Xây dựng với CometAPICần một API cho nhiều mô hình?Kiểm thử quy trình trong Playground, sau đó tạo API key khi mô hình và chi phí phù hợp với trường hợp sử dụng của bạn.
Bảng giá API Kimi K2 năm 2026: Chi phí K2.7, Batch và WebSearch - CometAPI
Bảng giá API Kimi K2 năm 2026: Chi phí K2.7, Batch và WebSearch
Vui lòng cung cấp văn bản/bảng giá gốc hoặc liên kết chính thức về Kimi K2.7/K2.6/K2.5 (API pricing, cache rates, Batch savings, WebSearch fees, CometAPI prices, chi phí coding-agent) để tôi dịch và đối chiếu sang tiếng Việt; tôi không thể suy đoán hoặc tạo số liệu mới.
TL;DR Hiện Moonshot AI định giá Kimi K2.7 Code ở mức $0.19 cho mỗi 1M token đầu vào cache hit, $0.95 cho mỗi 1M token đầu vào cache miss và $4.00 cho mỗi 1M token đầu ra. Kimi K2.7 Code HighSpeed có mức giá gấp đôi, tương ứng $0.38 / $1.90 / $8.00.
Các yếu tố chi phí chính gồm:
Bộ nhớ đệm (Caching): Đầu vào cache hit của K2.7 rẻ hơn 80% so với cache miss.
HighSpeed: Tuyến nhanh hơn có chi phí gấp đôi ở cấp độ token.
Các mô hình được hỗ trợ có giá 60% so với thời gian thực, tương đương tiết kiệm 40%.
Đã được xem xét về độ rõ ràng, ghi nguồn và thuật ngữ API hiện tại.
Batch API:
WebSearch: Moonshot tính $0.005 cho mỗi lần gọi tìm kiếm tích hợp thành công, cộng thêm token dùng để xử lý kết quả tìm kiếm.
Tương thích: K2.7 Code yêu cầu Chế độ Thinking, trong khi WebSearch tích hợp của Moonshot yêu cầu tắt Thinking.
Đối với tác nhân viết mã, chỉ số hữu ích nhất không phải giá theo triệu token. Mà là chi phí trên mỗi tác vụ hoàn tất, bao gồm suy luận, bộ nhớ đệm, thử lại, lệnh gọi công cụ, độ trễ và chỉnh sửa của con người.
Giá K2.7 của Moonshot hiện là giá khuyến mại. Moonshot và CometAPI cũng dùng cấu trúc tính phí đầu vào khác nhau, vì vậy mức giá niêm yết không nên coi là có thể so sánh trực tiếp.
Giải thích giá Kimi K2 của Moonshot
K2.7 Code và K2.6 có cùng giá đầu vào cache miss và đầu ra. Khác biệt chính ở cấp độ token là K2.7 Code tính phí cao hơn một chút cho đầu vào đã được cache, trong khi HighSpeed nhân đôi tất cả mức giá của K2.7.
Mô hình
Phù hợp nhất cho
kimi-k2.7-code
Tác nhân viết mã, chỉnh sửa kho mã và các tác vụ kỹ thuật dài hạn
kimi-k2.7-code-highspeed
Lập trình tương tác khi độ trễ thấp mang lại giá trị đo lường được
kimi-k2.6
Suy luận đa phương thức tổng quát, tác nhân và WebSearch tích hợp
kimi-k2.5
Khối lượng công việc đa phương thức và tổng quát chi phí thấp
Moonshot mô tả HighSpeed là cùng mô hình nền tảng K2.7 Code được phục vụ qua một tuyến nhanh hơn. Tốc độ đầu ra được ghi nhận khoảng 180 token/giây, đạt tới 260 token/giây trong bối cảnh ngắn. Công suất có thể dao động khi Moonshot mở rộng tài nguyên.
Do đó, HighSpeed chủ yếu là lựa chọn về độ trễ hơn là một bậc chất lượng mô hình riêng.
Một lựa chọn API trực tiếp khác của Moonshot: CometAPI
Nhà phát triển có thể truy cập Kimi K2.7 Code trực tiếp qua Moonshot AI hoặc qua API tương thích OpenAI của CometAPI.
Kênh truy cập
Đầu vào tiêu chuẩn
Đầu vào cache
Đầu ra
Moonshot direct API
$0.95 / 1M cache miss
$0.19 / 1M
$4.00 / 1M
CometAPI
$0.76 / 1M
Không niêm yết riêng
Xấp xỉ $3.20 / 1M
Mức giá đầu vào và đầu ra tiêu chuẩn của CometAPI hiện thấp hơn khoảng 20%, trong khi Moonshot có thể hiệu quả hơn về chi phí cho khối lượng công việc có tỷ lệ cache hit cao.
Chọn CometAPI nếu bạn muốn một API thống nhất cho Kimi và các nhà cung cấp mô hình khác. Chọn truy cập trực tiếp Moonshot nếu quy trình của bạn thường xuyên tái sử dụng cùng một prompt hoặc ngữ cảnh kho mã.
Với mức giá hiện niêm yết, CometAPI rẻ hơn khoảng 20% so với giá đầu vào cache miss và giá đầu ra của Moonshot.
Tuy nhiên, CometAPI không hiển thị mức giá cache hit riêng trên trang mô hình K2.7. Giá đầu vào tiêu chuẩn $0.76 không nên so sánh trực tiếp với mức $0.19 cho đầu vào đã cache của Moonshot.
Các đội nhóm thường xuyên tái sử dụng system prompt dài, định nghĩa công cụ hoặc ngữ cảnh kho mã nên thử cả hai tuyến với lưu lượng thực tế. Một khối lượng công việc có tỷ lệ cache hit rất cao có thể cho kết quả khác so với khối lượng chủ yếu gửi ngữ cảnh mới.
Tính toàn bộ 1M token theo giá cache miss sẽ tốn $0.95. Trong ví dụ này, hồ sơ cache hỗn hợp giảm chi phí đầu vào $0.608.
Đó là lý do bảng điều khiển sản xuất nên ghi nhận riêng token cache hit và cache miss thay vì chỉ báo tổng đầu vào.
Giá Kimi Batch API
Batch API của Moonshot tính 60% so với giá mô hình thời gian thực tương ứng, mang lại tiết kiệm 40% cho các khối lượng công việc bất đồng bộ được hỗ trợ. Tài liệu hiện tại liệt kê K2.7 Code, K2.6 và K2.5 là các mô hình Batch được hỗ trợ.
Mô hình Batch
Đầu vào cache hit
Đầu vào cache miss
Đầu ra
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 API phù hợp với:
phân tích mã trên toàn kho
các lượt đánh giá quy mô lớn
phân loại ngoại tuyến
làm giàu dữ liệu ban đêm
tạo kiểm thử tổng hợp
phân tích di trú
tồn đọng rà soát bảo mật
Ít phù hợp cho trợ lý IDE, chat trực tiếp và quy trình mà người dùng chờ phản hồi ngay.
Đối với xử lý nền, mức tiết kiệm 40% có thể giá trị hơn so với chuyển sang mô hình rẻ hơn nhưng có tỷ lệ hoàn thành tác vụ thấp.
Giá Kimi WebSearch và tính tương thích
Moonshot tính $0.005 cho mỗi lần gọi $web_search tích hợp thành công. Không tính phí công cụ riêng khi mô hình kết thúc mà không kích hoạt công cụ tìm kiếm.
Nội dung kết quả tìm kiếm cũng có thể được thêm vào yêu cầu mô hình tiếp theo và tính như token đầu vào. Moonshot định nghĩa phép tính token như sau:
Initial model request
+ WebSearch tool fee
+ search-result input tokens
+ follow-up model request
+ retries
Cũng có một hạn chế quan trọng. WebSearch tích hợp của Moonshot yêu cầu tắt Thinking, trong khi K2.7 Code không hỗ trợ chế độ không-thinking. Ví dụ WebSearch chính thức vì thế dùng K2.6 với Thinking bị tắt.
Đối với WebSearch tích hợp của Moonshot, hãy dùng K2.6 hoặc K2.5 với Thinking bị tắt.
Một tác nhân K2.7 vẫn có thể gọi dịch vụ tìm kiếm triển khai độc lập qua function calling thông thường. Khi đó, phí tìm kiếm do nhà cung cấp bên ngoài quyết định, không theo mức $0.005 tích hợp của Moonshot.
Ví dụ 1: Chi phí K2.7 Code cho một tác vụ viết mã
Giả sử quy trình tác nhân viết mã dùng:
30,000 token đầu vào cache miss
8,000 token đầu ra, bao gồm reasoning
không gọi WebSearch tích hợp
K2.7 Code tiêu chuẩn
Thành phần
Tính toán
Chi phí
Đầu vào
30,000 ÷ 1M × $0.95
$0.03
Đầu ra
8,000 ÷ 1M × $4.00
$0.03
Tổng
$0.06
K2.7 Code HighSpeed
Thành phần
Tính toán
Chi phí
Đầu vào
30,000 ÷ 1M × $1.90
$0.06
Đầu ra
8,000 ÷ 1M × $8.00
$0.06
Tổng
$0.12
Với cùng mức sử dụng token, HighSpeed tốn đúng gấp đôi.
CometAPI K2.7 Code
Dùng mức giá hiện tại của CometAPI:
Thành phần
Tính toán
Chi phí
Đầu vào
30,000 ÷ 1M × $0.76
$0.02
Đầu ra
8,000 ÷ 1M × $3.19998
Xấp xỉ $0.0256
Tổng
Xấp xỉ $0.0484
Đó là thấp hơn khoảng 20% so với chi phí token cache miss $0.0605 của Moonshot trong ví dụ này. Phép tính không gồm thuế, công cụ bên ngoài và dịch vụ nền tảng khác.
Ví dụ 2: K2.6 với WebSearch tích hợp
Giả sử một quy trình K2.6 với Thinking bị tắt dùng:
30,000 token đầu vào cache miss trên toàn bộ quy trình
8,000 token đầu ra
một lần gọi WebSearch tích hợp thành công
30,000 token đầu vào bao gồm nội dung kết quả tìm kiếm đưa vào yêu cầu tiếp theo.
Thành phần
Tính toán
Chi phí
Đầu vào
30,000 ÷ 1M × $0.95
0.0285
Đầu ra
8,000 ÷ 1M × $4.00
0.0320
WebSearch
1 × $0.005
0.0050
Tổng
0.0655
Trong ví dụ này, phí WebSearch trực tiếp chiếm khoảng 7.6% tổng chi phí. Trong các quy trình nghiên cứu dài hơn, token do kết quả tìm kiếm thêm vào có thể tốn nhiều hơn chính phí công cụ.
Chi tiết kỹ thuật có thể làm thay đổi hóa đơn cuối
K2.7 Code trả về lỗi nếu tắt Thinking. Suy luận của mô hình được trả về qua reasoning_content, và cả phần reasoning lẫn câu trả lời hiển thị đều góp phần vào lượng token.
Trong các chuỗi lệnh gọi công cụ nhiều bước, ứng dụng phải giữ reasoning_content của assistant trong ngữ cảnh hội thoại. Vòng lặp tác nhân dài hơn vì thế có thể tăng cả mức sử dụng đầu ra hiện tại và đầu vào về sau.
max_tokens là giới hạn, không phải phí cố định
Tham số max_tokens xác định lượng tối đa mô hình có thể sinh. Thiết lập cao hơn cho mô hình đủ không gian để hoàn tất suy luận và phản hồi, nhưng không tự động bị tính toàn bộ.
Chi phí dựa trên token thực tế đã xử lý và sinh ra.
Một số tham số yêu cầu giá trị cố định
K2.7 Code yêu cầu các giá trị cố định cho một số tham số:
Tham số
Giá trị bắt buộc
temperature
1
top_p
0.95
n
1
presence_penalty
0
frequency_penalty
0
Truyền giá trị khác có thể trả về lỗi. Ứng dụng dùng wrapper tương thích OpenAI chung cho nhiều nhà cung cấp nên kiểm tra các mặc định hard-code trước khi chuyển mô hình.
Mức độ chấp nhận bên ngoài và tín hiệu từ cộng đồng lập trình
Tài liệu giá chính thức giải thích cách tính phí mô hình. Việc chấp nhận bên ngoài cung cấp thêm ngữ cảnh về nơi nó được dùng và cách nhà phát triển đánh giá.
GitHub Copilot
GitHub đã cung cấp rộng rãi Kimi K2.7 Code trong Copilot vào ngày 1/7/2026, mô tả đây là mô hình open-weight đầu tiên có trong bộ chọn mô hình của Copilot. Ban đầu áp dụng cho gói cá nhân và mở rộng sang gói Business và Enterprise vào ngày 7/7.
Việc GitHub áp dụng là tín hiệu phân phối hữu ích, nhưng không chứng minh K2.7 sẽ vượt trội mọi mô hình khác trên mọi khối lượng công việc viết mã.
Moonshot phát hành Kimi K2.7 Code trên Hugging Face theo giấy phép MIT đã chỉnh sửa. Thẻ mô hình mô tả kiến trúc mixture-of-experts 1 nghìn tỷ tham số với 32 tỷ tham số kích hoạt và cửa sổ ngữ cảnh 256K. Nó cũng gồm hướng dẫn triển khai cho các framework như Transformers, vLLM và SGLang.
Moonshot báo cáo mức sử dụng thinking-token thấp hơn khoảng 30% so với K2.6 và cải thiện 10% khả năng tác nhân. Đây là kết quả do nhà cung cấp báo cáo và nên được xác thực bằng khối lượng công việc độc lập.
Thảo luận trên Hacker News trái chiều hơn so với tài liệu ra mắt. Một số nhà phát triển tập trung vào tính open-weight của Kimi, hiệu quả token và tích hợp với công cụ tác nhân viết mã. Những người khác cho rằng giá token thấp hơn không đảm bảo chi phí dự án thấp hơn nếu mô hình cần nhiều lần thử lại, giám sát hoặc ngữ cảnh hơn.
Tranh luận đó củng cố khuyến nghị trung tâm của hướng dẫn này: so sánh mô hình bằng kho mã thực tế và đo lường hoàn thành tác vụ, số lần thử lại và chỉnh sửa của con người — không chỉ dựa vào mức giá token quảng bá.
DeepSeek V4 Pro hiện liệt kê cửa sổ ngữ cảnh 1M với đầu vào cache hit $0.003625, đầu vào cache miss $0.435 và đầu ra $0.87 cho mỗi triệu token.
Mức giá giới thiệu của Claude Sonnet 5 là $2 cho mỗi triệu token đầu vào, $0.20 cho mỗi triệu token đọc cache và $10 cho mỗi triệu token đầu ra đến hết ngày 31/8/2026. Phí ghi cache được tính riêng và Anthropic lưu ý tokenizer mới có thể tạo nhiều token hơn cho cùng một văn bản so với các phiên bản Claude trước.
Giá tiêu chuẩn ngắn hạn của GPT-5.6 Sol là $5 cho mỗi triệu token đầu vào, $0.50 cho mỗi triệu token đầu vào đã cache và $30 cho mỗi triệu token đầu ra. OpenAI cũng niêm yết mức giá riêng cho ghi cache, ngữ cảnh dài, Batch, Flex và Priority.
Theo mức giá token niêm yết, Kimi K2.7 Code rẻ hơn Claude Sonnet 5 và GPT-5.6 Sol, trong khi DeepSeek V4 Pro rẻ hơn nữa. Điều này không xác định mô hình nào có chi phí thấp nhất cho một quy trình viết mã cụ thể.
Nên dùng mô hình Kimi nào?
Khối lượng công việc
Điểm khởi đầu khuyến nghị
Chỉnh sửa kho mã và tác vụ viết mã dài
kimi-k2.7-code
Lập trình tương tác coi trọng độ trễ
kimi-k2.7-code-highspeed
Suy luận đa phương thức và tác nhân tổng quát
kimi-k2.6
WebSearch tích hợp của Moonshot
kimi-k2.6 hoặc kimi-k2.5 với Thinking tắt
Khối lượng công việc tổng quát chi phí thấp
kimi-k2.5
Đánh giá ngoại tuyến và xử lý hàng loạt
Batch API
K2.7 Code là điểm khởi đầu tự nhiên cho công việc viết mã nhạy về chất lượng. HighSpeed đáng thử khi phản hồi nhanh hơn cải thiện trải nghiệm nhà phát triển, chuyển đổi hoặc thông lượng.
K2.6 linh hoạt hơn cho quy trình đa phương thức và có tìm kiếm hỗ trợ, còn K2.5 có mức giá token tiêu chuẩn thấp nhất của Kimi.
Cách đánh giá chi phí thực
Xây dựng bộ đánh giá từ tác vụ sản xuất thay vì chỉ dựa vào benchmark công khai.
Các trường hợp thử nghiệm hữu ích gồm:
triển khai tính năng ở mức kho mã
rà soát pull request
gỡ lỗi và tạo kiểm thử
phân tích mã ngữ cảnh dài
lệnh gọi công cụ nhiều bước
hỗ trợ nhà phát triển dựa trên tìm kiếm
Theo dõi:
tỷ lệ hoàn thành tác vụ
tỷ lệ cache hit
token đầu vào và đầu ra
lượng token reasoning
thành công của lệnh gọi công cụ
số lần thử lại
độ trễ p50 và p95
chỉnh sửa của con người
tổng chi phí quy trình
Tính:
Cost per completed task =
total workflow cost ÷ successfully completed tasks
Ví dụ, nếu một đội chi $10 và hoàn thành thành công 80 tác vụ:
Cost per completed task = $10 ÷ 80 = $0.125
Một mô hình có token rẻ hơn vẫn có thể tốn nhiều hơn nếu cần nhiều lần thử, suy luận dài hơn hoặc phải chỉnh sửa thủ công nhiều.
Để xem ví dụ định tuyến, dự phòng và đánh giá, hãy khám phá CometAPI Cookbook.
Câu hỏi thường gặp
Kimi K2.7 Code có giá bao nhiêu?
Moonshot hiện niêm yết K2.7 Code ở mức:
$0.19 cho mỗi 1M token đầu vào cache hit
$0.95 cho mỗi 1M token đầu vào cache miss
$4.00 cho mỗi 1M token đầu ra
Các mức giá hiện được đánh dấu là khuyến mại trong thời gian có hạn.
K2.7 Code qua CometAPI có giá bao nhiêu?
CometAPI hiện niêm yết K2.7 Code ở mức $0.76 cho mỗi 1M token đầu vào và $3.19998 cho mỗi 1M token đầu ra.
Trang mô hình không hiển thị mức giá cache hit riêng.
Batch API của Kimi có giảm chi phí và có hỗ trợ K2.7 Code không?
Có. Suy luận theo Batch có chi phí 60% giá thời gian thực, tương đương tiết kiệm 40%.
Tài liệu Batch hiện tại của Moonshot liệt kê K2.7 Code, K2.6 và K2.5 là các mô hình được hỗ trợ.
Kimi WebSearch có giá bao nhiêu?
$web_search tích hợp của Moonshot có giá $0.005 cho mỗi lần gọi thành công.
Nội dung kết quả tìm kiếm cũng có thể bị tính là token đầu vào khi đưa vào yêu cầu mô hình tiếp theo.
Có thể tắt Thinking trên K2.7 Code không?
Không. Yêu cầu tắt Thinking sẽ trả về lỗi.
Kimi có tương thích OpenAI không?
Có. Moonshot ghi nhận tương thích với định dạng API của OpenAI, mặc dù vẫn có các ràng buộc riêng theo mô hình về Thinking, tham số và lệnh gọi công cụ nhiều bước.
Thử Kimi K2.7 Code với CometAPI
Kimi K2.7 Code có giá cạnh tranh cho khối lượng công việc tác nhân viết mã, nhưng kênh tốt nhất phụ thuộc vào nhiều yếu tố hơn mức giá token quảng bá.
Trước khi chọn nhà cung cấp, hãy so sánh:
Total workflow cost =
tokens + retries + tools + latency + human correction
CometAPI cho phép nhà phát triển thử Kimi cùng GPT, Claude, Gemini, DeepSeek, Grok và các họ mô hình khác thông qua quy trình API thống nhất.
