Stand Oktober 2026 gibt es auf der offenen Moonshot-Plattform hinter Kimi keinen dauerhaft verlässlichen kostenlosen API-Tarif. Neue Nutzer erhalten nach der Verifizierung ein kleines Testguthaben; nicht aufgeladene Konten liegen in Tier 0 mit den engsten Ratenlimits. Das Testguthaben in die Produktion zu übernehmen, ist der häufigste Fehlschluss bei diesem Modell.

Dieser Artikel betrachtet ausschließlich die API der offenen Plattform, nicht die Kimi-Webversion oder Mitgliedschaften. Die Plattformdokumentation liegt auf platform.kimi.com, die inländische Schnittstellendomain bleibt meist api.moonshot.cn. Maßgeblich sind die offiziellen Seiten vom Oktober 2026.

Hinweis: Moonshot und Kimi sind Marken ihrer jeweiligen Inhaber. Dieser Artikel steht in keiner Zugehörigkeit, Vertretung oder Partnerschaft zu Moonshot AI (Yuezhi Anmian); die genannten Regeln richten sich nach den offiziellen Seiten.

1. Fazit: kostenlos ist ein Test, kein Gratistarif

Zuerst drei Fakten klären.

Erstens listet die offizielle Preisseite derzeit kimi-k3, kimi-k2.7-code, kimi-k2.6 und weitere nutzungsabhängig abgerechnete Modelle, aber kein kostenloses Modell. Die Dateischnittstelle (Inhaltsextraktion, Dateispeicherung) ist zeitlich begrenzt kostenlos, doch der extrahierte Inhalt wird als Modelleingabe weiterhin nach Token berechnet.

Zweitens erhalten verifizierte Nutzer ein Testguthaben von 15 Renminbi. Verifizierte Nutzer der China-Seite können damit K3 nicht aufrufen; die Seite verlangt zuerst eine Aufladung. Ob das Guthaben andere Modelle abdeckt und wann es abläuft, steht auf der Seite zur Entgegennahme.

Drittens zählt das Testguthaben nicht zur kumulierten Aufladung. Die Tarifstufe richtet sich nach der kumulierten Aufladung; mit Testguthaben steigt sie nicht. Damit unterscheiden sich „Gratiskontingent“ und „bezahltes Kontingent“ bei Parallelität und RPM deutlich.

2. Die vier harten Kennzahlen von Tier 0

Nicht aufgeladene Konten liegen in Tier 0. Die offizielle Limitdokumentation nennt folgende Einstiegswerte; Zahlen können sich ändern, vor dem Test die Quelle prüfen.

Kennzahl Wert laut offizieller Dokumentation Praktische Auswirkung
Parallelität 1 Keine parallelen Anfragen; eine langsamere Anfrage blockiert nachfolgende Aufgaben
RPM 3 Nur drei Anfragen pro Minute; eine Wiederholung nach Fehler kann das Limit füllen
TPM 500.000 Eine einzelne lange Dokumentanfrage kann einen großen Teil belegen
TPD 1.500.000 Tägliche Token-Obergrenze; Batch-Aufgaben stoßen schnell daran

Bei RPM 3 verschärft die Standard-Wiederholungsstrategie des SDK das Problem. Das OpenAI SDK wiederholt standardmäßig zweimal; eine fehlgeschlagene Anfrage kann drei Requests erzeugen, die alle auf RPM zählen. Bei einem Tier-0-Konto kann ein einziges 429 das Kontingent der ganzen Minute aufbrauchen.

Bezahlte Stufen haben üblicherweise keine tägliche Token-Obergrenze mehr, aber TPM, Parallelität und RPM bleiben. Höhere Stufen bedeuten großzügigere Kontingente; die genauen Schwellen stehen auf der offiziellen Limitseite. Bei hoher Clusterlast kann die Plattform zusätzlich temporär drosseln; Konten, die als anomal eingestuft werden, lösen eine Risikodrosselung aus, die laut Dokumentation nach Auslösung nicht aufgehoben werden kann. Die Architektur darf daher nicht annehmen, dass „Geld aufgeladen“ dauerhaft „keine Drosselung“ bedeutet.

3. Wo das Gratiskontingent typischerweise scheitert

Neben den Tabellenwerten gibt es vier leicht übersehene Grenzen.

  1. Gültigkeit: Testguthaben hat meist eine Frist und wird nach Ablauf nicht zu Guthaben.
  2. Modellbereich: Das Guthaben deckt nicht zwingend alle Modelle ab; K3 ist ausdrücklich ausgenommen.
  3. Seite und Key: Konten und Keys der China-Seite platform.kimi.com und der internationalen Seite platform.kimi.ai sind nicht austauschbar; eine Mischung liefert 401.
  4. Guthaben und Fehlertyp: Zu wenig Guthaben und Rate-Limits können beide 429 liefern, aber mit unterschiedlichem error.type. exceeded_current_quota_error erfordert Aufladen, rate_limit_reached_error Drosseln oder eine höhere Stufe, engine_overloaded_error ist ein Kapazitätsproblem und wird durch Aufladen nicht behoben.

429 nicht pauschal wiederholen. Zuerst error.type ansehen, dann entscheiden, ob Wiederholung, weniger Parallelität oder Aufladung richtig ist.

4. Datenklauseln: Testdaten nicht standardmäßig als vertraulich ansehen

Die Plattformvereinbarung (Fassung vom 31. August 2026) räumt der Plattform ein kostenloses Nutzungsrecht ein, Ein- und Ausgaben sowie Feedback im gesetzlich zulässigen Rahmen für die Verbesserung des Modelldienstes zu verwenden. Der Vertragstext nennt für Privatkonten keine Opt-out-Möglichkeit. Die Datenschutzerklärung ergänzt, dass Daten in Festlandchina gespeichert und ohne gesonderte Einwilligung nicht ins Ausland übermittelt werden.

Unternehmenskunden können Zero Data Retention (ZDR) beantragen. Danach werden Anfrageinhalte nur für die jeweilige Inferenz verwendet und nach der Antwort gelöscht; Unternehmensdaten werden nicht für Training genutzt. ZDR hat jedoch klare Grenzen: Batch API, über die Dateischnittstelle hochgeladene Bilder oder Videos, Hosted Agents, Sicherheitsprotokolle und betriebliche Daten wie Abrechnungen sowie Drittanbieterdienste sind nicht abgedeckt. ZDR wird auf Anfrage über den Vertrieb freigeschaltet und ist kein Standard-Schalter im Backend.

Während der Testphase daher keine Kundenverträge, personenbezogenen Daten, unveröffentlichten Code oder Finanzdaten verarbeiten. Bei sensiblen Daten sollen Recht und Sicherheit die Vereinbarung und die ZDR-Bedingungen prüfen; „nur ein Test“ ist kein Grund, die Prüfung zu überspringen.

5. Wofür die kostenlose API taugt

Innerhalb des Kontingents eignen sich folgende Aufgaben.

  • Schnittstellenintegration: Base URL, Authentifizierung, Streaming und Fehlerbehandlung prüfen, bis das SDK läuft.
  • Kleine Evaluation: Mit 10 bis 30 echten Aufgaben Prompts und Modelle vergleichen, ohne statistische Signifikanz anzustreben.
  • Interne Tools mit niedriger Parallelität: persönliche Skripte, einmalige Dokumentzusammenfassungen, Entwürfe von Meeting-Notizen.
  • Prüfung von Langdokument-Workflows: zuerst per Dateischnittstelle extrahieren, dann Segmentierung, Zitate und strukturierte Ausgabe testen.
  • Erste Latenzmessung: Time-to-First-Token und Gesamtdauer erfassen, um Streaming- und Timeout-Strategie zu bestimmen.

Gemeinsam ist allen: Fehler sind wiederholbar, Ergebnisse werden von Menschen geprüft, und sie gehen nicht direkt an Kunden.

6. Wofür das Gratiskontingent nicht reicht

  • Produktivverkehr: Parallelität und RPM von Tier 0 tragen echte Nutzer nicht; für temporäre Drosselung gibt es keinen Ausgleich.
  • Kundendaten: Die Standardklauseln erlauben die Nutzung von Ein- und Ausgaben zur Serviceverbesserung; Testkonten sind für vertrauliche Inhalte ungeeignet.
  • Batch-Aufgaben: TPD ist zuerst erreicht; die Batch API ist kostenpflichtig und nicht von ZDR abgedeckt.
  • Dienste mit hoher Parallelität: Parallelität 1 bedeutet reine Warteschlange und unkontrollierbare Latenz.
  • Systeme mit SLA-Anforderung: Die Standardvereinbarung enthält keine Verfügbarkeitszusage; Wartungsausfälle sind ausgeschlossen.
  • Systeme mit alten Modellen: Die moonshot-v1-Reihe und einige alte K2-Modelle sind abgeschaltet; Migrationskosten vorab einplanen.

Ein weiteres häufiges Risiko: den Test-Key in Frontend oder Repository schreiben. Nach einem Leck können Dritte das Kontingent verbrauchen. Auch in der Testphase müssen Keys sauber verwaltet werden.

7. Vom Test zur Bezahlung: der Upgrade-Pfad

Nach erfolgreicher Prüfung erfolgt der Upgrade üblicherweise in drei Schritten.

  1. Aufladen und Stufe erhöhen: Die Tarifstufe richtet sich nach der kumulierten Aufladung; danach steigen Parallelität, RPM und TPM. Die konkreten Stufen stehen auf der offiziellen Limitseite.
  2. Firmenverifizierung und Firmenzahlung: Wer Vertrag, Rechnung oder Rechteverwaltung benötigt, schließt die Firmenverifizierung ab und zahlt per Überweisung oder online. Rechnungen, Budgets und Mitgliederrechte unterscheiden sich vom Privatkonto.
  3. Höheres Kontingent und ZDR beantragen: Bei Spitzenparallelität, Datencompliance oder SLA-Anforderungen monatlichen Verbrauch, Spitzenparallelität, Szenarien und Wachstumsplan vorbereiten, mit dem Vertrieb sprechen und Zusagen in Vertrag oder Anhang aufnehmen.

Braucht das Team Modellwechsel, eine einheitliche Rechnung oder Ausweichkanäle, kann ein OpenAI-kompatibles AI-Gateway geprüft werden. Eine zusätzliche Schicht bedeutet eine zusätzliche Abhängigkeit; auch hier zuerst mit kleinem Volumen testen.

8. Eine reproduzierbare Prüfung

Nicht mit „fühlt sich nutzbar an“ entscheiden. Führen Sie die folgenden Schritte durch und entscheiden Sie dann über die Aufladung.

  1. 10 bis 30 echte Aufgaben vorbereiten und Anforderungen an Qualität, Format und Zitate festhalten.
  2. Die Token-Schätzfunktion der Plattform zur Quantifizierung der Eingabe nutzen, nicht nach Zeichenzahl raten.
  3. Zielparallelität, Spitzen-RPM und tägliche Token mit den Tier-0-Limits vergleichen.
  4. Automatische SDK-Wiederholungen deaktivieren und Anzahl sowie Backoff selbst steuern.
  5. Pro Anfrage Eingabe, Ausgabe, Dauer, error.type und Wiederholungszahl erfassen.
  6. Ein Test-Token-Budget setzen, bei Erreichen stoppen und daraus die Kosten pro Aufgabe ableiten.
import os
import time
from openai import OpenAI, RateLimitError

client = OpenAI(
    api_key=os.environ["MOONSHOT_API_KEY"],
    base_url="https://api.moonshot.cn/v1",
    max_retries=0,  # Wiederholungen selbst steuern, damit die Standard-2x-Retry nicht unbemerkt RPM verbraucht
)

BUDGET = 200_000  # Teaminternes Testlimit, kein offizielles Kontingent
used = 0

def ask(prompt: str) -> str:
    global used
    if used >= BUDGET:
        raise RuntimeError("Testbudget aufgebraucht")
    try:
        resp = client.chat.completions.create(
            model="kimi-k2.6",
            messages=[{"role": "user", "content": prompt}],
            max_completion_tokens=512,
        )
    except RateLimitError as exc:
        body = exc.response.json().get("error", {})
        print("429-Typ:", body.get("type"))  # Rate-Limit, Kapazitätsüberlast und Guthabenmangel getrennt behandeln
        time.sleep(5)
        return ""
    used += resp.usage.total_tokens
    return resp.choices[0].message.content

Der Code dient nur als Beispiel für Budget und Fehlerklassifikation, nicht als Empfehlung zum Rate-Limiting. Ein echter Lasttest folgt der Zielparallelität und muss vorab klären, ob die Plattformbedingungen ihn erlauben.

Häufige Fragen

Gibt es bei Moonshot eine dauerhaft kostenlose API?

Stand Oktober 2026 gibt es keinen Gratistarif, der als langfristige Zusage taugt. Offiziell gibt es ein verifizierungsabhängiges Testguthaben, das Testcharakter hat und an Modelle sowie Fristen gebunden ist. Ob neue Aktionen existieren, steht auf den offiziellen Seiten.

Lässt sich das Guthaben von 15 Renminbi für alle Modelle verwenden?

Nein. Verifizierte Nutzer der China-Seite können damit K3 nicht aufrufen; ob andere Modelle abgedeckt sind, steht auf der Seite zur Entgegennahme. Nicht annehmen, dass das Guthaben für alle Modelle gilt.

Trägt Tier 0 den Produktivbetrieb?

Nein. Parallelität 1, 3 RPM und eine tägliche Token-Obergrenze eignen sich nur für Integrationstests und kleine Evaluationen. Produktion erfordert eine höhere Stufe durch Aufladung sowie Konzepte für Drosselung, Wiederholung und Degradierung.

Werden Testdaten für das Training verwendet?

Die Standardvereinbarung erlaubt der Plattform, Ein- und Ausgaben im gesetzlichen Rahmen zur Serviceverbesserung zu nutzen. Unternehmen können ZDR beantragen, mit Ausnahmen für Batch, Datei-Uploads und Hosted Agents. Sensible Daten zuerst durch die Compliance-Prüfung schicken.

Was passiert, wenn das Testguthaben aufgebraucht ist?

Je nach Zugang und Szenario kann 429 oder 403 zurückkommen. Zuerst error.type prüfen: Guthabenmangel erfordert Aufladung, Rate-Limit Drosselung oder eine höhere Stufe, Kapazitätsüberlast nur Backoff und Wiederholung.

Nächste Schritte

Wenn Integrationstest und kleine Evaluation bestanden sind und ein stabiler Aufruf, eine Rechnung in Renminbi sowie ein einheitlicher Multi-Modell-Zugang benötigt werden, kann im ZSQH AI Gateway ein kleiner Test durchgeführt werden; Modelle, Preise und Verfügbarkeit richten sich nach den Modellpreisen.

Verwandte Artikel: