Kimi K3 foi lançado em 16 de julho de 2026, e a tabela de preços parece simples até você notar que possui dois preços de entrada diferentes. A Moonshot AI lista $0,30 por milhão de tokens para entrada com acerto de cache (cache-hit), $3,00 por milhão de tokens para entrada com erro de cache (cache-miss) e $15,00 por milhão de tokens para saída. A maioria das análises para nesses números e considera o trabalho feito. Mas o valor que realmente decide sua conta mensal é a taxa de entrada combinada que você paga na prática, e em cargas de trabalho de codificação, esse número fica muito mais próximo do nível barato de $0,30 do que do de $3,00. Este artigo faz o cálculo do custo efetivo que as tabelas de preços ignoram, detalha um exemplo concreto de custo por tarefa e compara o Kimi K3 com o Claude Opus 4.8, GPT-5.6 Sol e DeepSeek V4 para que você possa ver onde ele se posiciona.
TL;DR
Kimi K3 custa $0,30 por milhão de tokens para entrada com acerto de cache, $3,00 por milhão para entrada com erro de cache e $15,00 por milhão para saída. Como a Moonshot serve o modelo através da arquitetura de inferência desagregada Mooncake com uma taxa de acerto de cache reportada acima de 90% em cargas de trabalho de codificação, seu custo de entrada real tende ao piso de $0,30. A entrada é barata de alimentar; a saída é o prêmio. Se você explorar o cache e mantiver as respostas concisas, o Kimi K3 oferece qualidade próxima à fronteira a um preço vantajoso. Você pode confirmar a divisão de acerto de cache inspecionando o uso de tokens em cada resposta no Apidog enquanto testa o modelo.
Os preços de tabela, em uma única tabela
Aqui está o que a Moonshot publica na página oficial de preços do Kimi K3 para o modelo kimi-k3:
| Tipo de token | Preço por 1M de tokens |
|---|---|
| Entrada com acerto de cache | $0.30 |
| Entrada com erro de cache | $3.00 |
| Saída | $15.00 |
Três números, e a diferença entre eles é toda a história. A entrada com erro de cache custa 10x mais que a entrada com acerto de cache. A saída custa 5x mais que a entrada com erro de cache e 50x mais que a entrada com acerto de cache. Se você ler a tabela da esquerda para a direita e assumir que paga $3,00 por cada token de entrada, você superestima sua conta de entrada por uma ampla margem. Se você assumir que a saída é um erro de arredondamento, você subestima a parte que domina.
Para ter uma visão completa do que é o modelo e como ele se encaixa no cenário atual dos modelos, leia nossa explicação sobre o que é o Kimi K3. Se você deseja a configuração de nível de solicitação, URLs base e snippets de SDK, o guia da API Kimi K3 cobre a fiação. Este post foca no custo.
Por que o nível de acerto de cache muda a matemática
O cache de prompts é a diferença entre o preço que você vê e o preço que você paga. Quando você envia uma solicitação, o provedor armazena o prefixo tokenizado do seu prompt. Se sua próxima solicitação reutilizar esse mesmo prefixo, o modelo o lerá do cache em vez de reprocessá-lo do zero, e esses tokens reutilizados serão cobrados à taxa de acerto de cache em vez da taxa de erro de cache.
A Moonshot serve o Kimi K3 através do que ela chama de arquitetura de inferência desagregada da Mooncake, que separa as etapas de pré-preenchimento e decodificação para que os prefixos armazenados em cache possam ser reutilizados agressivamente. A empresa relata uma taxa de acerto de cache acima de 90% em cargas de trabalho de codificação. Levando isso em consideração, a aritmética se inverte: em vez de pagar $3,00 por milhão de tokens de entrada, você paga $0,30 em aproximadamente nove de cada dez tokens de entrada e $3,00 no um restante.
Calcule a taxa combinada. Se 90% da sua entrada atinge o cache:
- 0.90 x $0.30 = $0.27
- 0.10 x $3.00 = $0.30
- Taxa de entrada combinada = $0.57 por milhão de tokens
Seu preço efetivo de entrada fica em cerca de $0,57 por milhão de tokens, mais próximo do nível barato do que do caro. Esse é o número a ser planejado, não o preço de tabela de $3,00. Quanto maior sua taxa de acerto de cache, mais perto você chega do piso de $0,30. Se a taxa de acerto subir para 95%, a taxa de entrada combinada cai para aproximadamente $0,435 por milhão.
Uma ressalva que vale a pena mencionar claramente: o número de 90% é o valor relatado pela Moonshot para cargas de trabalho de codificação. Sua taxa depende de quão estáveis são os prefixos de seus prompts. O tráfego de bate-papo com prompts muito variáveis tem um cache pior do que um agente que martela o mesmo repositório. Meça sua própria taxa de acerto antes de contar com ela.
Um exemplo de custo detalhado: uma tarefa de codificação com agente
Os preços de tabela são abstratos. Vamos precificar uma tarefa real. Digamos que você execute uma sessão de codificação com agente em um repositório de tamanho médio. Ao longo da sessão completa, em todas as interações, o modelo lê 2.000.000 de tokens de entrada (o contexto é reenviado a cada interação, por isso o volume de entrada é alto) e escreve 200.000 tokens de saída.
Primeiro, a suposição ingênua onde nada é armazenado em cache:
- Entrada: 2.000.000 tokens x $3,00 / 1.000.000 = $6,00
- Saída: 200.000 tokens x $15,00 / 1.000.000 = $3,00
- Total: $9,00
Agora, a suposição real com uma taxa de acerto de cache de 90% nessa entrada:
- Entrada com acerto de cache: 1.800.000 x $0,30 / 1.000.000 = $0,54
- Entrada com erro de cache: 200.000 x $3,00 / 1.000.000 = $0,60
- Subtotal de entrada: $1,14
- Saída: 200.000 x $15,00 / 1.000.000 = $3,00
- Total: $4,14
O cache cortou o custo de entrada de $6,00 para $1,14 e o total de $9,00 para $4,14. Isso representa uma economia de 54% na tarefa inteira, e veio inteiramente do lado da entrada. Observe o que não se moveu: a saída permaneceu em $3,00 em ambos os cenários. O cache não faz nada pelos tokens de saída. Você não pode armazenar em cache um texto que o modelo ainda não escreveu.
Entrada é barata, saída é o prêmio
Empilhe as três taxas uma contra a outra e a estratégia se escreve sozinha. A saída a $15,00 por milhão é 50x a taxa de entrada com acerto de cache e 5x a taxa de erro de cache. Então, as alavancas que movem sua conta Kimi K3 não são as que as pessoas procuram primeiro.
O que mais ajuda:
- Mantenha as respostas concisas. Peça o diff, não o diff mais uma explicação de três parágrafos que você não solicitou. Limite
max_tokenssempre que puder. - Reutilize prefixos. Mantenha seu prompt de sistema, esquema de ferramenta e bloco de contexto estáveis em bytes em todas as interações para que o cache continue acertando. Reordenar ou editar levemente esse prefixo quebra o cache e empurra esses tokens de volta para a camada de $3,00.
- Agrupe chamadas relacionadas atrás do mesmo prefixo "quente" em vez de iniciar um novo contexto a cada vez.
O que ajuda menos do que você imaginaria:
- Cortar a entrada para economizar dinheiro. A entrada já é barata quando entra no cache. Cortar o contexto útil para economizar tokens de entrada pode prejudicar a qualidade da resposta e forçar uma saída mais longa e mais cara, pois o modelo faz perguntas de clarificação ou hesita.
Isso é o inverso de como muitas equipes raciocinam sobre orçamentos de tokens. Com um modelo precificado como o Kimi K3, você o alimenta generosamente e gasta sua disciplina no lado da saída.
Âncoras de preço: como o Kimi K3 se compara
Números brutos só significam algo quando comparados a alternativas. Aqui está o Kimi K3 contra alguns pontos de referência, com a ressalva honesta de que os preços dos concorrentes mudam e você deve confirmar as taxas atuais antes de se comprometer.
| Modelo | Entrada (por 1M) | Saída (por 1M) | Notas |
|---|---|---|---|
| Kimi K3 | $0.30 acerto de cache / $3.00 erro de cache | $15.00 | Contexto de 1M, pesos abertos perto de 27 de julho |
| Claude Opus 4.8 | $5.00 | $25.00 | Nível Premium; verifique os preços atuais |
| GPT-5.6 Sol | ~$5.00 | ~$30.00 | Nível principal; existem níveis GPT-5.6 mais baratos |
| DeepSeek V4 | Nível de valor | Nível de valor | Confirme as taxas atuais |
Leia isso atentamente em vez de apenas dar uma olhada. Contra os preços do Claude Opus 4.8 de $5,00 de entrada e $25,00 de saída, o Kimi K3 é mais barato em todos os eixos: sua entrada com erro de cache supera a entrada do Opus, e sua saída é 40% mais barata antes mesmo de você considerar o cache. Refaça a tarefa anterior de 2M de entrada, 200K de saída com as taxas de tabela do Opus e você obterá aproximadamente $10,00 de entrada mais $5,00 de saída, cerca de $15,00, contra $4,14 para o Kimi K3 com cache. Isso é direcional, já que a Anthropic oferece seu próprio cache de prompt que também reduziria o número do Opus, mas a forma se mantém: o Kimi K3 é a escolha de valor em termos de preço.
Em relação aos preços do GPT-5.6, a comparação é mais nuançada. O GPT-5.6 Sol, a camada principal, custa cerca de $5 de entrada e $30 de saída, de acordo com nossa cobertura, o que torna o Kimi K3 mais barato que o Sol especificamente. Mas o GPT-5.6 oferece camadas Terra e Luna mais baratas, então a OpenAI ganha em preço se você optar por essas e puder viver com a troca de capacidade. Confirme os números ao vivo antes de decidir.
Em relação aos preços do DeepSeek V4, você está comparando dois modelos de pesos abertos de nível de valor. O DeepSeek historicamente precificou agressivamente, então pode superar o Kimi K3 no preço bruto de saída. O Kimi K3 contra-ataca com seu contexto de 1M e o profundo desconto de acerto de cache na entrada. Se sua carga de trabalho é intensiva em entrada e o cache funciona bem, a diferença diminui ou se inverte.
Testando o uso de tokens com Apidog
A matemática do cache só ajuda se você puder ver seus números reais. Cada resposta do Kimi K3 retorna um objeto de uso que detalha tokens de entrada, tokens de saída e a porção de acerto de cache, e esse objeto é onde sua verdadeira taxa combinada se esconde.
Aponte o Apidog para o endpoint do Kimi K3 e envie algumas solicitações representativas. Como o Kimi K3 é compatível com o OpenAI-SDK, você o configura como qualquer API estilo OpenAI: URL base, token de portador e o ID do modelo kimi-k3. Dispare o mesmo prompt duas vezes e observe a segunda resposta relatar uma contagem de acertos de cache maior que a primeira, o que é o cache funcionando em tempo real. Inspecionar essa divisão de uso informa sua taxa real de acerto de cache em vez da relatada, para que você possa inserir um número real na fórmula de taxa combinada de antes.
O Apidog também facilita a comparação A/B de um modelo mais barato com um mais caro. Salve a mesma solicitação contra kimi-k3 e contra seu modelo atual, compare as respostas lado a lado e leia as contagens de tokens de cada uma para calcular a real diferença de custo em seu próprio tráfego. Se você trabalha dentro do seu editor, nosso guia sobre como usar o Apidog dentro do VS Code mostra como manter esse ciclo de teste ao lado do seu código. Baixe o Apidog e você pode ter a comparação configurada em poucos minutos.
O veredito honesto
Kimi K3 é barato para alimentar e premium para conversar. Essa única frase captura os preços. A camada de acerto de cache de $0,30, combinada com a taxa de acerto de mais de 90% relatada pela Mooncake em cargas de trabalho de codificação, significa que os custos de entrada tendem ao piso para as cargas de trabalho que a maioria das equipes executa. A saída a $15,00 é onde sua conta se concentra, então a disciplina pertence ao lado da resposta, não ao lado do prompt.
Em relação ao mercado, é a aposta de valor. Supera o Claude Opus 4.8 em todas as taxas e vence o GPT-5.6 Sol em preço, enquanto disputa com o DeepSeek V4 dependendo da intensidade de entrada do seu tráfego. Não é a fronteira absoluta: a própria Moonshot o coloca atrás do Claude Fable 5 e do GPT-5.6 Sol em capacidade, e ele funciona um pouco mais lento que a média de sua faixa de preço. Mas para qualidade próxima à fronteira a um preço de valor, com um contexto de 1M e um lançamento de peso aberto previsto para 27 de julho que promete um piso ainda menor auto-hospedado mais tarde, o Kimi K3 conquista seu espaço. Explore o cache, monitore o comprimento da sua saída, meça sua taxa real de acerto e a economia funcionará a seu favor. Para definir sua própria taxa combinada antes de se comprometer com os gastos, Baixe o Apidog, envie algumas solicitações representativas ao kimi-k3 e leia a divisão de acertos de cache diretamente do objeto de uso.
FAQ
Quanto custa a API Kimi K3?
Kimi K3 custa $0,30 por milhão de tokens para entrada com acerto de cache, $3,00 por milhão para entrada com erro de cache e $15,00 por milhão para saída na API direta da Moonshot. Listagens de terceiros como a OpenRouter mostram um custo fixo de $3,00 de entrada e $15,00 de saída sem uma camada separada de acerto de cache. Consulte o guia da API Kimi K3 para configuração de solicitação.
O que é a taxa de acerto de cache e por que ela importa?
A Moonshot reporta uma taxa de acerto de cache acima de 90% em cargas de trabalho de codificação, atendida pela arquitetura de inferência desagregada Mooncake. Ela importa porque os tokens de entrada em cache são cobrados a $0,30 em vez de $3,00. Com uma taxa de acerto de 90%, seu custo de entrada combinado fica em torno de $0,57 por milhão de tokens, próximo ao nível barato em vez do caro.
O Kimi K3 é mais barato que o Claude Opus 4.8?
Sim, pelos preços de tabela. A saída do Kimi K3 é $15,00 por milhão contra $25,00 do Claude Opus 4.8, e sua entrada também é mais barata que a do Opus. Em uma tarefa de exemplo com 2M de entrada e 200K de saída, o Kimi K3 com cache custou cerca de $4,14 versus aproximadamente $15,00 para o Opus com os preços de tabela. A Anthropic oferece seu próprio cache que diminui a diferença, então considere isso como um direcionamento. Veja os preços do Claude Opus 4.8 e nossa comparação Kimi K3 vs Claude Opus 4.8.
Como o preço do Kimi K3 se compara ao GPT-5.6 e DeepSeek V4?
Kimi K3 é mais barato que o GPT-5.6 Sol, a camada principal, que custa cerca de $5 de entrada e $30 de saída, mas o GPT-5.6 oferece camadas Terra e Luna mais baratas que podem superá-lo. DeepSeek V4 é outra opção de camada de valor que pode vencer o Kimi K3 no preço bruto de saída. Confirme os números em tempo real via preços do GPT-5.6 e preços do DeepSeek V4 antes de decidir.
Como faço para reduzir minha conta do Kimi K3?
Concentre-se na saída, não na entrada. Limite max_tokens, solicite respostas concisas e mantenha seu prompt de sistema e prefixo de contexto estáveis em bytes para que o cache continue atingindo a camada de $0,30. Cortar a entrada para economizar dinheiro raramente ajuda porque a entrada em cache já é barata, e cortar contexto útil pode forçar uma saída mais longa e mais cara.
Como posso verificar minha taxa real de acerto de cache?
Inspecione o objeto de uso retornado em cada resposta do Kimi K3, que relata as contagens de tokens de entrada, saída e acerto de cache. Envie a mesma solicitação através do Apidog, dispare-a duas vezes e compare as contagens de acerto de cache para ver o cache funcionar em tempo real. Isso lhe dará sua taxa de acerto real para inserir na fórmula de custo combinado.