Cennik API Kimi K2 2026: koszty K2.7, Batch i WebSearch

TL;DR Moonshot AI obecnie wycenia Kimi K2.7 Code na $0.19 za 1M tokenów wejściowych z trafieniem w cache, $0.95 za 1M tokenów wejściowych z brakiem trafienia w cache oraz $4.00 za 1M tokenów wyjściowych. Kimi K2.7 Code HighSpeed podwaja te stawki do $0.38 / $1.90 / $8.00.

Główne kwestie kosztowe:

• Buforowanie (Caching): w K2.7 tokeny wejściowe z trafieniem w cache są o 80% tańsze niż tokeny z brakiem trafienia.
• HighSpeed: szybsza trasa kosztuje dwukrotnie więcej na poziomie tokenów.
• Batch API: wspierane modele kosztują 60% stawek czasu rzeczywistego, co odpowiada oszczędności 40%.
• WebSearch: Moonshot pobiera $0.005 za każde udane wywołanie wbudowanego wyszukiwania, plus tokeny użyte do przetwarzania wyników.
• Zgodność: K2.7 Code wymaga trybu Thinking, podczas gdy wbudowany WebSearch Moonshot wymaga wyłączonego Thinking.

Dla agentów kodujących najbardziej użyteczną metryką nie jest cena za milion tokenów, lecz koszt za ukończone zadanie, uwzględniający rozumowanie, cache, ponowienia, wywołania narzędzi, opóźnienia i poprawki ludzkie.

Cennik Kimi K2 API w skrócie

źródło: Cennik Kimi K2.7 Code

Ceny K2.7 Moonshot są obecnie promocyjne. Moonshot i CometAPI stosują też różne struktury rozliczania wejścia, więc podane stawki nie powinny być porównywane bezpośrednio.

Wyjaśnienie cennika Moonshot Kimi K2

K2.7 Code i K2.6 mają te same ceny wejścia z brakiem trafienia w cache i wyjścia. Główne różnice na poziomie tokenów to nieco wyższa opłata K2.7 Code za wejście z cache, podczas gdy HighSpeed podwaja wszystkie stawki K2.7.

Moonshot opisuje HighSpeed jako ten sam bazowy model K2.7 Code serwowany przez szybszą trasę. Udokumentowana prędkość wyjścia to około 180 tokenów na sekundę, do 260 tokenów na sekundę w scenariuszach z krótszym kontekstem. Pojemność może się wahać, gdy Moonshot rozszerza zasoby.

HighSpeed to zatem przede wszystkim wybór związany z opóźnieniem, a nie odrębny poziom jakości modelu.

Alternatywa dla bezpośredniego API Moonshot: CometAPI

Deweloperzy mogą uzyskać dostęp do Kimi K2.7 Code bezpośrednio przez Moonshot AI lub przez kompatybilne z OpenAI API CometAPI.

Podane ceny wejścia i wyjścia CometAPI są o około 20% niższe, podczas gdy Moonshot może być bardziej opłacalny przy obciążeniach z wysokim współczynnikiem trafień w cache.

Wybierz CometAPI, jeśli chcesz jednego API dla Kimi i innych dostawców modeli. Wybierz bezpośredni dostęp Moonshot, jeśli Twój przepływ pracy często ponownie wykorzystuje te same prompty lub kontekst repozytorium.


źródło: Kimi K2.7 Code price on CometAPI

Przy obecnie podanych stawkach CometAPI jest około 20% tańsze niż ceny Moonshot dla wejścia z brakiem trafienia w cache i wyjścia.

Jednak CometAPI nie pokazuje osobnej ceny za trafienie w cache na stronie modelu K2.7. Jego cena standardowego wejścia $0.76 nie powinna być porównywana bezpośrednio ze stawką $0.19 za wejście z cache w Moonshot.

Zespoły, które wielokrotnie ponownie używają długich promptów systemowych, definicji narzędzi lub kontekstu repozytorium, powinny przetestować obie trasy na swoim rzeczywistym ruchu. Obciążenie z bardzo wysokim udziałem trafień w cache może dać inny wynik niż takie, które wysyła głównie nowy kontekst.

Sprawdź aktualną cenę Kimi K2.7 Code w CometAPI lub porównaj dostępne modele na stronie cennika CometAPI.

Jak buforowanie kontekstu zmienia koszt API Kimi

Kimi rozlicza tokeny wejściowe jako trafienia w cache lub braki trafień.

Braki trafień zazwyczaj obejmują nową lub zmodyfikowaną treść, taką jak:

• nowe pliki repozytorium
• zaktualizowane instrukcje
• świeże wyniki narzędzi
• zmieniająca się historia rozmowy

Trafienia mogą obejmować treści powtarzalne, takie jak stabilne prompty systemowe, schematy narzędzi, konwencje kodowania i niezmieniony kontekst repozytorium.

Dla K2.7 Code wejście z cache kosztuje $0.19 za 1M tokenów w porównaniu z $0.95 za wejście bez cache. Oznacza to, że token z trafieniem w cache jest o 80% tańszy.

Obliczaj te dwie kategorie osobno:

Input cost =
(cache-hit tokens ÷ 1,000,000 × cache-hit price)
+
(cache-miss tokens ÷ 1,000,000 × cache-miss price)

Przykład kosztu buforowania

Załóżmy jeden przebieg:

• 800,000 tokenów z trafieniem w cache
• 200,000 tokenów z brakiem trafienia w cache

Policzenie tych samych 1M tokenów w całości po stawce braku trafienia kosztowałoby $0.95. W tym przykładzie mieszany profil cache obniża koszt wejścia o $0.608.

Dlatego pulpity produkcyjne powinny rejestrować osobno tokeny z trafieniem i z brakiem trafienia w cache zamiast raportować jedynie całkowite wykorzystanie wejścia.

Cennik Kimi Batch API

Batch API Moonshot kosztuje 60% odpowiadającej mu ceny modelu czasu rzeczywistego, co daje zespołom 40% oszczędności w obsługiwanych zadaniach asynchronicznych. Obecna dokumentacja wymienia K2.7 Code, K2.6 i K2.5 jako wspierane modele Batch.

Batch API dobrze sprawdza się w:

• analizie kodu na poziomie repozytorium
• dużych przebiegach ewaluacyjnych
• klasyfikacji offline
• nocnym wzbogacaniu
• generowaniu syntetycznych testów
• analizie migracji
• zaległościach przeglądów bezpieczeństwa

Jest mniej odpowiednie dla asystentów IDE, czatu na żywo i innych przepływów, w których użytkownik czeka na natychmiastową odpowiedź.

Dla przetwarzania w tle oszczędność 40% może być cenniejsza niż przełączenie na tańszy model o niższym współczynniku ukończenia zadań.

Cennik i kompatybilność Kimi WebSearch

Moonshot pobiera $0.005 za każde udane wywołanie wbudowanego $web_search. Nie ma osobnej opłaty narzędziowej, gdy model kończy bez uruchomienia narzędzia wyszukiwania.

Treść wyników wyszukiwania może zostać dodana do następnego żądania modelu i jest rozliczana jako tokeny wejściowe. Moonshot definiuje wynikowe obliczenie tokenów jako:

Total tokens =
prompt tokens + search-result tokens + completion tokens

Kompletny przebieg wyszukiwania może zatem obejmować:

Initial model request
+ WebSearch tool fee
+ search-result input tokens
+ follow-up model request
+ retries

Istnieje też istotne ograniczenie modelu. Wbudowany WebSearch Moonshot wymaga wyłączonego Thinking, podczas gdy K2.7 Code nie obsługuje trybu bez Thinking. Oficjalny przykład WebSearch używa zatem K2.6 z wyłączonym Thinking.

Dla wbudowanego wyszukiwania Moonshot używaj K2.6 lub K2.5 z wyłączonym Thinking.

Agent kodujący na K2.7 nadal może wywołać niezależnie zaimplementowaną usługę wyszukiwania poprzez zwykłe wywołania funkcji. W takim przypadku cena wyszukiwania jest określana przez zewnętrznego dostawcę, a nie przez wbudowaną opłatę Moonshot $0.005.

Przykład 1: koszt K2.7 Code dla zadania programistycznego

Załóżmy, że przepływ pracy agenta kodującego używa:

• 30,000 tokenów wejściowych z brakiem trafienia w cache
• 8,000 tokenów wyjściowych, w tym rozumowania
• brak wbudowanego wywołania WebSearch

Standardowe K2.7 Code

K2.7 Code HighSpeed

Dla tego samego użycia tokenów HighSpeed kosztuje dokładnie dwa razy więcej.

CometAPI K2.7 Code

Przy aktualnych stawkach CometAPI:

To około 20% poniżej kosztu $0.0605 tokenów z brakiem trafienia w cache Moonshot w tym przykładzie. Obliczenie nie obejmuje podatków, narzędzi zewnętrznych ani innych usług platformowych.

Przykład 2: K2.6 z wbudowanym WebSearch

Załóżmy, że przepływ pracy K2.6 z wyłączonym Thinking używa:

• 30,000 tokenów wejściowych z brakiem trafienia w cache w całym przebiegu
• 8,000 tokenów wyjściowych
• jednego udanego wbudowanego wywołania WebSearch

Te 30,000 tokenów wejściowych obejmuje treści wyników wyszukiwania przeniesione do kolejnego żądania.

W tym przykładzie bezpośrednia opłata WebSearch stanowi około 7.6% całości. W dłuższych przebiegach badawczych tokeny dodane przez wyniki wyszukiwania mogą kosztować więcej niż samo wywołanie narzędzia.

Szczegóły inżynieryjne, które mogą zmienić końcowy rachunek

K2.7 Code zawsze używa trybu Thinking


Źródło:* KIMI Thinking Mode Documentation

K2.7 Code zwraca błąd, jeśli Thinking jest wyłączony. Jego rozumowanie zwracane jest przez reasoning_content, a zarówno rozumowanie, jak i widoczna odpowiedź wpływają na wykorzystanie tokenów.

Podczas wieloetapowych wywołań narzędzi aplikacje muszą zachowywać reasoning_content asystenta w kontekście rozmowy. Dłuższe pętle agenta mogą zatem zwiększyć zarówno bieżące użycie wyjściowe, jak i późniejsze użycie wejściowe.

max_tokens to limit, a nie stała opłata

Parametr max_tokens definiuje maksymalną liczbę, którą model może wygenerować. Wyższe ustawienie daje modelowi dość miejsca na ukończenie rozumowania i odpowiedzi, ale pełna rezerwa nie jest automatycznie rozliczana.

Koszty bazują na faktycznie przetworzonych i wygenerowanych tokenach.

Kilka parametrów zapytania jest stałych

K2.7 Code wymaga stałych wartości dla kilku parametrów:

Podanie innej wartości może zwrócić błąd. Aplikacje używające tego samego wrappera kompatybilnego z OpenAI u wielu dostawców powinny sprawdzić zakodowane na sztywno domyślne wartości przed przełączeniem modeli.

Praktyczny przewodnik integracyjny: How to Use Kimi K2.7 Code API with CometAPI.

Zewnętrzna adopcja i sygnały od deweloperów

GitHub Copilot

GitHub udostępnił Kimi K2.7 Code w Copilot powszechnie 1 lipca 2026 r., opisując go jako pierwszy model open-weight oferowany w selektorze modeli Copilot. Dostępność początkowo obejmowała plany indywidualne i została rozszerzona na plany Business i Enterprise 7 lipca.

Adopcja przez GitHub jest użytecznym sygnałem dystrybucyjnym, ale nie dowodzi, że K2.7 przewyższy inne modele w każdym obciążeniu związanym z kodowaniem.

Źródła zewnętrzne:

• Kimi K2.7 Code jest ogólnie dostępny w GitHub Copilot
• Kimi K2.7 dla Copilot Business i Enterprise

Ekosystem wdrożeń open-weight

Moonshot publikuje Kimi K2.7 Code na Hugging Face na podstawie zmodyfikowanej licencji MIT. Karta modelu opisuje architekturę mixture-of-experts z 1 bilionem parametrów i 32 miliardami aktywowanych parametrów oraz oknem kontekstu 256K. Zawiera także instrukcje wdrożeniowe dla frameworków takich jak Transformers, vLLM i SGLang.

Moonshot raportuje około 30% niższe zużycie tokenów thinking niż w K2.6 oraz 10% poprawę zdolności agentowych. To wyniki zgłaszane przez dostawcę i należy je zweryfikować na niezależnych obciążeniach.

Zobacz kartę modelu Kimi K2.7 Code na Hugging Face po szczegóły architektury i wdrożenia.

Dyskusja społeczności deweloperów

Dyskusja na Hacker News jest bardziej zróżnicowana niż materiały premierowe. Niektórzy deweloperzy skupiają się na dostępności open-weight Kimi, efektywności tokenów i integracji z narzędziami agentów kodujących. Inni argumentują, że niższa cena tokenów nie gwarantuje niższego kosztu projektu, jeśli model wymaga większej liczby ponowień, nadzoru lub kontekstu.

Ta debata wspiera główną rekomendację tego przewodnika: porównuj modele na prawdziwych repozytoriach i mierz ukończenie zadań, ponowienia i poprawki ludzkie — nie tylko reklamowane stawki tokenów.

Zobacz dyskusję o Kimi K2.7 Code na Hacker News.

Cennik API: GPT vs Claude vs Kimi vs DeepSeek

Tabela poniżej porównuje aktualne standardowe stawki API dla Kimi K2.7 Code, DeepSeek V4 Pro, Claude Sonnet 5 i GPT-5.6 Sol na dzień 13 lipca 2026 r.

Oficjalne odniesienia do cenników:

• DeepSeek API pricing
• Claude API pricing
• OpenAI API pricing

DeepSeek V4 Pro obecnie podaje okno kontekstu 1M z wejściem z trafieniem w cache w cenie $0.003625, wejściem z brakiem trafienia w cache $0.435 i wyjściem $0.87 za milion tokenów.

Wstępna stawka Claude Sonnet 5 to $2 za milion tokenów wejściowych, $0.20 za milion tokenów odczytu z cache i $10 za milion tokenów wyjściowych do 31 sierpnia 2026 r. Zapisy do cache są wyceniane osobno, a Anthropic zauważa, że nowszy tokenizator modelu może generować więcej tokenów dla tego samego tekstu niż wcześniejsze modele Claude.

Standardowa stawka GPT-5.6 Sol dla krótkiego kontekstu to $5 za milion tokenów wejściowych, $0.50 za milion tokenów wejściowych z cache i $30 za milion tokenów wyjściowych. OpenAI podaje również oddzielne stawki za zapis do cache, długi kontekst, Batch, Flex i Priority.

Przy podanych stawkach za token Kimi K2.7 Code jest tańszy niż Claude Sonnet 5 i GPT-5.6 Sol, podczas gdy DeepSeek V4 Pro jest tańszy jeszcze bardziej. Nie przesądza to jednak, który model zapewni najniższy koszt dla konkretnego przepływu kodowania.

Który model Kimi wybrać?

K2.7 Code to naturalny punkt wyjścia dla zadań kodowania wrażliwych na jakość. HighSpeed warto testować, gdy szybsze odpowiedzi poprawiają doświadczenie dewelopera, konwersję lub przepustowość.

K2.6 jest bardziej elastyczny dla ogólnych, multimodalnych i opartych na wyszukiwaniu przepływów, podczas gdy K2.5 ma najniższe standardowe stawki tokenów Kimi.

Jak ocenić rzeczywisty koszt

Zbuduj zestaw ewaluacyjny z zadań produkcyjnych zamiast polegać wyłącznie na publicznych benchmarkach.

Przydatne przypadki testowe obejmują:

• implementację funkcji na poziomie repozytorium
• przegląd pull requestów
• debugowanie i generowanie testów
• analizę kodu w długim kontekście
• wieloetapowe wywołania narzędzi
• wsparcie deweloperskie oparte na wyszukiwaniu

Śledź:

• ukończenie zadań
• współczynnik trafień w cache
• tokeny wejściowe i wyjściowe
• wolumen tokenów thinking
• skuteczność wywołań narzędzi
• liczbę ponowień
• latencję p50 i p95
• poprawki ludzkie
• całkowity koszt przepływu

Oblicz:

Cost per completed task =
total workflow cost ÷ successfully completed tasks

Na przykład, jeśli zespół wyda $10 i pomyślnie ukończy 80 zadań:

Cost per completed task = $10 ÷ 80 = $0.125

Model z tańszymi tokenami może wciąż kosztować więcej, jeśli wymaga wielokrotnych prób, dłuższego rozumowania lub rozległych poprawek ręcznych.

Przykłady routingu, fallbacków i ewaluacji znajdziesz w CometAPI Cookbook.

Najczęściej zadawane pytania

Ile kosztuje Kimi K2.7 Code?

Moonshot obecnie podaje dla K2.7 Code:

• $0.19 za 1M tokenów wejściowych z trafieniem w cache
• $0.95 za 1M tokenów wejściowych z brakiem trafienia w cache
• $4.00 za 1M tokenów wyjściowych

Stawki są oznaczone jako promocyjne na czas ograniczony.

Ile kosztuje K2.7 Code przez CometAPI?

CometAPI obecnie podaje $0.76 za 1M tokenów wejściowych i $3.19998 za 1M tokenów wyjściowych.

Osobna stawka za trafienie w cache nie jest pokazana na stronie modelu.

Czy Kimi Batch API obniża koszty i czy obsługuje K2.7 Code?

Tak. Wnioskowanie wsadowe kosztuje 60% ceny czasu rzeczywistego, co odpowiada 40% oszczędności.

Aktualna dokumentacja Batch Moonshot wymienia K2.7 Code, K2.6 i K2.5 jako wspierane modele.

Ile kosztuje Kimi WebSearch?

Wbudowane $web_search kosztuje $0.005 za każde udane wywołanie.

Treść wyników wyszukiwania może być też rozliczana jako tokeny wejściowe, gdy zostanie dodana do następnego żądania modelu.

Czy można wyłączyć Thinking w K2.7 Code?

Nie. Żądania z wyłączonym Thinking zwracają błąd.

Czy Kimi jest kompatybilny z OpenAI?

Tak. Moonshot dokumentuje kompatybilność z formatem API OpenAI, chociaż dla Thinking, parametrów i wieloetapowych wywołań narzędzi nadal obowiązują specyficzne dla modelu ograniczenia.

Przetestuj Kimi K2.7 Code z CometAPI

Kimi K2.7 Code oferuje konkurencyjne ceny dla obciążeń agentów kodujących, ale najlepsza trasa zależy od czegoś więcej niż reklamowana stawka za token.

Przed wyborem dostawcy porównaj:

Total workflow cost =
tokens + retries + tools + latency + human correction

CometAPI pozwala deweloperom testować Kimi obok GPT, Claude, Gemini, DeepSeek, Grok i innych rodzin modeli w ujednoliconym przepływie API.

Sprawdź aktualny cennik CometAPI, otwórz stronę modelu Kimi K2.7 Code i przetestuj model na prawdziwych zadaniach z Twoich repozytoriów.

Celem nie jest po prostu znalezienie najtańszego tokena. Celem jest znalezienie najniższego kosztu za ukończone zadanie.