Kimi API работает по модели оплаты за фактическое использование и не предлагает подписку. Если при сравнении смотреть только на «цену за миллион токенов», легко ошибиться: счёт определяют модель, длина контекста, доля попаданий в кэш и длина вывода. Серия K2 предоставляет контекст 262 144 токена, K3 — до 1 048 576; сильная поддержка длинного контекста означает и то, что затраты на входе накапливаются легче.

Ниже разобраны структура тарификации серии K2, источники стоимости длинного контекста, воспроизводимая методика расчёта и порядок снижения затрат — без фиксированных цен за единицу. Конкретные цены смотрите в официальной документации и на странице тарифов.

Примечание: Moonshot и Kimi — товарные знаки соответствующих правообладателей. Модели, длина контекста и правила биллинга могут меняться; примеры отражают распространённую ситуацию по состоянию на октябрь 2026 года. Перед закупкой сверьтесь с официальной страницей.

1. Как распределены роли в серии K2

Модель Позиционирование Контекст Подходящие задачи На что смотреть в затратах
kimi-k2.6 Универсальная 262 144 Диалоги, извлечение, поддержка, работа с документами Доля попаданий в кэш
kimi-k2.7-code Для кода 262 144 Генерация кода, вопросы по репозиторию, агенты Длинный вход, много результатов инструментов
kimi-k2.7-code-highspeed Быстрая версия для кода 262 144 Автодополнение с низкой задержкой, интерактивное программирование Баланс цены и пропускной способности
kimi-k3 Новое поколение 1 048 576 Сверхдлинные документы, сложные многошаговые задачи Длинный контекст и запись в кэш

Модели обновляются, и в серии K2 позже могут появиться новые версии. При закупке ориентируйтесь на официальный список моделей и страницу тарифов; не считайте названия из этой статьи бессрочным обещанием.

Для универсальных задач не обязательно по умолчанию брать максимальный контекст. Если вставить весь материал в контекст на 1M токенов, стоимость входа быстро накапливается с каждым раундом; обычно выгоднее сначала сузить область поиском, а затем дать модели прочитать ключевые фрагменты. В задачах по коду всё наоборот: структуру репозитория и результаты инструментов часто нужно сохранять, поэтому главное — стабильный префикс и высокий процент попаданий в кэш.

2. Счёт состоит из трёх частей

Серия K2 тарифицирует три статьи: вход с попаданием в кэш, вход без попадания и выход. У K3 отдельно тарифицируется запись в кэш с двумя сроками жизни — 5 минут и 1 час, поэтому нельзя умножать общий объём токенов на одну среднюю цену.

Статья Когда возникает Влияние на стоимость Способ контроля
Вход без попадания Впервые появившийся промпт, документ, результат инструмента Растёт линейно с контекстом Поиск, суммаризация, обрезка истории
Вход с попаданием Повторяющийся system prompt, фиксированный префикс Обычно заметно ниже промаха Стабильный префикс, фиксированный порядок инструментов
Выходные токены Сгенерированный текст и размышления Длинный вывод раздувает счёт Ограничение max_completion_tokens
Запись в кэш (K3) Запись префикса в кэш Тарифицируется по сроку жизни Кэшировать только стабильно повторяемое содержимое

Если разложить один запрос, формула стоимости выглядит так:

Стоимость запроса =
  входные токены без попадания × цена промаха
+ входные токены с попаданием × цена попадания
+ выходные токены × цена выхода

Для K3 добавляется статья записи в кэш. Поле usage в ответе содержит prompt_tokens, completion_tokens и prompt_tokens_details; попадание в кэш и запись в кэш входят в prompt_tokens, а незакэшированную часть нужно получать вычитанием этих двух величин из общего числа.

3. Почему длинный контекст легко становится дорогим

Сценарий Типичная структура токенов Основная стоимость Направление оптимизации
Вопросы по длинным документам Большой вход, средний выход Документ передаётся многократно Поиск плюс кэш
Агент по репозиторию Большой вход и выход Результаты инструментов и история Суммаризация, обрезка, кэш
Многораундовая поддержка Вход накапливается с раундами Повтор истории сообщений Скользящая суммаризация
Пакетное извлечение Средний вход, короткий выход Повторное чтение документов Пакетная обработка и небольшая модель

Различия обычно возникают в пяти местах:

  1. Вход накапливается с числом раундов. Если каждый раунд заново передавать полный текст, счёт растёт примерно пропорционально числу раундов.
  2. Доля попаданий в кэш. Фиксированный префикс переиспользуется; метки времени, случайные ID и динамическая сортировка при каждом запросе ломают кэш.
  3. Результаты инструментов. Один поиск или запуск кода возвращает целый блок лога, который на следующем раунде снова передаётся как есть, и затраты складываются.
  4. Длина вывода. Открытые просьбы «подробно проанализируй» чаще всего порождают длинный вывод, а выход обычно дороже входа с попаданием в кэш.
  5. Неверный выбор модели. Большая модель для простой классификации или повторные попытки на неподходящей модели для сложной задачи раздувают стоимость.

4. Проведите воспроизводимый расчёт

  1. Возьмите 20–50 реальных задач, покрывающих простой, средний и сложный уровни, и заранее опишите критерии приёмки.
  2. Сначала измерьте вход через интерфейс подсчёта токенов, не угадывайте по числу символов.
  3. Прогоните одну и ту же партию на kimi-k2.6 и на модели для кода, записывая качество, задержку и число доработок.
  4. Считывайте вход, выход, попадание в кэш и запись в кэш из usage ответа.
  5. Сравнивайте стоимость «одной качественно выполненной задачи», а не цену за миллион токенов.
  6. Включайте в стоимость задачи повторы, неудачные запросы и запись в кэш.
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["MOONSHOT_API_KEY"],
    base_url="https://api.moonshot.cn/v1",
)

resp = client.chat.completions.create(
    model="kimi-k2.6",
    messages=[{"role": "user", "content": "Извлеки этот договор в JSON: ..."}],
    max_completion_tokens=1024,
)

u = resp.usage
print("Вход", u.prompt_tokens, "Выход", u.completion_tokens)
print("Детали кэша", getattr(u, "prompt_tokens_details", None))

Для потокового вызова добавьте stream_options={"include_usage": True}; полная статистика приходит только в последнем блоке. Денежную сумму умножайте на фактические цены из договора или страницы тарифов, а не на скриншот нескольких месяцев давности.

5. Порядок снижения затрат

  1. Сначала кэш. Зафиксируйте system prompt, определения инструментов и префикс базы знаний, проверяйте фактическое попадание по cached_tokens.
  2. Затем сокращайте вход. Поиск должен возвращать только релевантные фрагменты, историю — суммаризировать, не вставляйте всю базу в контекст.
  3. Ограничивайте выход. Задайте разумный max_completion_tokens, требуйте JSON или фиксированные поля, убирайте вежливые отступления.
  4. Маршрутизируйте модели. Универсальные задачи — kimi-k2.6, код — версия K2.7 для кода, сверхдлинные материалы — K3.
  5. Длинные запросы переводите в потоковый режим. Потоковость не меняет цену напрямую, но снижает число повторов из-за таймаутов и обрывов.
  6. Мониторьте и оповещайте. Смотрите расход по проектам, моделям и сценариям, задавайте лимиты бюджета и еженедельно разбирайте рейтинг потребления.

Не меняйте порядок. Сначала кэш и управление входом, затем более дешёвая модель; иначе вы просто сделаете неверные ответы дешевле.

6. Как управлять бюджетом и счётом

  • Один проект — один ключ, дневной бюджет по проекту, чтобы одно направление не выбирало всю квоту.
  • Ежемесячно сверяйте расход по «проекту, модели и сценарию» и находите самые быстрорастущие вызовы.
  • Отдельно фиксируйте долю попаданий в кэш, число повторов и среднюю длину вывода, иначе эффект оптимизации не доказать.
  • Командам, которым нужны оплата в юанях и счёт, подходит единый биллинг нескольких моделей через локальный AI-шлюз; конкретные цены и правила выставления счетов смотрите на странице тарифов.

Частые вопросы

Что выгоднее: K2 или K3?

Зависит от задачи. Контекст серии K2 — 262 144 токена, этого хватает для большинства документов и сценариев кода; K3 с большим контекстом подходит для сверхдлинных материалов. Сравнивайте общую стоимость «одной качественно выполненной задачи», а не только цену за единицу.

Сколько экономит кэш?

Зависит от повторяемости префикса и доли попаданий. Вход с попаданием обычно заметно дешевле промаха, а попадание продлевает срок жизни кэша; но если префикс каждый раз меняется или слишком короткий, попадания не будет.

Потоковый вывод дешевле?

Цену за единицу он напрямую не меняет. Его ценность — снижение скрытых затрат на таймауты, обрывы соединения и повторы длинных запросов.

Почему счёт выше оценки?

Часто не учитывают историю сообщений, результаты инструментов, полный текст документов, повторы, длинный вывод и промахи кэша. Сопоставьте журнал запросов с usage, чтобы найти расхождение.

Как командам в Китае платить в юанях?

Можно вызывать Kimi через AI-шлюз с пополнением в юанях и выставлением счетов, объединяя биллинг нескольких моделей. Доступные модели, цены и правила счетов смотрите на странице тарифов.

Что дальше

Создайте тестовый ключ в ZSQH AI Gateway, прогоните по одной партии реальных задач на kimi-k2.6 и на модели для кода, запишите токены, попадания в кэш и качество, а затем выбирайте основную модель. Доступность моделей и цены — на странице тарифов.

Читайте также: