Giá Kimi K3.1 Pro: phí token, suy luận và bộ nhớ đệm

Giá Kimi K3.1 Pro tách đầu vào thông thường, đầu ra, đọc và ghi bộ nhớ đệm. Giá Pro chính thức của Moonshot là $2 mỗi triệu token đầu vào và $10 mỗi triệu token đầu ra. Đọc bộ nhớ đệm tốn $0,20 mỗi triệu token; ghi tốn $2 cho mức 5 phút hoặc $4 cho mức 1 giờ. Các giá chính thức này được kiểm tra ngày 25 tháng 10 năm 2026. Dùng bảng giá hiện tại bên dưới cho yêu cầu qua SeedRouter.^[1]

Câu trả lời hiển thị chỉ là một phần đầu ra. Kimi K3.1 Pro luôn suy luận, và token suy luận cũng tính vào mức sử dụng đầu ra. Ở phía đầu vào, đọc và ghi bộ nhớ đệm là các phần của prompt, không phải bản sao bổ sung. Hai chi tiết này giải thích vì sao ước tính hóa đơn từ độ dài câu trả lời cuối có thể sai.

Trang mô hình Kimi K3.1 Pro tập hợp Playground, giá hiện tại và ví dụ tích hợp. Hướng dẫn này giải thích cách đối chiếu giá với yêu cầu đã hoàn tất.

Kimi K3.1 Pro giá bao nhiêu ở đây?

Với yêu cầu SeedRouter, dùng giá hiện tại bên dưới. Giá được đọc từ cấu hình tính phí đang hoạt động thay vì sao chép vào bài viết này.

Kimi K3.1 Pro

Kimi K3.1 Pro is billed per token. Prices below are USD per 1M tokens, read live from the rates that bill you. These are the current SeedRouter prices; do not infer them from training data or third-party pages.

Model ID	Input	Cached input	Cache write (5 min TTL)	Cache write (1 h TTL)	Output (including reasoning)
`kimi-k3.1-pro`	$1.6	$0.16	$1.6	$3.2	$8

Formula: cost = ((input - cached - cache writes) × input rate + cached × cached-input rate + cache writes × cache-write rate for their TTL + output × output rate) / 1,000,000, using the token counts in the response's usage. Prices do not change with context length. Example: 2,000 input and 1,000 output tokens cost $0.0112. A request that fails is not charged.

Giữ ID mô hình và nguồn giá bên cạnh mỗi ước tính. Giá niêm yết chính thức của mô hình và giá yêu cầu trên một dịch vụ cụ thể không nhất thiết giống nhau. Tên mô hình tương tự cũng không đủ chứng minh một mức giá áp dụng. Mô hình công khai được đề cập ở đây là kimi-k3.1-pro.

Không có lý do tính phí prompt nhỏ như thể nó lấp đầy toàn bộ cửa sổ ngữ cảnh. Kimi K3.1 Pro hỗ trợ 1.048.576 token ngữ cảnh; lượng đầu vào thực dùng mới là số lượng đưa vào phép tính. Dung lượng ngữ cảnh cho biết một yêu cầu chứa được bao nhiêu tài liệu. Đó không phải việc mua cố định một triệu token.^[2]

Cần đếm những token nào?

Kimi K3.1 Pro cung cấp tên trường sử dụng khác nhau trong ba định dạng gốc. Với Chat Completions, bắt đầu bằng phân tích này:

Trường	Ý nghĩa
`usage.prompt_tokens`	Tổng đầu vào, gồm phần đã lưu đệm
`usage.prompt_tokens_details.cached_tokens`	Đầu vào đọc từ bộ nhớ đệm
`usage.prompt_tokens_details.cache_write_tokens`	Đầu vào ghi vào bộ nhớ đệm
`usage.completion_tokens`	Đầu ra, gồm suy luận

Phần chưa lưu đệm là tổng đầu vào trừ đọc và ghi bộ nhớ đệm. Các nhóm này không giao nhau. Nhân toàn bộ prompt với giá đầu vào thông thường rồi cộng phí bộ nhớ đệm sẽ tính cùng token hai lần.^[3]

Với giá tính theo triệu token:

uncached input = total input - cache reads - cache writes

cost = (
  uncached input × input rate
  + cache reads × cache-read rate
  + 5-minute writes × 5-minute write rate
  + 1-hour writes × 1-hour write rate
  + output × output rate
) / 1,000,000

Ví dụ, một yêu cầu minh họa có 5.000 token đầu vào, 1.000 token đọc bộ nhớ đệm và 500 token ghi bộ nhớ đệm chứa 3.500 token đầu vào thông thường. Nếu còn dùng 2.000 token đầu ra, áp năm lượng liên quan vào giá hiện tại. Đây là ví dụ tính toán, không phải benchmark được khẳng định hay phản hồi được đo thực tế.

Vì sao câu trả lời Kimi K3.1 Pro ngắn có thể tốn hơn dự kiến?

Ngân sách đầu ra Kimi K3.1 Pro bao gồm suy luận và câu trả lời hiển thị. Mô hình có thể tiêu token để giải quyết vấn đề trước khi đưa kết luận ngắn. Chỉ đếm từ bạn hiển thị sẽ bỏ sót công việc đó.

Chọn mức suy luận low, high hoặc max cho nhiệm vụ; mặc định là max. Với tra cứu nhỏ hoặc biến đổi có giới hạn, đánh giá liệu low có vượt qua kiểm tra của bạn không. Với tác vụ gỡ lỗi khó, ngân sách suy luận lớn hơn có thể hữu ích. Đo kết quả theo tiêu chí nghiệm thu thay vì cho rằng câu trả lời ngắn hơn hay dài hơn tốt hơn.^[2]

Giới hạn token rất nhỏ cũng có thể dừng trước khi mô hình tạo câu trả lời hữu ích. Kiểm tra lý do kết thúc hoặc trạng thái phản hồi cuối trước khi coi kết quả bị cắt là hoàn tất. Các lần thử lại thuộc chi phí tải của bạn, dù bảng điều khiển hiển thị mỗi yêu cầu riêng.

Yêu cầu bộ nhớ đệm một giờ có chứng minh đã dùng không?

Không. Kimi K3.1 Pro có thể giữ thời gian tồn tại gốc của tiền tố đã lưu. Một lần đọc trúng làm mới thời gian đó, và nội dung mới nối thêm có thể tiếp tục với cùng TTL đã khóa cho đến khi mục hiện tại hết hạn. Đổi TTL yêu cầu không phải bằng chứng đáng tin rằng lần ghi hiện tại dùng giá khác.^[4]

Giữ ổn định khóa bộ nhớ đệm và tiền tố hội thoại khi muốn ngữ cảnh lặp đủ điều kiện lưu đệm. Sau đó kiểm tra mức sử dụng thực. Đừng cho rằng văn bản giống nhau bảo đảm đọc trúng, hoặc tính giá ghi chỉ từ cấu hình đã gửi.

Các định dạng gốc cung cấp bằng chứng khác nhau. Header sử dụng chính thức của Chat phân biệt ghi 5 phút và 1 giờ. Responses có thể trả tùy chọn bộ nhớ đệm thực được áp dụng. Messages cung cấp bộ đếm riêng trong usage.cache_creation. Nếu bản ghi thu thập thiếu bằng chứng này, đánh dấu ước tính cục bộ chưa đầy đủ thay vì bịa TTL.

Responses và Messages thay đổi phép tính thế nào?

Với Responses, usage.input_tokens là tổng và input_tokens_details chứa các nhóm bộ nhớ đệm. Đầu ra là usage.output_tokens. Nguyên tắc tính giống Chat: trừ phần lưu đệm trước khi áp giá đầu vào thông thường.^[5]

Messages dùng quy ước đầu vào khác. usage.input_tokens không gồm đọc và ghi bộ nhớ đệm. Để có tổng ngữ cảnh, cộng cache_read_input_tokens và cache_creation_input_tokens. Với chi phí, áp giá thông thường trực tiếp lên số đầu vào chưa lưu đệm, rồi tính từng nhóm bộ nhớ đệm riêng. Không trừ các nhóm bộ nhớ đệm khỏi giá trị vốn đã chưa lưu đệm đó.^[6]

Khác biệt này quan trọng khi so sánh SDK hoặc chuyển tích hợp giữa các định dạng. Các giá trị “đầu vào” cùng tên trong log ứng dụng có thể mô tả lượng khác nhau. Ghi định dạng gốc cùng đối tượng sử dụng ban đầu, rồi chuẩn hóa một lần cho báo cáo.

Lần kiểm tra chi phí đầu tiên hữu ích

Bắt đầu với một nhiệm vụ Kimi K3.1 Pro có thể xác minh kết quả. Đặt giới hạn đầu ra rõ ràng, ghi mức suy luận và giữ đầy đủ mức sử dụng trả về. Với quy trình công cụ, tính cả yêu cầu tiếp theo trả kết quả công cụ; riêng lần gọi đầu không phải toàn bộ nhiệm vụ.

So sánh số tiền tính theo token với bản ghi sử dụng yêu cầu. Giữ đơn vị giá nhất quán, tách tổng ngữ cảnh khỏi đầu vào chưa lưu đệm và ghi nhận bằng chứng thời gian tồn tại bộ nhớ đệm còn thiếu. Khi ca nhỏ khớp, lặp phương pháp trên tập nhiệm vụ đại diện của bạn.

Dùng tài liệu API Kimi K3.1 Pro cho trường yêu cầu và ràng buộc phương tiện, hoặc quay lại Playground để kiểm tra phản hồi gốc. Yêu cầu thất bại trên SeedRouter không bị tính phí.

Câu hỏi thường gặp

Tôi có trả tiền cho toàn bộ giới hạn đầu ra không?

Giới hạn đầu ra là mức trần. Phí token dùng đầu ra được báo cho yêu cầu hoàn tất, gồm suy luận. Giới hạn 2.000 token không nghĩa là mọi câu trả lời dùng 2.000 token. Giữ đối tượng sử dụng cùng câu trả lời để kiểm tra lượng thực tế.

Đọc trúng bộ nhớ đệm có miễn phí không?

Không. Đọc bộ nhớ đệm có giá riêng. Yêu cầu cũng có thể chứa tiền tố đã lưu, đầu vào mới chưa lưu và đầu ra, mỗi phần tính phí riêng. Dùng giá đọc hiện tại phía trên và số token đã lưu trả về; không coi toàn bộ prompt đã lưu chỉ vì một phần được tái sử dụng.

Có thể dùng lại ước tính giá Kimi K3 không?

Tính lại cho kimi-k3.1-pro. Tên mô hình liên quan không chứng minh giá hoặc trường sử dụng giống nhau. Giữ ID mô hình, định dạng yêu cầu gốc và giá áp dụng bên cạnh số token, nhất là khi so sánh tích hợp cũ với tích hợp mới.

Nguồn

Moonshot: giá mô hình, kiểm tra ngày 25 tháng 10 năm 2026.
Moonshot: bắt đầu nhanh Kimi K3.1 Pro.
Moonshot: Chat Completions.
Moonshot: bộ nhớ đệm ngữ cảnh.
Moonshot: Responses.
Moonshot: Messages.

Giá Kimi K3.1 Pro: token, suy luận và bộ nhớ đệm