Kimi K3는 2026년 7월 16일에 출시되었으며, 두 가지 다른 입력 가격이 있다는 것을 알아차리기 전까지는 가격표가 간단해 보입니다. Moonshot AI는 캐시-히트 입력에 대해 백만 토큰당 $0.30, 캐시-미스 입력에 대해 백만 토큰당 $3.00, 출력에 대해 백만 토큰당 $15.00를 책정하고 있습니다. 대부분의 보도는 이 공시 가격에서 멈추고 끝냅니다. 하지만 실제로 월별 청구서를 결정하는 수치는 실제로 지불하는 혼합 입력 요율이며, 코딩 작업 부하의 경우 이 수치는 $3.00 계층보다 저렴한 $0.30 계층에 훨씬 더 가깝습니다. 이 글은 공시 가격표에서 빠진 실질 비용 계산을 수행하고, 구체적인 작업당 비용 예시를 제시하며, Kimi K3를 Claude Opus 4.8, GPT-5.6 Sol, DeepSeek V4와 비교하여 그 위치를 보여줍니다.
요약
Kimi K3는 캐시-히트 입력에 대해 백만 토큰당 $0.30, 캐시-미스 입력에 대해 백만 토큰당 $3.00, 출력에 대해 백만 토큰당 $15.00입니다. Moonshot은 Mooncake의 분산 추론 아키텍처를 통해 모델을 제공하며, 코딩 작업 부하에서 90% 이상의 캐시-히트율을 보고했기 때문에 실제 입력 비용은 $0.30 하한선에 가깝습니다. 입력은 저렴하게 제공되지만, 출력은 프리미엄입니다. 캐싱을 활용하고 응답을 간결하게 유지하면 Kimi K3는 합리적인 가격에 최첨단에 준하는 품질을 제공합니다. 모델을 테스트하는 동안 Apidog에서 각 응답의 토큰 사용량을 검사하여 캐시-히트 분할을 직접 확인할 수 있습니다.
공시 가격표
다음은 Moonshot이 kimi-k3 모델의 공식 Kimi K3 가격 페이지에 게시한 내용입니다.
| 토큰 유형 | 백만 토큰당 가격 |
|---|---|
| 캐시-히트 입력 | $0.30 |
| 캐시-미스 입력 | $3.00 |
| 출력 | $15.00 |
세 가지 숫자, 그리고 그들 사이의 격차가 전체 이야기입니다. 캐시-미스 입력은 캐시-히트 입력보다 10배 비쌉니다. 출력은 캐시-미스 입력보다 5배, 캐시-히트 입력보다 50배 비쌉니다. 표를 왼쪽에서 오른쪽으로 읽고 모든 입력 토큰에 대해 $3.00를 지불한다고 가정하면, 입력 비용을 크게 과대평가하게 됩니다. 출력이 반올림 오차라고 가정하면, 지배적인 부분을 과소평가하게 됩니다.
모델이 무엇이고 현재 모델 환경에 어떻게 적용되는지에 대한 전체 그림은 Kimi K3 설명서를 참조하세요. 요청 수준 설정, 기본 URL 및 SDK 스니펫을 원하시면 Kimi K3 API 가이드에서 연결 방법을 다룹니다. 이 게시물은 비용에 초점을 맞춥니다.
왜 캐시-히트 계층이 계산을 바꾸는가
프롬프트 캐싱은 당신이 보는 가격과 당신이 지불하는 가격의 차이입니다. 요청을 보내면, 제공자는 프롬프트의 토큰화된 접두사를 저장합니다. 다음 요청이 동일한 접두사를 재사용하면, 모델은 처음부터 다시 처리하는 대신 캐시에서 읽으며, 이 재사용된 토큰은 캐시-미스 요율이 아닌 캐시-히트 요율로 청구됩니다.
Moonshot은 Mooncake의 분산 추론 아키텍처라고 부르는 것을 통해 Kimi K3를 제공하는데, 이는 캐시된 접두사를 적극적으로 재사용할 수 있도록 프리필(prefill) 및 디코드(decode) 단계를 분리합니다. 이 회사는 코딩 작업 부하에서 90% 이상의 캐시-히트율을 보고합니다. 이를 액면 그대로 받아들이면 계산이 뒤바뀝니다. 백만 입력 토큰당 $3.00를 지불하는 대신, 약 10개의 입력 토큰 중 9개에 대해서는 $0.30를, 나머지 1개에 대해서는 $3.00를 지불합니다.
혼합 요율을 계산해 봅시다. 입력의 90%가 캐시를 적중한다면:
- 0.90 x $0.30 = $0.27
- 0.10 x $3.00 = $0.30
- 혼합 입력 요율 = 백만 토큰당 $0.57
귀하의 실질 입력 가격은 백만 토큰당 약 $0.57로, 비싼 계층보다 저렴한 계층에 더 가깝습니다. $3.00 공시 가격이 아니라, 이 숫자를 기준으로 계획해야 합니다. 캐시-히트율이 높을수록 $0.30 하한선에 더 가까워집니다. 히트율을 95%로 높이면 혼합 입력 요율은 백만 토큰당 약 $0.435로 떨어집니다.
한 가지 명확히 밝혀야 할 주의사항: 90% 수치는 코딩 작업 부하에 대한 Moonshot의 보고된 수치입니다. 귀하의 요율은 프롬프트 접두사가 얼마나 안정적인지에 달려있습니다. 프롬프트가 크게 변화하는 채팅 트래픽은 동일한 저장소를 반복적으로 사용하는 에이전트보다 캐시 적중률이 낮습니다. 이를 신뢰하기 전에 자체 히트율을 측정해 보세요.
비용 예시: 하나의 에이전트 코딩 작업
공시 가격은 추상적입니다. 실제 작업을 가격으로 책정해 봅시다. 중규모 리포지토리에 대해 하나의 에이전트 코딩 세션을 실행한다고 가정해 봅시다. 전체 세션 동안, 모든 차례에 걸쳐 모델은 2,000,000개의 입력 토큰을 읽고 (컨텍스트는 매 차례 다시 전송되므로 입력 볼륨이 높음) 200,000개의 출력 토큰을 작성합니다.
첫째, 아무것도 캐시되지 않는 순진한 가정:
- 입력: 2,000,000 토큰 x $3.00 / 1,000,000 = $6.00
- 출력: 200,000 토큰 x $15.00 / 1,000,000 = $3.00
- 총계: $9.00
이제 해당 입력에 대해 90% 캐시-히트율을 가정한 실제 가정:
- 캐시-히트 입력: 1,800,000 x $0.30 / 1,000,000 = $0.54
- 캐시-미스 입력: 200,000 x $3.00 / 1,000,000 = $0.60
- 입력 소계: $1.14
- 출력: 200,000 x $15.00 / 1,000,000 = $3.00
- 총계: $4.14
캐싱은 입력 비용을 $6.00에서 $1.14로, 총 비용을 $9.00에서 $4.14로 절감했습니다. 이는 전체 작업에서 54%의 절감 효과이며, 전적으로 입력 측면에서 발생했습니다. 변하지 않은 점을 주목하세요: 출력은 두 시나리오 모두에서 $3.00를 유지했습니다. 캐싱은 출력 토큰에 아무런 영향을 미치지 않습니다. 모델이 아직 작성하지 않은 텍스트는 캐시할 수 없습니다.
입력은 저렴하고, 출력은 프리미엄입니다
세 가지 요율을 서로 비교하면 전략은 저절로 나옵니다. 백만 토큰당 $15.00의 출력은 캐시-히트 입력 요율의 50배, 캐시-미스 요율의 5배입니다. 따라서 Kimi K3 청구서를 움직이는 레버는 사람들이 먼저 손댈 만한 것이 아닙니다.
가장 도움이 되는 것:
- 응답을 간결하게 유지하세요. 요청하지 않은 세 문단 설명을 덧붙이지 말고 차이점만 요청하세요. 가능한 경우
max_tokens를 제한하세요. - 접두사를 재사용하세요. 시스템 프롬프트, 도구 스키마 및 컨텍스트 블록을 모든 차례에 걸쳐 바이트 단위로 안정적으로 유지하여 캐시가 계속 적중되도록 하세요. 해당 접두사를 재정렬하거나 약간 편집하면 캐시가 손상되고 해당 토큰이 $3.00 계층으로 돌아갑니다.
- 매번 새로운 컨텍스트를 시작하는 대신 동일한 준비된 접두사 뒤에 관련 호출을 일괄 처리하세요.
예상보다 덜 도움이 되는 것:
- 비용 절감을 위해 입력을 줄이는 것. 캐싱될 때 입력은 이미 저렴합니다. 유용한 컨텍스트를 잘라내어 입력 토큰을 줄이는 것은 답변 품질을 저하시키고, 모델이 명확화 질문을 하거나 회피하면서 더 길고 비용이 많이 드는 출력을 강제할 수 있습니다.
이는 많은 팀이 토큰 예산에 대해 추론하는 방식과는 반대입니다. Kimi K3와 같이 가격이 책정된 모델에서는 아낌없이 입력을 제공하고 출력 측면에서 절제력을 발휘해야 합니다.
가격 기준점: Kimi K3는 어떻게 비교되는가
원시 숫자는 대안과 비교할 때만 의미가 있습니다. 다음은 Kimi K3를 몇 가지 기준점과 비교한 것으로, 경쟁사 가격은 변동될 수 있으므로 결정하기 전에 현재 요율을 확인해야 한다는 솔직한 주의사항이 있습니다.
| 모델 | 입력 (백만당) | 출력 (백만당) | 참고 |
|---|---|---|---|
| Kimi K3 | $0.30 캐시-히트 / $3.00 캐시-미스 | $15.00 | 1M 컨텍스트, 7월 27일경 오픈 웨이트 |
| Claude Opus 4.8 | $5.00 | $25.00 | 프리미엄 계층; 현재 가격 확인 |
| GPT-5.6 Sol | ~$5.00 | ~$30.00 | 플래그십 계층; 더 저렴한 GPT-5.6 계층이 존재함 |
| DeepSeek V4 | 가치 계층 | 가치 계층 | 현재 요율 확인 |
대충 훑어보지 말고 신중하게 읽으세요. $5.00 입력 및 $25.00 출력의 Claude Opus 4.8 가격과 비교할 때, Kimi K3는 모든 면에서 저렴합니다. 캐시-미스 입력이 Opus 입력을 하회하고, 캐싱을 고려하기 전에도 출력이 40% 저렴합니다. 이전에 언급된 2M 입력, 200K 출력 작업을 Opus 공시 요율로 다시 계산하면 대략 $10.00 입력에 $5.00 출력을 더해 약 $15.00가 나오며, 캐싱을 적용한 Kimi K3의 $4.14와 대비됩니다. 이는 Anthropic도 자체 프롬프트 캐싱을 제공하여 Opus의 가격을 낮출 수 있으므로 방향성을 나타낼 뿐이지만, 기본적인 형태는 유지됩니다. Kimi K3는 가격 면에서 가치 있는 선택입니다.
GPT-5.6 가격과 비교하면, 비교가 더 미묘합니다. 플래그십 계층인 GPT-5.6 Sol은 저희의 보도에 따르면 입력이 약 $5, 출력이 약 $30이며, 이는 Kimi K3가 Sol보다 구체적으로 더 저렴하다는 것을 의미합니다. 하지만 GPT-5.6은 더 저렴한 Terra 및 Luna 계층을 제공하므로, 해당 계층을 사용하고 기능 절충을 감수할 수 있다면 OpenAI가 가격 면에서 우위를 점합니다. 결정하기 전에 실시간 숫자를 확인하세요.
DeepSeek V4 가격과 비교하면, 두 가지 가치 계층의 오픈 웨이트 모델을 비교하는 것입니다. DeepSeek은 역사적으로 공격적인 가격 정책을 펼쳤으므로, 원시 출력 가격에서 Kimi K3를 하회할 수 있습니다. Kimi K3는 1M 컨텍스트와 입력에 대한 깊은 캐시-히트 할인을 통해 맞섭니다. 귀하의 작업 부하가 입력이 많고 캐싱이 잘 된다면, 격차는 줄어들거나 역전될 수 있습니다.
Apidog으로 토큰 사용량 테스트하기
캐시 계산은 실제 숫자를 볼 수 있을 때만 도움이 됩니다. 모든 Kimi K3 응답은 입력 토큰, 출력 토큰 및 캐시-히트 부분을 분류하는 사용량 객체를 반환하며, 이 객체에 실제 혼합 요율이 숨어 있습니다.
Apidog을 Kimi K3 엔드포인트로 지정하고 몇 가지 대표적인 요청을 보내세요. Kimi K3는 OpenAI-SDK와 호환되므로, 다른 OpenAI 스타일 API와 마찬가지로 기본 URL, 베어러 토큰, kimi-k3 모델 ID를 사용하여 구성합니다. 동일한 프롬프트를 두 번 실행하고, 두 번째 응답이 첫 번째보다 더 높은 캐시-히트 수를 보고하는 것을 지켜보세요. 이것이 실시간으로 작동하는 캐싱입니다. 해당 사용량 분할을 검사하면 보고된 캐시-히트율 대신 실제 캐시-히트율을 알 수 있으므로, 이전에 언급된 혼합 요율 공식에 실제 숫자를 대입할 수 있습니다.
Apidog은 더 저렴한 모델과 더 비싼 모델을 A/B 테스트하는 것을 간단하게 만듭니다. kimi-k3와 현재 모델에 대해 동일한 요청을 저장하고, 응답을 나란히 비교하며, 각 토큰 수를 읽어 자체 트래픽에 대한 실제 비용 차이를 계산하세요. 편집기 내에서 작업하는 경우, VS Code에서 Apidog을 실행하는 방법에 대한 가이드를 통해 코드 옆에서 테스트 루프를 유지하는 방법을 보여줍니다. Apidog을 다운로드하면 몇 분 안에 비교를 설정할 수 있습니다.
솔직한 평가
Kimi K3는 입력은 저렴하고, 출력은 프리미엄입니다. 이 한 문장이 가격 정책을 요약합니다. $0.30 캐시-히트 계층은 Mooncake가 보고한 코딩 작업 부하에서의 90% 이상의 히트율과 결합되어, 대부분의 팀이 실행하는 작업 부하에 대한 입력 비용이 하한선으로 향하는 경향이 있음을 의미합니다. 백만 토큰당 $15.00의 출력은 청구서가 집중되는 부분이므로, 절제는 프롬프트 측면이 아니라 응답 측면에 있어야 합니다.
경쟁 모델들과 비교했을 때, 이는 가치 있는 선택입니다. 모든 요율에서 Claude Opus 4.8을 하회하고 가격 면에서 GPT-5.6 Sol을 능가하며, 트래픽의 입력 비중에 따라 DeepSeek V4와 경쟁합니다. 이는 완전한 최첨단 모델은 아닙니다. Moonshot 자체도 Claude Fable 5와 GPT-5.6 Sol보다 기능 면에서 뒤처진다고 평가하며, 가격 계층의 중간값보다 약간 느리게 실행됩니다. 하지만 합리적인 가격으로 최첨단에 준하는 품질, 1M 컨텍스트, 그리고 7월 27일경 출시될 오픈 웨이트 버전이 향후 더 낮은 자체 호스팅 하한선을 약속한다는 점에서 Kimi K3는 그 자리를 차지할 만합니다. 캐싱을 활용하고, 출력 길이를 주시하며, 실제 히트율을 측정하면 경제성이 귀하에게 유리하게 작용할 것입니다. 지출을 확정하기 전에 자신의 혼합 요율을 파악하려면, Apidog을 다운로드하고 `kimi-k3`에 몇 가지 대표적인 요청을 보낸 다음, 사용량 객체에서 캐시-히트 분할을 직접 확인하세요.
자주 묻는 질문
Kimi K3 API 비용은 얼마인가요?
Kimi K3는 Moonshot의 직접 API에서 캐시-히트 입력에 대해 백만 토큰당 $0.30, 캐시-미스 입력에 대해 백만 토큰당 $3.00, 출력에 대해 백만 토큰당 $15.00입니다. OpenRouter와 같은 타사 목록에서는 별도의 캐시-히트 계층 없이 일률적으로 $3.00 입력 및 $15.00 출력을 보여줍니다. 요청 설정은 Kimi K3 API 가이드를 참조하세요.
캐시-히트율은 무엇이며 왜 중요한가요?
Moonshot은 Mooncake의 분산 추론을 통해 제공되는 코딩 작업 부하에서 90% 이상의 캐시-히트율을 보고합니다. 캐시된 입력 토큰은 $3.00 대신 $0.30로 청구되기 때문에 중요합니다. 90%의 히트율에서, 귀하의 혼합 입력 비용은 백만 토큰당 약 $0.57로, 비싼 계층보다 저렴한 계층에 가깝습니다.
Kimi K3가 Claude Opus 4.8보다 저렴한가요?
공시 가격 기준으로는 그렇습니다. Kimi K3의 출력은 백만 토큰당 $15.00로 Claude Opus 4.8의 $25.00에 비해 저렴하며, 입력도 Opus를 하회합니다. 2M 입력, 200K 출력 샘플 작업에서, 캐싱을 적용한 Kimi K3는 약 $4.14였던 반면, Opus는 공시 가격 기준으로 약 $15.00였습니다. Anthropic은 격차를 좁히는 자체 캐싱을 제공하므로, 이는 방향성으로만 받아들이세요. Claude Opus 4.8 가격 및 Kimi K3 vs Claude Opus 4.8 비교를 참조하세요.
Kimi K3 가격은 GPT-5.6 및 DeepSeek V4와 어떻게 비교되나요?
Kimi K3는 플래그십 계층인 GPT-5.6 Sol(입력 약 $5, 출력 약 $30)보다 저렴하지만, GPT-5.6은 더 저렴한 Terra 및 Luna 계층을 제공하여 Kimi K3보다 가격 경쟁력이 있을 수 있습니다. DeepSeek V4는 원시 출력 가격 면에서 Kimi K3를 능가할 수 있는 또 다른 가치 계층 옵션입니다. 결정하기 전에 GPT-5.6 가격 및 DeepSeek V4 가격을 통해 실시간 숫자를 확인하세요.
Kimi K3 비용을 낮추려면 어떻게 해야 하나요?
입력이 아닌 출력에 집중하세요. `max_tokens`를 제한하고, 간결한 응답을 요청하며, 시스템 프롬프트와 컨텍스트 접두사를 바이트 단위로 안정적으로 유지하여 캐싱이 계속 $0.30 계층을 적중하도록 하세요. 비용 절감을 위해 입력을 줄이는 것은 캐시된 입력이 이미 저렴하고, 유용한 컨텍스트를 잘라내면 더 길고 비용이 많이 드는 출력을 강제할 수 있기 때문에 거의 도움이 되지 않습니다.
실제 캐시-히트율을 어떻게 확인할 수 있나요?
각 Kimi K3 응답에서 반환되는 사용량 객체를 검사하세요. 이 객체는 입력, 출력 및 캐시-히트 토큰 수를 보고합니다. Apidog을 통해 동일한 요청을 두 번 보내고 캐시-히트 수를 비교하여 캐싱이 실시간으로 작동하는지 확인하세요. 이를 통해 혼합 비용 공식에 대입할 실제 히트율을 얻을 수 있습니다.