Цены Kimi API: cache hit, cache miss, output и скорость

Три составляющие, по которым тарифицируется каждый запрос к Kimi

Kimi не публикует единую цену за input. Каждый запрос учитывается как cache-hit input, cache-miss input и output, и у каждой составляющей своя официальная ставка за миллион токенов: попадания в кэш стоят в разы дешевле промахов, а output — дороже всего. apiToken.sale рассчитывает именно эти составляющие по официальной тарифной сетке, а затем вычитает фиксированную скидку 50% — до того, как сумма коснётся вашего предоплатного баланса.

Само кеширование автоматическое на стороне провайдера: ничего не нужно включать, отмечать точки разрыва кэша или управлять записями. Когда запрос повторяет контекст, который провайдер уже видел, совпавший префикс обслуживается из кэша и учитывается по ставке hit. Всё остальное — miss. Отдельной цены за запись в кэш провайдер не публикует, поэтому скрытой четвёртой составляющей нет: только что закешированный токен просто считается cache miss в запросе, который его внёс, а следующие запросы получают дешёвую ставку hit.

Практическое следствие: два внешне одинаковых вызова могут стоить очень по-разному в зависимости от того, какая часть промпта попала в кэш. Агентные циклы, которые на каждом ходу заново отправляют большой стабильный системный промпт и контекст файлов, — это ровно тот трафик, который собирает ставки hit: первый ход оплачивает miss, остальные едут на кэше.

Reasoning-токены — это подмножество output, а не отдельный класс токенов. Kimi for Coding и High Speed работают с включённым thinking, и всё, что модель «продумывает», тарифицируется по ставке output — поверх output это никогда не добавляется второй раз.

Читайте также: Kimi K3 vs Kimi for Coding: какая модель для какой нагрузки

Официальные ставки за каждым публичным alias

Все цифры — за 1 млн токенов, слева направо: cache-hit input, cache-miss input, output. Из таблицы следуют два структурных факта. Первый: Kimi for Coding — самая низкая общая coding-ставка в опубликованном наборе Kimi. Второй: High Speed ровно вдвое дороже базового Kimi for Coding по каждой составляющей — вы платите за latency, а не за другую модель.

Строка K3 покрывает три написания одной тарифной сетки. k3-256k выбирает контекстный режим K3 на 256K; k3 и k3[1m] — режим на 1M, а форма со скобками — совместимое написание, которое роутер нормализует в реальную wire-модель K3 провайдера. Цена за токен во всех трёх вариантах одинаковая, поэтому выбор — про поведение контекста, а не про цену. Чего отправлять нельзя, так это внутренний тарифный ID Open Platform вроде kimi-k2.7-code — роутер принимает только публичные subscription-aliases, которые возвращает GET /v1/models.

Пример расчёта: одна coding-сессия по составляющим

Возьмём типичную агентную сессию на kimi/kimi-for-coding: стабильный системный промпт и контекст репозитория, которые кешируются после первого хода, немного свежего input на каждом ходу и компактные ответы. Допустим, сессия закрылась на 400 000 cache-hit токенов, 100 000 cache-miss токенов и 20 000 output токенов:

Из этой арифметики стоит запомнить две вещи. Output доминирует, хотя токенов в нём меньше всего: output-токенов в двадцать раз меньше, чем cache-hit, а стоят они всё равно дороже всей hit-составляющей. И основную работу сделал кэш: те же 500 000 input-токенов, посчитанные целиком как miss, стоили бы официально $0.475 вместо $0.171. Держать дорогой контекст стабильным между ходами — главный рычаг экономии на счёте Kimi.

Выбираем самый дешёвый alias под задачу

• По умолчанию направляйте coding-задачи и агентные циклы на kimi/kimi-for-coding — это самая низкая общая coding-ставка в опубликованном наборе.
• Берите kimi/kimi-for-coding-highspeed только тогда, когда низкая задержка стоит ровно двукратных базовых ставок по каждой составляющей; пакетной задаче, нечувствительной ко времени ожидания, это никогда не нужно.
• Используйте kimi/k3-256k вместо 1M-варианта, если задаче не нужен большой контекстный режим, — цена за токен та же, так что вы выбираете поведение, а не скидку.
• Переходите на K3 ($0.30 / $3 / $15 официально) только для работы, с которой Kimi for Coding реально не справляется: сложные рассуждения, длинные документы и большие кодовые базы.
• Установите lifetime-лимит расходов на ключ и сверяйте списанный usage в дашборде вместо того, чтобы полагаться на оценки «на конец месяца».

Как устроены расчёты, пополнения и баланс

apiToken.sale ничего не меняет в описанном выше учёте. Ваш запрос проходит через собственную систему учёта Kimi, каждая составляющая переводится в официальные расходы провайдера, и только потом вычитается фиксированная скидка 50% для B2C. Итоговая сумма списывается с единого предоплатного баланса, который покрывает и поддерживаемые модели Claude, GPT и Gemini по их собственным официальным тарифным сеткам. Никакой подписки, комиссии за запрос и минимальной суммы расходов.

Пополнять можно на любую сумму в целых долларах банковской картой или криптовалютой, баланс не сгорает. Каждый запрос виден в дашборде с указанием модели и разбивкой по токенам, так что арифметику из этого гайда можно сверить построчно с реальным трафиком. Когда баланс достигает нуля, запросы начинают падать с ошибкой недостатка средств до следующего пополнения — сам ключ остаётся действующим.

Сверяйте составляющие в объекте usage ответа

Ничего из этого не нужно прикидывать по количеству символов. Финальный объект usage показывает, что реально потребил каждый вызов, и Kimi следует форме ответа Anthropic Messages: закешированный input, свежий input и output попадают в непересекающиеся поля, которые можно напрямую умножить на тарифную сетку:

curl https://router.apitoken.sale/v1/messages \
  -H "x-api-key: $APITOKEN_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "Content-Type: application/json" \
  -d '{"model":"kimi/kimi-for-coding","max_tokens":512,"messages":[{"role":"user","content":"Summarize this diff"}]}'

# The response carries terminal usage in the Anthropic shape:
# "usage": {
#   "input_tokens": 8420,
#   "cache_read_input_tokens": 38400,
#   "output_tokens": 512
# }
# cache_read_input_tokens bills at the hit rate ($0.19/1M),
# input_tokens at the miss rate ($0.95/1M),
# output_tokens at the output rate ($4/1M) — then 50% off the total.

Поскольку составляющие остаются непересекающимися на всём пути от учёта провайдера до журнала в вашем дашборде, у любой аномалии расходов есть адрес: скачок cache-miss означает, что кто-то отредактировал середину ранее стабильного префикса, а скачок output — что модель стала дольше рассуждать или длиннее отвечать. OpenAI-совместимые клиенты работают с теми же aliases через универсальный лейн /v1 и рассчитываются идентично.

Тарифы по моделям, cache-составляющие и контекстные окна →

Частые вопросы

Похожие гайды