kimi-k2.6
輸入價格$0.95
輸出價格$4
上下文視窗1000K
輸入價格$3 / 1M
輸出價格$15 / 1M
輸出速度60 tok/s
品質分數95
資料更新Updated Aug 2026
價格驗證2026-08-06 · 官方
價格備註全 context 同價；每次請求都會先跑一輪思考，思考 token 計為輸出
在價格排序上，kimi-k3 的輸入價格排第 68／79 便宜，輸出價格排第 68／79 便宜。品質分數 95 分，排名第 8／79；以「品質分數 ÷ 輸出價格」計算的 CP 值排名第 67／79。綜合單價高於全站平均 90%。
換成實際帳單：一個每月 50,000 次對話的客服機器人（每次 2,000 輸入 / 500 輸出 token）用 kimi-k3 大約是每月 $675；改成每月 20,000 次查詢的 RAG 文件問答（每次 8,000 輸入 / 800 輸出 token）則約 $720。因為輸出價格是輸入的 5.0 倍，輸出越長的任務，成本上升得越快——長篇生成請特別留意輸出 token 的控制。
1000K 的上下文視窗約可容納 1,333 頁 A4 文件（以每頁約 750 token 估算），在全站排名第 26／79。足以一次塞入整份技術文件或多個原始碼檔案，適合長文件摘要與大型 codebase 分析。 輸出速度約 60 tok/s（第 67／79 快），互動體驗尚可，長回應會有明顯等待。
Moonshot AI 在本站共收錄 2 個模型，kimi-k3 的綜合單價高於該供應商平均 56%。如果你的任務對品質容忍度較高，deepseek-reasoner-v4（DeepSeek）綜合單價便宜約 91%，品質分數 92，值得先跑一輪比較。 反過來，如果要更高的品質上限，gpt-5.6-sol 的品質分數為 98，綜合單價貴約 33%。
Moonshot AI 陣容中與 kimi-k3 最接近的是 kimi-k2.6（輸入 $0.95／輸出 $4.00，品質 90）。相較之下 kimi-k3 品質分數高 5 分、輸出速度慢 25 tok/s（約 29%）、上下文視窗大 738K、綜合單價貴 71%。兩者價位相近時，差異主要落在品質上限，建議直接用你的實際 prompt 各跑一輪再決定。
我們的看法
品質 95、$3／$15——但真正決定你帳單的是「每次請求都會先跑一輪思考」。
計費模式比單價更值得先讀
kimi-k3 的表定價是 $3／$15，全 context 同價——這點本身就值得注意，因為許多長上下文模型會在超過某個門檻後跳到更高費率，kimi-k3 沒有。
但它有另一個特性：每次請求都會先跑一輪思考，而思考產生的 token 計為輸出。這代表你的實際輸出 token 數會系統性地高於你看到的回應長度。用比價表上的 $15 乘以「預期回應字數」去估月費，會低估——要估準，得先用真實 prompt 量一次思考 token 的比例，再回頭算。
95 分意味著它在跟誰競爭，以及它輸給了誰
品質 95 讓它進入旗艦帶。對上 gpt-5.6-sol（98，$4／$20）、claude-opus-5（97，$5／$25）與 claude-fable-5（96，$10／$50），kimi-k3 的 $3／$15 全面更低，1,000K 上下文與 Text／Vision 雙模態也不吃虧。
但要誠實說完：同樣 95 分的 gpt-5.6-terra 是 $2／$12，上下文 1,049K 更大，速度 110 tokens/秒是 kimi-k3（60）的近兩倍，而且多了音訊模態。在帳面上，terra 幾乎每一格都贏。另一顆 95 分的 o3 是 $2／$8，更便宜，但上下文只有 200K、速度 40 tokens/秒。
在 terra 更好的前提下，什麼時候仍該選 kimi-k3
理由不會是單價，而是三件比價表看不到的事。第一是區域：在亞太區營運、對 Moonshot 端點延遲與可用性有實測數據的團隊，實際體感可能與美國區託管的模型完全不同。第二是供應商分散——把全部旗艦流量押在單一美國供應商上，是一種需要被明確承認的營運風險。
第三是計費結構本身。kimi-k3 全 context 同價，不會在超過某個門檻後跳費率，這讓長上下文的成本曲線是線性的、可預測的。反過來，如果你的成本模型很緊、無法承受思考 token 帶來的變異，那麼一個不強制思考的模型（例如 claude-sonnet-5 的 $2／$10）在帳單可預測性上更好。先量測，再決定——這頁能告訴你的就到這裡。
實際月費估算
以四種常見工作負載估算每月 API 費用，並與本站目前最便宜的模型對照。
| 使用情境 | 用量假設 | 本模型月費 | 全站最便宜模型 |
|---|---|---|---|
| 客服聊天機器人 | 每次 2,000 輸入 / 500 輸出 token，每月 50,000 次對話 | $675 | $3.00 |
| RAG 文件問答 | 每次 8,000 輸入 / 800 輸出 token，每月 20,000 次查詢 | $720 | $3.84 |
| 程式開發助理 | 每次 12,000 輸入 / 2,000 輸出 token，每月 10,000 次請求 | $660 | $3.20 |
| 批次摘要 / 分類 | 每次 4,000 輸入 / 400 輸出 token，每月 200,000 筆 | $3,600 | $19 |
以本頁列出的單價直接換算，未計入提示快取、批次折扣或免費額度。
與其他模型比較
同一份資料下最值得一起評估的替代方案。
| 模型 | 供應商 | 綜合單價 /1M | 品質 | 價差 |
|---|---|---|---|---|
| kimi-k3 | Moonshot AI | $6.00 | 95 | — |
| deepseek-reasoner-v4更便宜的選擇 | DeepSeek | $0.54 | 92 | -91% |
| gpt-5.6-sol更高品質 | OpenAI | $8.00 | 98 | +33% |
| kimi-k2.6同供應商 | Moonshot AI | $1.71 | 90 | -71% |
| qwen3.5全站 CP 值王 | Alibaba | $0.11 | 91 | -98% |
適合用途
推理分析程式開發長文本
支援模態
TextVision
適合與不適合的情境
適合
- 程式開發：撰寫、重構與偵錯，能處理多檔案的專案脈絡。
- 推理分析：多步驟拆解、規劃與需要嚴謹推論的任務。
- 長文件處理：1000K 視窗可一次讀入整份合約、論文或大型 codebase。
- 多模態輸入：可直接處理圖片、截圖與文件掃描檔。
較不適合
- 高頻批次處理：綜合單價 $6.00／1M token 屬於高價位，量大時帳單成長很快。
常見問題
kimi-k3 的 API 價格是多少？
kimi-k3 的輸入價格是每 100 萬 token $3.00，輸出價格是每 100 萬 token $15.00。以輸入 3：輸出 1 的混合用量換算，綜合單價約 $6.00／1M token。
用 kimi-k3 每月大概要花多少錢？
取決於用量。以本頁的四個情境估算：客服機器人約 $675／月、RAG 文件問答約 $720／月、程式開發助理約 $660／月、批次摘要約 $3,600／月。你可以用成本計算機帶入自己的 token 用量重新估算。
kimi-k3 的上下文視窗有多大？
1000K token，約等於 1,333 頁 A4 文件（以每頁約 750 token 估算），在本站追蹤的 79 個模型中排名第 26。
kimi-k3 和 deepseek-reasoner-v4 哪個划算？
deepseek-reasoner-v4 的綜合單價約 $0.54／1M token，比 kimi-k3 的 $6.00 便宜約 91%；品質分數為 92（kimi-k3 為 95）。若品質差距在你的任務上不明顯，選便宜的那個；差距明顯就選 kimi-k3。建議用自己的資料各跑一輪再決定。
kimi-k3 適合哪些應用場景？
本站標記的適用情境為：推理分析、程式開發、長文本。程式開發：撰寫、重構與偵錯，能處理多檔案的專案脈絡。 較不適合的情況：高頻批次處理：綜合單價 $6.00／1M token 屬於高價位，量大時帳單成長很快。
kimi-k3 的價格資料多久更新一次？
本頁價格最後於 2026-08-06 核對，來源為官方文件。llmprice.app 每日執行價格收集流程，但供應商調價後仍可能有落差，正式導入前請再確認 Moonshot AI 官方定價頁。
估算這個模型的實際成本
將單次 token 用量與每月請求次數帶入計算器，比較不同模型的總成本。
同類模型
依供應商與使用情境延伸探索。
價格、速度與品質分數會隨供應商更新；正式採用前請再次確認官方文件。