 중심/코드 실행 중심/텍스트 생성 중심) 최소 비용 모델 을 한눈에 보이는 요약표로 제공해 드리겠습니다.
from openai import OpenAI
client = OpenAI(
api_key="YOUR_COMETAPI_KEY",
base_url="https://api.cometapi.com/v1",
)
response = client.chat.completions.create(
model="gpt-5-mini",
messages=[{"role": "user", "content": "Build this workflow."}],
)
print(response.choices[0].message.content)요약 Moonshot AI는 현재 Kimi K2.7 Code의 가격을 캐시 적중 입력 토큰 100만 개당 $0.19, 캐시 미스 입력 토큰 100만 개당 $0.95, 출력 토큰 100만 개당 $4.00로 책정하고 있습니다. Kimi K2.7 Code HighSpeed는 해당 요율을 두 배로 적용하여 $0.38 / $1.90 / $8.00입니다.
주요 비용 고려 사항은 다음과 같습니다:
빠른 답변은 이 요약을 사용하고, 맥락, 예시, 구현 세부 정보는 가이드에서 확인하세요.
코딩 에이전트에서 가장 유용한 지표는 100만 토큰당 가격이 아닙니다. 추론, 캐싱, 재시도, 도구 호출, 지연 시간, 인간의 수정까지 포함한 “작업 완료당 비용”입니다.
| 모델 또는 경로 | 캐시 적중 입력 | 캐시 미스 또는 표준 입력 | 출력 | 컨텍스트 |
|---|---|---|---|---|
| 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 | 별도 표기 없음 | $0.76 / 1M | 약 $3.20 / 1M | 256K |
Moonshot의 K2.7 가격은 현재 프로모션입니다. 또한 Moonshot과 CometAPI는 서로 다른 입력 과금 구조를 사용하므로 표기된 요율을 직접적으로 동일 비교하면 안 됩니다.
K2.7 Code와 K2.6은 캐시 미스 입력 및 출력 가격이 동일합니다. 토큰 단위 차이는 K2.7 Code의 캐시된 입력 요율이 약간 더 높고, HighSpeed는 K2.7의 모든 요율을 두 배로 적용한다는 점입니다.
| 모델 | 적합한 용도 |
|---|---|
| kimi-k2.7-code | 코딩 에이전트, 저장소 편집, 장기 엔지니어링 작업 |
| kimi-k2.7-code-highspeed | 지연 시간이 중요하게 측정되는 대화형 코딩 |
| kimi-k2.6 | 일반 멀티모달 추론, 에이전트 및 내장 WebSearch |
| kimi-k2.5 | 저비용 일반 및 멀티모달 워크로드 |
Moonshot은 HighSpeed를 동일한 기반 K2.7 Code 모델을 더 빠른 경로로 제공한다고 설명합니다. 문서화된 출력 속도는 대략 초당 180 토큰이며, 짧은 컨텍스트 상황에서는 초당 260 토큰까지 도달합니다. Moonshot이 리소스를 확장하는 동안 용량은 변동될 수 있습니다.
따라서 HighSpeed는 별도의 모델 품질 등급이라기보다 주로 지연 시간 선택지입니다.
개발자는 Moonshot AI를 통해 직접 또는 CometAPI의 OpenAI 호환 API를 통해 Kimi K2.7 Code에 접근할 수 있습니다.
| 접근 경로 | 표준 입력 | 캐시된 입력 | 출력 |
|---|---|---|---|
| Moonshot 직행 API | $0.95 / 1M 캐시 미스 | $0.19 / 1M | $4.00 / 1M |
| CometAPI | $0.76 / 1M | 별도 표기 없음 | 약 $3.20 / 1M |
CometAPI의 표준 입력 및 출력 가격은 약 20% 낮으며, 캐시 적중 비율이 높은 워크로드에서는 Moonshot이 더 비용 효율적일 수 있습니다.
Kimi와 다른 모델 제공자를 하나의 API로 쓰고 싶다면 CometAPI를 선택하세요. 동일한 프롬프트나 저장소 컨텍스트를 자주 재사용한다면 Moonshot 직접 접근이 더 유리할 수 있습니다.
현재 표기된 요율 기준으로, CometAPI는 Moonshot의 캐시 미스 입력 및 출력 가격보다 약 20% 저렴합니다.
다만 CometAPI의 K2.7 모델 페이지에는 별도의 캐시 적중 가격이 표시되어 있지 않습니다. $0.76의 표준 입력 가격을 Moonshot의 $0.19 캐시된 입력 요율과 직접 비교해서는 안 됩니다.
긴 시스템 프롬프트, 도구 정의, 저장소 컨텍스트를 반복적으로 재사용하는 팀은 실제 트래픽으로 두 경로를 테스트해야 합니다. 캐시 적중 비율이 매우 높은 워크로드는 대부분 신규 컨텍스트를 보내는 워크로드와 다른 결과를 낼 수 있습니다.
최신 Kimi K2.7 Code price on CometAPI를 확인하거나 CometAPI 가격 페이지에서 사용 가능한 모델을 비교하세요.
Kimi는 입력 토큰을 캐시 적중과 캐시 미스로 구분하여 과금합니다.
캐시 미스에는 일반적으로 다음과 같은 신규 또는 수정된 콘텐츠가 포함됩니다:
캐시 적중에는 안정적인 시스템 프롬프트, 도구 스키마, 코딩 컨벤션, 변하지 않은 저장소 컨텍스트 등의 반복 콘텐츠가 포함될 수 있습니다.
K2.7 Code에서 캐시된 입력은 100만 토큰당 $0.19이며, 비캐시 입력은 $0.95입니다. 즉, 캐시 적중 토큰이 80% 더 저렴합니다.
두 범주를 별도로 계산하세요:
Input cost =
(cache-hit tokens ÷ 1,000,000 × cache-hit price)
+
(cache-miss tokens ÷ 1,000,000 × cache-miss price)
다음과 같은 워크플로우를 가정합니다:
| 토큰 범주 | 계산 | 비용 |
|---|---|---|
| 캐시 적중 | 800,000 ÷ 1M × $0.19 | $0.15 |
| 캐시 미스 | 200,000 ÷ 1M × $0.95 | $0.19 |
| 총 입력 비용 | $0.152 + $0.190 | $0.34 |
동일한 100만 토큰을 전부 캐시 미스 요율로 계산하면 $0.95가 듭니다. 이 예시에서 혼합 캐시 프로필은 입력 비용을 $0.608 절감합니다.
이 때문에 운영 대시보드는 총 입력 사용량만 보고하지 말고 캐시 적중과 캐시 미스 토큰을 별도로 기록해야 합니다.
Moonshot의 Batch API는 해당 실시간 모델 가격의 **60%**를 부과하여, 지원되는 비동기 워크로드에 40% 절감을 제공합니다. 현재 문서에는 K2.7 Code, K2.6, K2.5가 지원 Batch 모델로 나열되어 있습니다.
| Batch 모델 | 캐시 적중 입력 | 캐시 미스 입력 | 출력 |
|---|---|---|---|
| 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 |
Batch API가 적합한 사례:
IDE 보조, 라이브 채팅 등 즉각적인 응답을 기다리는 워크플로우에는 덜 적합합니다.
백그라운드 처리에서는 40% 절감이, 작업 완료율이 낮은 더 저렴한 모델로 전환하는 것보다 더 큰 가치를 줄 수 있습니다.
Moonshot은 성공한 내장 $web_search 호출당 $0.005를 부과합니다. 모델이 검색 도구를 트리거하지 않고 끝나면 별도의 도구 요금은 없습니다.
검색 결과 콘텐츠는 다음 모델 요청에 추가되어 입력 토큰으로 과금될 수 있습니다. Moonshot은 결과 토큰 계산을 다음과 같이 정의합니다:
Total tokens =
prompt tokens + search-result tokens + completion tokens
완전한 검색 워크플로우에는 다음이 포함될 수 있습니다:
Initial model request
+ WebSearch tool fee
+ search-result input tokens
+ follow-up model request
+ retries
또한 중요한 모델 제약이 있습니다. Moonshot의 내장 WebSearch는 Thinking 비활성화를 요구하며, K2.7 Code는 비-Thinking 모드를 지원하지 않습니다. 공식 WebSearch 예제는 따라서 Thinking을 비활성화한 K2.6을 사용합니다.
Moonshot의 내장 검색을 사용할 경우 Thinking을 비활성화한 K2.6 또는 K2.5를 사용하세요.
K2.7 코딩 에이전트는 일반 함수 호출을 통해 독립적으로 구현된 검색 서비스를 호출할 수 있습니다. 이 경우 검색 과금은 Moonshot의 $0.005 내장 요금이 아니라 외부 제공자의 가격이 적용됩니다.
다음과 같은 코딩 에이전트 워크플로우를 가정합니다:
| 구성 요소 | 계산 | 비용 |
|---|---|---|
| 입력 | 30,000 ÷ 1M × $0.95 | $0.03 |
| 출력 | 8,000 ÷ 1M × $4.00 | $0.03 |
| 합계 | $0.06 |
| 구성 요소 | 계산 | 비용 |
|---|---|---|
| 입력 | 30,000 ÷ 1M × $1.90 | $0.06 |
| 출력 | 8,000 ÷ 1M × $8.00 | $0.06 |
| 합계 | $0.12 |
동일한 토큰 사용량에서 HighSpeed는 정확히 두 배의 비용이 듭니다.
현재 CometAPI 요율 사용:
| 구성 요소 | 계산 | 비용 |
|---|---|---|
| 입력 | 30,000 ÷ 1M × $0.76 | $0.02 |
| 출력 | 8,000 ÷ 1M × $3.19998 | 약 $0.0256 |
| 합계 | 약 $0.0484 |
이는 이 예시에서 Moonshot 캐시 미스 토큰 비용 $0.0605 대비 약 20% 낮습니다. 계산에는 세금, 외부 도구 및 기타 플랫폼 서비스가 포함되지 않습니다.
Thinking을 비활성화한 K2.6 워크플로우가 다음을 사용한다고 가정합니다:
30,000 입력 토큰에는 후속 요청에 포함된 검색 결과 콘텐츠가 포함되어 있습니다.
| 구성 요소 | 계산 | 비용 |
|---|---|---|
| 입력 | 30,000 ÷ 1M × $0.95 | 0.0285 |
| 출력 | 8,000 ÷ 1M × $4.00 | 0.0320 |
| WebSearch | 1 × $0.005 | 0.0050 |
| 합계 | 0.0655 |
이 예시에서 직접적인 WebSearch 요금은 총액의 약 7.6%를 차지합니다. 더 긴 리서치 워크플로우에서는 검색 결과로 추가되는 토큰 비용이 도구 호출 자체 비용보다 더 클 수 있습니다.
K2.7 Code는 Thinking이 비활성화되면 오류를 반환합니다. 추론은 reasoning_content를 통해 반환되며, 추론과 가시 응답 모두 토큰 사용량에 기여합니다.
다단계 도구 호출 중 애플리케이션은 어시스턴트의 reasoning_content를 대화 컨텍스트에 보존해야 합니다. 더 긴 에이전트 루프는 현재 출력 사용량과 이후 입력 사용량을 모두 증가시킬 수 있습니다.
max_tokens는 한도일 뿐 고정 과금이 아님max_tokens 파라미터는 모델이 생성할 수 있는 최대치를 정의합니다. 더 높은 설정은 모델이 추론과 응답을 완료할 충분한 여유를 제공하지만, 전체 허용량이 자동으로 과금되지는 않습니다.
비용은 실제로 처리·생성된 토큰을 기준으로 산정됩니다.
K2.7 Code는 여러 파라미터에 대해 고정값을 요구합니다:
| 파라미터 | 요구 값 |
|---|---|
| temperature | 1 |
| top_p | 0.95 |
| n | 1 |
| presence_penalty | 0 |
| frequency_penalty | 0 |
다른 값을 전달하면 오류가 반환될 수 있습니다. 여러 제공자에 동일한 OpenAI 호환 래퍼를 사용하는 애플리케이션은 모델 전환 전에 하드코딩된 기본값을 점검해야 합니다.
실용적인 통합 가이드는 How to Use Kimi K2.7 Code API with CometAPI를 참조하세요.
공식 가격 문서는 모델이 어떻게 과금되는지 설명합니다. 외부 도입은 어디에 사용되고 개발자가 어떻게 평가하는지에 대한 추가 맥락을 제공합니다.
GitHub는 2026년 7월 1일 Kimi K2.7 Code를 Copilot에서 일반 출시로 제공했으며, Copilot 모델 선택기에서 최초의 오픈 웨이트 모델이라고 설명했습니다. 초기에는 개인 요금제를 대상으로 제공되었고, 7월 7일 Business와 Enterprise 요금제로 확대되었습니다.
GitHub의 도입은 유의미한 배포 신호이지만, 모든 코딩 워크로드에서 K2.7이 다른 모델을 능가한다는 증거는 아닙니다.
외부 출처:
Moonshot은 수정된 MIT 라이선스 하에 Hugging Face에 Kimi K2.7 Code를 게시합니다. 모델 카드는 1조 파라미터 Mixture-of-Experts 아키텍처, 활성 파라미터 320억, 256K 컨텍스트 윈도를 설명합니다. 또한 Transformers, vLLM, SGLang 같은 프레임워크용 배포 지침을 포함합니다.
Moonshot은 K2.6 대비 사고 토큰 사용량 약 30% 감소와 에이전트 능력 10% 향상을 보고합니다. 이는 벤더 보고 결과이며, 독립 워크로드로 검증해야 합니다.
아키텍처와 배포 세부사항은 Kimi K2.7 Code 모델 카드(Hugging Face)를 참조하세요.
Hacker News에서의 논의는 출시 자료보다 더 혼재되어 있습니다. 일부 개발자는 Kimi의 오픈 웨이트 가용성, 토큰 효율, 코딩 에이전트 도구 통합에 주목합니다. 다른 이들은 더 낮은 토큰 가격이 재시도, 감독, 컨텍스트 요구가 늘어나면 프로젝트 비용이 반드시 낮아지지 않는다고 주장합니다.
이 논의는 본 가이드의 핵심 권고를 뒷받침합니다. 공개 벤치마크만이 아니라 실제 저장소를 사용해 모델을 비교하고, 작업 완료, 재시도, 사람의 수정까지 측정하세요.
다음 표는 2026년 7월 13일 기준 Kimi K2.7 Code, DeepSeek V4 Pro, Claude Sonnet 5, GPT-5.6 Sol의 현재 표준 API 요율을 비교합니다.
| 제공자 | 모델 | 표준 입력 | 캐시 적중 입력 또는 읽기 | 출력 | 비고 | CometAPI 가격 |
|---|---|---|---|---|---|---|
| Moonshot AI | Kimi K2.7 Code | $0.95 / 1M | $0.19 / 1M | $4.00 / 1M | 프로모션 가격 | $0.76 입력 / ~$3.20 출력 |
| DeepSeek | DeepSeek V4 Pro | $0.435 / 1M 캐시 미스 | $0.003625 / 1M | $0.87 / 1M | 1M 컨텍스트 | $0.416 입력 / $0.832 출력 |
| Anthropic | Claude Sonnet 5 | $2.00 / 1M | $0.20 / 1M 캐시 읽기 | $10.00 / 1M | 2026-08-31까지 도입 가격 | $1.60 입력 / $8.00 출력 |
| OpenAI | GPT-5.6 Sol | $5.00 / 1M | $0.50 / 1M | $30.00 / 1M | 표준 단기 컨텍스트 가격 | $4.00 입력 / $24.00 출력 |
공식 가격 참고:
DeepSeek V4 Pro는 현재 1M 컨텍스트 윈도를 제공하며, 캐시 적중 입력 $0.003625, 캐시 미스 입력 $0.435, 출력 $0.87(각 100만 토큰당)로 표기되어 있습니다.
Claude Sonnet 5의 도입 요율은 100만 입력 토큰당 $2, 100만 캐시 읽기 토큰당 $0.20, 100만 출력 토큰당 $10이며 2026년 8월 31일까지 적용됩니다. 캐시 쓰기는 별도 가격이며, Anthropic은 최신 토크나이저가 이전 Claude 모델보다 동일 텍스트에서 더 많은 토큰을 생성할 수 있다고 명시합니다.
GPT-5.6 Sol의 표준 단기 컨텍스트 요율은 100만 입력 토큰당 $5, 캐시된 입력 토큰당 $0.50, 100만 출력 토큰당 $30입니다. OpenAI는 캐시 쓰기, 장기 컨텍스트, Batch, Flex, Priority 요율을 별도로 제공합니다.
표기된 토큰 요율 기준으로 Kimi K2.7 Code는 Claude Sonnet 5와 GPT-5.6 Sol보다 저렴하며, DeepSeek V4 Pro가 더 저렴합니다. 이는 특정 코딩 워크플로우에서 어떤 모델이 최저 비용을 제공하는지 단정하지는 않습니다.
| 워크로드 | 권장 시작점 |
|---|---|
| 저장소 편집 및 장기 코딩 작업 | kimi-k2.7-code |
| 지연 시간이 중요한 대화형 코딩 | kimi-k2.7-code-highspeed |
| 일반 멀티모달 추론 및 에이전트 | kimi-k2.6 |
| Moonshot 내장 WebSearch | Thinking 비활성화한 kimi-k2.6 또는 kimi-k2.5 |
| 저비용 일반 워크로드 | kimi-k2.5 |
| 오프라인 평가 및 대량 처리 | Batch API |
K2.7 Code는 품질이 중요한 코딩 작업의 자연스러운 시작점입니다. HighSpeed는 더 빠른 응답이 개발자 경험, 전환, 처리량을 개선하는 경우 테스트할 가치가 있습니다.
K2.6은 일반 멀티모달 및 검색 기반 워크플로우에 더 유연하며, K2.5는 표준 Kimi 토큰 요율 중 가장 낮습니다.
공개 벤치마크에만 의존하지 말고 프로덕션 작업에서 평가 세트를 구축하세요.
유용한 테스트 사례:
다음 항목을 추적:
계산:
Cost per completed task =
total workflow cost ÷ successfully completed tasks
예를 들어 팀이 $10을 사용해 80개의 작업을 성공적으로 완료했다면:
Cost per completed task = $10 ÷ 80 = $0.125
토큰이 더 저렴한 모델이라도 재시도, 더 긴 추론, 광범위한 수동 수정이 필요하면 총비용이 더 높아질 수 있습니다.
라우팅, 폴백, 평가 예시는 CometAPI Cookbook을 참고하세요.
Moonshot은 현재 K2.7 Code를 다음과 같이 표기하고 있습니다:
해당 요율은 한시적 프로모션으로 표시되어 있습니다.
CometAPI는 현재 K2.7 Code를 100만 입력 토큰당 $0.76, 100만 출력 토큰당 $3.19998로 표기하고 있습니다.
별도의 캐시 적중 요율은 모델 페이지에 표시되어 있지 않습니다.
예. Batch 추론은 **실시간 가격의 60%**로 과금되며, 40% 절감에 해당합니다.
Moonshot의 현재 Batch 문서에는 K2.7 Code, K2.6, K2.5가 지원 모델로 나열되어 있습니다.
Moonshot의 내장 $web_search는 성공한 호출당 $0.005입니다.
검색 결과 콘텐츠가 다음 모델 요청에 포함되면 입력 토큰으로도 과금될 수 있습니다.
아니요. Thinking을 비활성화하면 오류가 반환됩니다.
예. Moonshot은 OpenAI API 형식과의 호환성을 문서화하고 있으나, Thinking, 파라미터, 다단계 도구 호출에 대한 모델 고유의 제약은 여전히 적용됩니다.
Kimi K2.7 Code는 코딩 에이전트 워크로드에 경쟁력 있는 가격을 제공합니다. 그러나 최적의 경로는 광고된 토큰 요율 이상의 요소에 달려 있습니다.
선택 전 비교하세요:
Total workflow cost =
tokens + retries + tools + latency + human correction
CometAPI를 통해 개발자는 통합된 API 워크플로우로 Kimi를 GPT, Claude, Gemini, DeepSeek, Grok 등과 함께 테스트할 수 있습니다.
최신 CometAPI 가격을 확인하고, Kimi K2.7 Code 모델 페이지를 열어, 자체 저장소의 실제 작업으로 모델을 벤치마크하세요.
목표는 가장 저렴한 토큰을 찾는 것이 아니라, 작업 완료당 최저 비용을 찾는 것입니다.