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

Короткий ответ: цена правки против запаса по reasoning

Используйте Kimi for Coding как модель по умолчанию для кода и эскалируйте в K3, когда задача из него вырастает. Kimi for Coding тарифицируется по $0.19 / $0.95 / $4 за миллион cache-hit, cache-miss и output-токенов — самая низкая общая coding-ставка в опубликованном наборе Kimi, — тогда как K3 берёт $0.30 / $3 / $15 и даёт режим контекста 1M плюс явное управление reasoning effort: low, high и max. Оба семейства доступны через один ключ apiToken.sale, поэтому выбор — это решение о маршрутизации каждого запроса, а не об аккаунте.

Практическое разделение, к которому приходят большинство команд: правки уровня автодополнения, генерация тестов, мелкие рефакторинги и высокочастотные агентские циклы идут в Kimi for Coding; анализ всего репозитория, работа с длинными документами и задачи, где нужны видимые рассуждения, — в K3. High Speed — это покупка задержки, а не апгрейд возможностей: та же coding-модель ровно по двойной ставке за токены.

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

Карта алиасов: окна контекста и режимы thinking

k3[1m] — это вариант записи режима K3 1M для совместимости, а не отдельная модель со своей ценой. Роутер нормализует его в настоящую wire-модель провайдера k3, поэтому kimi/k3 и kimi/k3[1m] дают один и тот же трафик и один и тот же счёт.

Формы с 256K важнее, чем кажутся. Если задача помещается в 256K токенов, k3-256k даёт управление reasoning K3 без перевода запроса в режим контекста 1M — правильный выбор по умолчанию для сложных, но маленьких задач: один заковыристый алгоритм или коварный баг с конкурентностью.

Сколько на самом деле стоит каждый запрос

Kimi публикует три составляющие — cache hit, cache miss и output — вместо единой цены за input, а кеширование работает автоматически. Повторный префикс тарифицируется по ставке hit; вновь закешированный токен считается miss, а не бесплатной или скрытой четвёртой составляющей. apiToken.sale тарифицирует реально обслуженную модель и применяет фиксированную скидку 50% к каждой составляющей:

Reasoning-токены — подмножество output и тарифицируются по ставке output; они не добавляются ещё раз как отдельный класс токенов. Поэтому запрос к K3 на max effort может стоить заметно дороже того же промпта на low effort — разница видна в объёме output, а не в надбавке.

Полезный способ читать таблицу: после скидки High Speed стоит ровно столько, сколько базовый Kimi for Coding стоит официально. Если вы и так собирались платить Moonshot полную цену за базовую модель, low-latency-вариант здесь обойдётся в те же деньги.

Управление reasoning: ручка effort против постоянного thinking

• K3 даёт reasoning effort low, high и max; по умолчанию — high. Снижайте effort на дешёвых разведочных шагах и поднимайте только там, где действительно нужны рассуждения.
• Kimi for Coding и High Speed работают с включённым thinking и не дают выбора effort — фиксированное поведение thinking семейства на каждом вызове.
• На Anthropic-лейне считайте настройку thinking none/off отключением reasoning у K3, а не выбором модели: в живом покрытии такие запросы оставались на тарифе K3.
• kimi-k2.6 — не адресуемая публичная модель. Не пытайтесь достучаться до старшего поколения, крутя параметры reasoning.

Именно эта асимметрия определяет экономику. Always-on thinking в Kimi for Coding заложен в ставку output $4; управляемый effort в K3 — в ставку $15. Платить по output-ценам K3 за задачу, которой никогда не был нужен max effort, — самый частый способ переплатить на этой паре.

Когда High Speed окупает свою двойную ставку

Ставки High Speed за cache-hit, cache-miss и output — ровно вдвое выше ставок базового Kimi for Coding, а модель под ними та же. Вы покупаете задержку, и точка. Этот обмен рационален ровно в одной ситуации: ответа ждёт человек, и его время стоит дороже токенов.

• Стоит: интерактивный pair programming, циклы автодополнения в редакторе, живые демо.
• Не стоит: генерация тестов в CI, ночные пакеты рефакторинга, прогоны оценок, любые постановленные в очередь или повторяемые нагрузки.
• Не стоит никогда: задачи, которые вы и так собирались отправить в K3, — High Speed относится к coding-семейству, это не более быстрый K3.

Двухуровневая политика маршрутизации для реальных агентских циклов

Оба семейства делят один ключ и один баланс, поэтому роутер может делить работу по каждому вызову. Политика, которая держится на практике: оцените размер контекста и сложность запроса, отправьте «мелкое и простое» в Kimi for Coding, а всё крупное или трудное эскалируйте в K3 с явным уровнем effort:

from anthropic import Anthropic

client = Anthropic(base_url="https://router.apitoken.sale", api_key="sk-pool-•••")

def pick_model(approx_input_tokens: int, hard: bool) -> tuple[str, dict]:
    if approx_input_tokens > 200_000:
        return "kimi/k3[1m]", {"effort": "high"}   # needs the 1M window
    if hard:
        return "kimi/k3-256k", {"effort": "max"}    # small but difficult
    return "kimi/kimi-for-coding", {}                   # everyday default

model, extra = pick_model(approx_input_tokens=12_000, hard=False)
msg = client.messages.create(
    model=model, max_tokens=1024,
    messages=[{"role": "user", "content": "Reply with exactly: connected"}],
)
print(msg.usage)  # terminal usage: check which cache leg you actually hit

Терминальный объект usage — ваша обратная связь. Если нагрузка, отправленная в K3, возвращается с маленьким output и input почти полностью из cache-hit, ей место на более дешёвом алиасе; если Kimi for Coding стабильно не справляется с классом задач — этот класс и есть ваше конкретное правило эскалации.

Фиксируйте алиасы по живому каталогу, а не по памяти

1. 01Получите каталог, видимый вашему ключу: curl https://router.apitoken.sale/v1/models -H "Authorization: Bearer sk-pool-•••". Доступ к моделям определяется каталогом, поэтому именно этот ответ — не пост в блоге, включая этот, — источник правды о том, что может вызывать ваш ключ.
2. 02Зафиксируйте точную строку алиаса (kimi/k3-256k, kimi/kimi-for-coding, …) в конфигурации клиента. Голые записи без неймспейса kimi/ относятся к Anthropic-лейну; прежде чем зашивать любую из форм, сверьтесь с каталогом.
3. 03Отправьте по одному крошечному пробному запросу на каждый зафиксированный алиас и посмотрите терминальный usage. Убедитесь, что тарифицированная модель и cache-составляющие совпадают с задуманным, прежде чем оставлять агентский цикл без присмотра.
4. 04Перепроверяйте /v1/models перед тем, как зафиксировать алиас в долгоживущей переменной окружения или CI: доступность определяет каталог, а не строка алиаса.

Не запрашивайте внутренние официальные ID моделей Kimi. Публичный трафик роутера использует subscription-алиасы из каталога; внутренние тарифные ID вроде kimi-k2.7-code не принимаются.

Один предоплаченный баланс за обоими семействами

Выбирать тариф под каждую модель не нужно. Один ключ apiToken.sale покрывает поддерживаемые каталоги Claude, GPT, Gemini и Kimi, каждый запрос тарифицируется по официальным ставкам минус фиксированная скидка 50%, а списание идёт с предоплаченного баланса, который никогда не сгорает. Команда, гоняющая Kimi for Coding на объёме и K3 на трудных случаях, видит один баланс, одну историю счетов и usage по каждому запросу в дашборде.

Поскольку баланс не сгорает, разделение работы между двумя семействами не несёт риска обязательств: пополнение, сделанное в неделю с упором на K3, в следующем месяце оплатит трафик Kimi for Coding по тем же ставкам со скидкой.

Полные ставки по каждой модели Kimi, включая cache-составляющие →

Частые вопросы

Похожие гайды