Kimi K3 ra mắt vào ngày 16 tháng 7 năm 2026, và bảng giá có vẻ đơn giản cho đến khi bạn nhận thấy nó có hai mức giá đầu vào khác nhau. Moonshot AI niêm yết $0,30 cho mỗi triệu token đối với đầu vào trúng bộ nhớ đệm (cache-hit input), $3,00 cho mỗi triệu token đối với đầu vào trượt bộ nhớ đệm (cache-miss input), và $15,00 cho mỗi triệu token đối với đầu ra. Hầu hết các bài viết chỉ dừng lại ở những con số niêm yết đó và coi là đủ. Nhưng con số thực sự quyết định hóa đơn hàng tháng của bạn là tỷ lệ đầu vào hỗn hợp mà bạn phải trả trong thực tế, và đối với các tác vụ lập trình, con số đó nằm gần mức $0,30 rẻ hơn nhiều so với mức $3,00. Bài viết này sẽ thực hiện tính toán chi phí hiệu quả mà các bảng giá niêm yết bỏ qua, đi sâu vào một ví dụ cụ thể về chi phí cho mỗi tác vụ, và so sánh Kimi K3 với Claude Opus 4.8, GPT-5.6 Sol, và DeepSeek V4 để bạn có thể thấy vị trí của nó.
TÓM TẮT
Kimi K3 có giá $0,30 cho mỗi triệu token đối với đầu vào trúng bộ nhớ đệm, $3,00 cho mỗi triệu đối với đầu vào trượt bộ nhớ đệm, và $15,00 cho mỗi triệu đối với đầu ra. Bởi vì Moonshot cung cấp mô hình thông qua kiến trúc suy luận phân tán của Mooncake với tỷ lệ trúng bộ nhớ đệm được báo cáo trên 90% đối với các tác vụ lập trình, chi phí đầu vào thực tế của bạn có xu hướng gần mức sàn $0,30. Đầu vào thì rẻ; đầu ra mới là phần cao cấp. Nếu bạn tận dụng việc lưu vào bộ nhớ đệm và giữ các phản hồi ngắn gọn, Kimi K3 mang lại chất lượng gần với mức tiên tiến với một mức giá hợp lý. Bạn có thể tự mình xác nhận tỷ lệ trúng bộ nhớ đệm bằng cách kiểm tra mức sử dụng token trên mỗi phản hồi trong Apidog trong khi bạn kiểm tra mô hình.
Giá niêm yết, trong một bảng
Dưới đây là những gì Moonshot công bố trên trang giá chính thức của Kimi K3 cho mô hình kimi-k3:
| Loại Token | Giá trên 1 triệu token |
|---|---|
| Đầu vào trúng bộ nhớ đệm | $0,30 |
| Đầu vào trượt bộ nhớ đệm | $3,00 |
| Đầu ra | $15,00 |
Ba con số, và sự chênh lệch giữa chúng nói lên tất cả. Đầu vào trượt bộ nhớ đệm có giá cao hơn 10 lần so với đầu vào trúng bộ nhớ đệm. Đầu ra có giá cao hơn 5 lần so với đầu vào trượt bộ nhớ đệm và cao hơn 50 lần so với đầu vào trúng bộ nhớ đệm. Nếu bạn đọc bảng từ trái sang phải và cho rằng bạn phải trả $3,00 cho mỗi token đầu vào, bạn sẽ đánh giá quá cao hóa đơn đầu vào của mình. Nếu bạn cho rằng đầu ra chỉ là lỗi làm tròn, bạn sẽ đánh giá thấp phần chi phối.
Để có cái nhìn toàn diện về mô hình này và cách nó phù hợp với bối cảnh mô hình hiện tại, hãy đọc bài giải thích Kimi K3 của chúng tôi. Nếu bạn muốn thiết lập cấp yêu cầu, URL cơ sở và các đoạn mã SDK, hướng dẫn API Kimi K3 sẽ trình bày chi tiết. Bài viết này tập trung vào chi phí.
Tại sao mức giá trúng bộ nhớ đệm thay đổi phép tính
Lưu vào bộ nhớ đệm (caching) lời nhắc là sự khác biệt giữa giá bạn thấy và giá bạn trả. Khi bạn gửi một yêu cầu, nhà cung cấp sẽ lưu trữ tiền tố đã được token hóa của lời nhắc của bạn. Nếu yêu cầu tiếp theo của bạn sử dụng lại tiền tố đó, mô hình sẽ đọc nó từ bộ nhớ đệm thay vì xử lý lại từ đầu, và những token được sử dụng lại đó sẽ được tính theo tỷ lệ trúng bộ nhớ đệm thay vì tỷ lệ trượt bộ nhớ đệm.
Moonshot cung cấp Kimi K3 thông qua cái mà họ gọi là kiến trúc suy luận phân tán của Mooncake, tách biệt các giai đoạn tiền điền (prefill) và giải mã (decode) để các tiền tố đã được lưu vào bộ nhớ đệm có thể được tái sử dụng một cách triệt để. Công ty báo cáo tỷ lệ trúng bộ nhớ đệm trên 90% đối với các tác vụ lập trình. Chấp nhận con số đó và phép tính sẽ thay đổi: thay vì trả $3,00 cho mỗi triệu token đầu vào, bạn trả $0,30 cho khoảng chín trong mười token đầu vào và $3,00 cho một token còn lại.
Tính toán tỷ lệ kết hợp. Nếu 90% đầu vào của bạn trúng bộ nhớ đệm:
- 0.90 x $0.30 = $0.27
- 0.10 x $3.00 = $0.30
- Tỷ lệ đầu vào kết hợp = $0,57 trên mỗi triệu token
Giá đầu vào hiệu quả của bạn rơi vào khoảng $0,57 cho mỗi triệu token, gần với mức giá rẻ hơn là mức giá đắt. Đó là con số để bạn lên kế hoạch, không phải mức giá niêm yết $3,00. Tỷ lệ trúng bộ nhớ đệm của bạn càng cao, bạn càng đến gần mức sàn $0,30. Đẩy tỷ lệ trúng lên 95% và tỷ lệ đầu vào kết hợp giảm xuống khoảng $0,435 cho mỗi triệu.
Một lưu ý đáng nói rõ ràng: con số 90% là số liệu được Moonshot báo cáo cho các tác vụ lập trình. Tỷ lệ của bạn phụ thuộc vào độ ổn định của các tiền tố lời nhắc của bạn. Lưu lượng truy cập trò chuyện với các lời nhắc thay đổi liên tục sẽ lưu vào bộ nhớ đệm kém hơn so với một tác nhân liên tục truy cập cùng một kho lưu trữ. Hãy đo lường tỷ lệ trúng của riêng bạn trước khi bạn tin tưởng vào nó.
Một ví dụ về chi phí: một tác vụ lập trình tự động
Giá niêm yết chỉ là lý thuyết. Hãy tính giá cho một tác vụ thực tế. Giả sử bạn thực hiện một phiên lập trình tự động chống lại một kho lưu trữ kích thước trung bình. Trong suốt phiên làm việc, qua tất cả các lượt, mô hình đọc 2.000.000 token đầu vào (ngữ cảnh được gửi lại mỗi lượt, đó là lý do tại sao khối lượng đầu vào cao) và viết 200.000 token đầu ra.
Đầu tiên, giả định đơn giản khi không có gì được lưu vào bộ nhớ đệm:
- Đầu vào: 2.000.000 token x $3,00 / 1.000.000 = $6,00
- Đầu ra: 200.000 token x $15,00 / 1.000.000 = $3,00
- Tổng cộng: $9,00
Bây giờ là giả định thực tế với tỷ lệ trúng bộ nhớ đệm 90% đối với đầu vào đó:
- Đầu vào trúng bộ nhớ đệm: 1.800.000 x $0,30 / 1.000.000 = $0,54
- Đầu vào trượt bộ nhớ đệm: 200.000 x $3,00 / 1.000.000 = $0,60
- Tổng phụ đầu vào: $1,14
- Đầu ra: 200.000 x $15,00 / 1.000.000 = $3,00
- Tổng cộng: $4,14
Việc lưu vào bộ nhớ đệm đã cắt giảm chi phí đầu vào từ $6,00 xuống còn $1,14 và tổng chi phí từ $9,00 xuống còn $4,14. Đây là mức tiết kiệm 54% cho toàn bộ tác vụ, và nó hoàn toàn đến từ phía đầu vào. Lưu ý điều không thay đổi: đầu ra vẫn ở mức $3,00 trong cả hai trường hợp. Việc lưu vào bộ nhớ đệm không có tác dụng gì đối với token đầu ra. Bạn không thể lưu vào bộ nhớ đệm văn bản mà mô hình chưa viết.
Đầu vào rẻ, đầu ra là phần cao cấp
Đặt ba mức giá cạnh nhau và chiến lược sẽ tự lộ diện. Đầu ra với $15,00 cho mỗi triệu cao gấp 50 lần tỷ lệ đầu vào trúng bộ nhớ đệm và 5 lần tỷ lệ đầu vào trượt bộ nhớ đệm. Vì vậy, các yếu tố ảnh hưởng đến hóa đơn Kimi K3 của bạn không phải là những thứ mà mọi người nghĩ đến đầu tiên.
Điều gì hữu ích nhất:
- Giữ phản hồi ngắn gọn. Yêu cầu bản diff, không phải bản diff kèm theo lời giải thích ba đoạn văn mà bạn không yêu cầu. Giới hạn
max_tokensnếu có thể. - Tái sử dụng tiền tố. Giữ lời nhắc hệ thống, lược đồ công cụ và khối ngữ cảnh của bạn ổn định theo byte qua các lượt để bộ nhớ đệm tiếp tục hoạt động. Sắp xếp lại hoặc chỉnh sửa nhẹ tiền tố đó sẽ làm hỏng bộ nhớ đệm và đẩy các token đó trở lại mức $3,00.
- Gộp các lệnh gọi liên quan sau cùng một tiền tố "ấm" thay vì khởi tạo một ngữ cảnh mới mỗi lần.
Điều gì ít hữu ích hơn bạn nghĩ:
- Cắt giảm đầu vào để tiết kiệm tiền. Đầu vào đã rẻ khi nó được lưu vào bộ nhớ đệm. Cắt bỏ ngữ cảnh hữu ích để giảm token đầu vào có thể làm giảm chất lượng câu trả lời và buộc đầu ra dài hơn, tốn kém hơn khi mô hình đặt câu hỏi làm rõ hoặc né tránh.
Đây là điều ngược lại với cách nhiều nhóm tính toán về ngân sách token. Với một mô hình có giá như Kimi K3, bạn cấp đầu vào một cách hào phóng và tập trung kỷ luật vào phía đầu ra.
So sánh giá: Kimi K3 đứng ở đâu
Những con số thô chỉ có ý nghĩa khi so sánh với các lựa chọn thay thế. Dưới đây là Kimi K3 so với một vài điểm tham chiếu, với lời cảnh báo trung thực rằng giá của đối thủ cạnh tranh thay đổi và bạn nên xác nhận các mức giá hiện tại trước khi cam kết.
| Mô hình | Đầu vào (trên 1M) | Đầu ra (trên 1M) | Ghi chú |
|---|---|---|---|
| Kimi K3 | $0,30 trúng bộ nhớ đệm / $3,00 trượt bộ nhớ đệm | $15,00 | Ngữ cảnh 1M, trọng số mở gần 27 tháng 7 |
| Claude Opus 4.8 | $5,00 | $25,00 | Mức cao cấp; kiểm tra giá hiện tại |
| GPT-5.6 Sol | ~$5,00 | ~$30,00 | Mức flagship; có các mức GPT-5.6 rẻ hơn |
| DeepSeek V4 | Mức giá trị | Mức giá trị | Xác nhận tỷ giá hiện tại |
Hãy đọc kỹ điều này thay vì chỉ lướt qua. So với giá Claude Opus 4.8 với đầu vào $5,00 và đầu ra $25,00, Kimi K3 rẻ hơn ở mọi mặt: đầu vào trượt bộ nhớ đệm của nó thấp hơn đầu vào của Opus, và đầu ra của nó rẻ hơn 40% ngay cả trước khi bạn tính đến việc lưu vào bộ nhớ đệm. Chạy lại tác vụ 2M đầu vào, 200K đầu ra trước đó với giá niêm yết của Opus và bạn sẽ nhận được khoảng $10,00 đầu vào cộng với $5,00 đầu ra, tổng cộng khoảng $15,00, so với $4,14 cho Kimi K3 có lưu vào bộ nhớ đệm. Điều này mang tính định hướng, vì Anthropic cũng cung cấp khả năng lưu vào bộ nhớ đệm lời nhắc của riêng họ có thể kéo con số của Opus xuống, nhưng xu hướng vẫn giữ nguyên: Kimi K3 là lựa chọn đáng giá về mặt giá cả.
So với giá GPT-5.6, so sánh phức tạp hơn. GPT-5.6 Sol, mức flagship, có giá khoảng $5 đầu vào và $30 đầu ra theo thông tin của chúng tôi, điều này làm cho Kimi K3 rẻ hơn Sol cụ thể. Nhưng GPT-5.6 có các mức Terra và Luna rẻ hơn, vì vậy OpenAI sẽ thắng về giá nếu bạn chuyển sang các mức đó và có thể chấp nhận sự đánh đổi về khả năng. Xác nhận các con số trực tiếp trước khi bạn quyết định.
So với giá DeepSeek V4, bạn đang so sánh hai mô hình mã nguồn mở có mức giá trị. DeepSeek từ trước đến nay đã định giá rất cạnh tranh, vì vậy nó có thể có giá đầu ra thô thấp hơn Kimi K3. Kimi K3 đối lại bằng ngữ cảnh 1M và mức chiết khấu sâu cho đầu vào trúng bộ nhớ đệm. Nếu khối lượng công việc của bạn nặng về đầu vào và bộ nhớ đệm hoạt động tốt, khoảng cách sẽ thu hẹp hoặc đảo ngược.
Kiểm tra mức sử dụng token với Apidog
Phép tính bộ nhớ đệm chỉ hữu ích nếu bạn có thể thấy các con số thực tế của mình. Mỗi phản hồi của Kimi K3 trả về một đối tượng sử dụng phân tích các token đầu vào, token đầu ra và phần trúng bộ nhớ đệm, và đối tượng đó là nơi tỷ lệ kết hợp thực sự của bạn ẩn giấu.
Trỏ Apidog đến điểm cuối Kimi K3 và gửi một vài yêu cầu đại diện. Vì Kimi K3 tương thích với OpenAI-SDK, bạn cấu hình nó giống như bất kỳ API kiểu OpenAI nào: URL cơ sở, bearer token và ID mô hình kimi-k3. Gửi cùng một lời nhắc hai lần và quan sát phản hồi thứ hai báo cáo số lượng trúng bộ nhớ đệm cao hơn lần đầu tiên, đây là cách bộ nhớ đệm hoạt động trong thời gian thực. Việc kiểm tra phân chia sử dụng đó cho bạn biết tỷ lệ trúng bộ nhớ đệm thực tế của bạn thay vì tỷ lệ được báo cáo, vì vậy bạn có thể đưa một con số thực vào công thức tỷ lệ kết hợp đã nói ở trên.
Apidog cũng giúp việc A/B test một mô hình rẻ hơn so với một mô hình đắt hơn trở nên đơn giản. Lưu cùng một yêu cầu cho kimi-k3 và cho mô hình hiện tại của bạn, so sánh các phản hồi cạnh nhau và đọc số lượng token từ mỗi yêu cầu để tính toán chênh lệch chi phí thực tế trên lưu lượng truy cập của riêng bạn. Nếu bạn làm việc trong trình chỉnh sửa của mình, hướng dẫn của chúng tôi về cách chạy Apidog bên trong VS Code cho thấy cách giữ vòng lặp thử nghiệm đó bên cạnh mã của bạn. Tải xuống Apidog và bạn có thể thiết lập so sánh trong vài phút.
Phán quyết trung thực
Kimi K3 rẻ ở đầu vào và đắt ở đầu ra. Câu này tóm tắt toàn bộ chính sách giá. Mức giá trúng bộ nhớ đệm $0,30, kết hợp với tỷ lệ trúng được báo cáo hơn 90% của Mooncake đối với các tác vụ lập trình, có nghĩa là chi phí đầu vào có xu hướng về mức sàn cho hầu hết các tác vụ mà các nhóm thực hiện. Đầu ra ở mức $15,00 là nơi hóa đơn của bạn tập trung, vì vậy kỷ luật nên áp dụng ở phía phản hồi, chứ không phải phía lời nhắc.
So với các đối thủ, nó là một lựa chọn đáng giá. Nó có giá thấp hơn Claude Opus 4.8 ở mọi mức và đánh bại GPT-5.6 Sol về giá, đồng thời cạnh tranh ngang ngửa với DeepSeek V4 tùy thuộc vào mức độ nặng về đầu vào của lưu lượng truy cập của bạn. Nó không phải là mô hình tiên tiến nhất: bản thân Moonshot cũng xếp nó sau Claude Fable 5 và GPT-5.6 Sol về khả năng, và nó chạy chậm hơn một chút so với mức trung bình của phân khúc giá. Nhưng với chất lượng gần với mức tiên tiến ở một mức giá hợp lý, với ngữ cảnh 1M và một phiên bản mã nguồn mở ra mắt vào khoảng ngày 27 tháng 7 hứa hẹn một mức sàn tự lưu trữ thậm chí còn thấp hơn sau này, Kimi K3 xứng đáng có vị trí của mình. Tận dụng việc lưu vào bộ nhớ đệm, theo dõi độ dài đầu ra của bạn, đo lường tỷ lệ trúng thực tế của bạn, và các yếu tố kinh tế sẽ có lợi cho bạn. Để xác định tỷ lệ kết hợp của riêng bạn trước khi chi tiêu, Tải xuống Apidog, gửi một vài yêu cầu đại diện tới kimi-k3, và đọc phân chia trúng bộ nhớ đệm trực tiếp từ đối tượng sử dụng.
Câu hỏi thường gặp
API Kimi K3 có giá bao nhiêu?
Kimi K3 có giá $0,30 cho mỗi triệu token đối với đầu vào trúng bộ nhớ đệm, $3,00 cho mỗi triệu đối với đầu vào trượt bộ nhớ đệm, và $15,00 cho mỗi triệu đối với đầu ra trên API trực tiếp của Moonshot. Các danh sách từ bên thứ ba như OpenRouter hiển thị mức giá cố định $3,00 đầu vào và $15,00 đầu ra mà không có mức trúng bộ nhớ đệm riêng. Xem hướng dẫn API Kimi K3 để thiết lập yêu cầu.
Tỷ lệ trúng bộ nhớ đệm là gì và tại sao nó quan trọng?
Moonshot báo cáo tỷ lệ trúng bộ nhớ đệm trên 90% đối với các tác vụ lập trình, được cung cấp thông qua suy luận phân tán của Mooncake. Nó quan trọng vì các token đầu vào được lưu vào bộ nhớ đệm được tính với giá $0,30 thay vì $3,00. Với tỷ lệ trúng 90%, chi phí đầu vào kết hợp của bạn rơi vào khoảng $0,57 cho mỗi triệu token, gần với mức giá rẻ hơn là mức giá đắt.
Kimi K3 có rẻ hơn Claude Opus 4.8 không?
Có, dựa trên giá niêm yết. Đầu ra của Kimi K3 là $15,00 cho mỗi triệu so với Claude Opus 4.8 là $25,00, và đầu vào của nó cũng thấp hơn Opus. Trong một tác vụ mẫu 2M đầu vào, 200K đầu ra, Kimi K3 với việc lưu vào bộ nhớ đệm có giá khoảng $4,14 so với khoảng $15,00 cho Opus với giá niêm yết. Anthropic cung cấp khả năng lưu vào bộ nhớ đệm riêng của họ làm thu hẹp khoảng cách, vì vậy hãy coi đây là thông tin định hướng. Xem giá Claude Opus 4.8 và so sánh Kimi K3 vs Claude Opus 4.8 của chúng tôi.
Giá Kimi K3 so với GPT-5.6 và DeepSeek V4 như thế nào?
Kimi K3 rẻ hơn GPT-5.6 Sol, mức flagship, có giá khoảng $5 đầu vào và $30 đầu ra, nhưng GPT-5.6 có các mức Terra và Luna rẻ hơn có thể có giá thấp hơn. DeepSeek V4 là một lựa chọn ở mức giá trị khác có thể có giá đầu ra thô thấp hơn Kimi K3. Xác nhận các con số trực tiếp qua giá GPT-5.6 và giá DeepSeek V4 trước khi quyết định.
Làm thế nào để giảm hóa đơn Kimi K3 của tôi?
Tập trung vào đầu ra, không phải đầu vào. Giới hạn max_tokens, yêu cầu phản hồi ngắn gọn, và giữ lời nhắc hệ thống cùng tiền tố ngữ cảnh ổn định theo byte để bộ nhớ đệm tiếp tục hoạt động ở mức $0,30. Cắt giảm đầu vào để tiết kiệm tiền hiếm khi hữu ích vì đầu vào đã được lưu vào bộ nhớ đệm đã rẻ, và việc cắt bỏ ngữ cảnh hữu ích có thể buộc đầu ra dài hơn, tốn kém hơn.
Làm thế nào tôi có thể xác minh tỷ lệ trúng bộ nhớ đệm thực tế của mình?
Kiểm tra đối tượng sử dụng được trả về trên mỗi phản hồi Kimi K3, đối tượng này báo cáo số lượng token đầu vào, đầu ra và trúng bộ nhớ đệm. Gửi cùng một yêu cầu qua Apidog, thực hiện hai lần và so sánh số lượng trúng bộ nhớ đệm để xem bộ nhớ đệm hoạt động trong thời gian thực. Điều đó cung cấp cho bạn tỷ lệ trúng thực tế của bạn để đưa vào công thức chi phí kết hợp.