Kimi K3.1 Pro.
- Eingabe
- Text Bild $2/M
- Ausgabe
- Text $10/M
- Cache-Lesen
- $0.2/M
- Kontext
- 1M
- vs. GPT-4o
- ~60% günstiger
Preise nach Eingabelänge
Für die gesamte Anfrage gilt der Tarif ihrer Eingabelängenstufe. Preise in USD pro Million Tokens.
| Eingabe-Tokens | Eingabe | Ausgabe | Eingabe (Thinking) |
|---|
Preis im Vergleich
Der Preis im Feld von 79 vergleichbaren Modellen
Der Balken zeigt, wo der Preis dieses Modells unter allen Modellen derselben Art auf Synthorai liegt. An beiden Enden stehen das günstigste und das teuerste Modell. Angegeben sind Grundpreise; Rabatte für Batch, Region und Cache-Schreibzugriffe stehen auf der Preisseite.
Spezifikationen & Limits
Tokens
| Kontextfenster (laut Anbieter) | 1.048.576 |
|---|---|
| Max. Ausgabe (laut Anbieter) | 1.048.576 |
Prompt-Caching
| Modus | automatisch |
|---|
Thinking
| Parameter | reasoning_effort |
|---|---|
| Werte | minimal · low · medium · high akzeptierte Werte je Anbieter |
Modell
| Modalitäten | Text + Bild → Text |
|---|
Ein Prompt, gemessen über das Gateway
Kimi K3.1 Pro bestanden · 3 sentences
Enabling reasoning makes the model generate extra internal “thinking” tokens before responding, and these are typically billed at output-token rates even though users never see them. If request volume and pricing stayed flat but reasoning substantially increased tokens per request, the total bill could double. Compare pre- and post-change usage reports for reasoning tokens, then control costs with lower reasoning effort, token budgets, cheaper models, and selective use on tasks where the quality gain justifies the spend.
Ausgabe 471 tok (+366 Thinking) Latenz 14.3 s
Befolgen der Anweisung (genau drei Sätze, das lässt sich zählen), Zuschnitt auf die Zielgruppe (Tonfall für einen CFO) und die Abrechnungslücke durch nicht sichtbares Thinking, die die Token-Zähler unten offenlegen.
Kimi K3.1 Pro bestanden · 8/8 cases
```python def longest_run(xs): if not xs: return 0 best = cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: best = max(best, cur) cur = 1 return max(best, cur) ``` The original `cur` counts matching adjacent pairs rather than items: it starts at 0, so a singleton returns 0, and a run of `k` equal items is recorded as only `k - 1`. Its bookkeeping also never correctly finalizes the current run’s length at end of input. The fix starts every run at 1, records its length when a mismatch ends it, and takes a final `max` after the loop so a run ending at the last index is included; empty input returns 0.
Ausgabe 2984 tok (+2785 Thinking) Latenz 70.1 s
Ob der Fix wirklich korrekt ist (er lässt sich ausführen), wie dicht die Erklärung ist und wie sparsam das Modell bei einer klar begrenzten Aufgabe mit Tokens umgeht.
Kimi K3.1 Pro bestanden · 5/5 fields, guidance null
{"company":"Meridian Robotics","quarter":"September quarter","revenue_usd_m":412,"growth_pct":11,"guidance":null}
Ausgabe 454 tok (+410 Thinking) Latenz 12.0 s
Schema-Treue (keine erfundenen Felder), Anreiz zum Halluzinieren (der Text nennt ausdrücklich keine guidance) und Unterschiede zwischen den Wegen zur strukturierten Ausgabe.
Kimi K3.1 Pro bestanden · 120 words, 0 banned, 1 question
Meet Prompt Cache, our new API gateway feature for caching prompts and responses across model providers. It cuts token spend, lowers latency, and keeps applications responsive during traffic surges. Define cache keys, expiration rules, and tenant boundaries in one policy, then apply them to OpenAI, Anthropic, Gemini, or custom models without changing application code. Encryption, redaction, and immediate purges help protect sensitive data, while metrics reveal hit rates, savings, and performance by endpoint and provider. Need a faster way to handle repeated requests? Serve eligible results from cache and preserve your existing routing, fallback, and retry behavior. Available today in beta, Prompt Cache gives platform teams controls for cost, speed, and reliability, with no extra infrastructure to deploy or maintain.
Ausgabe 2740 tok (+2576 Thinking) Latenz 55.8 s
Einhaltung der Vorgaben (Wortbudget, Liste verbotener Wörter, genau eine Frage), stilistische Handschrift und Kontrolle über die Länge.
Kimi K3.1 Pro in 30 Sekunden nutzen
OpenAI-kompatibel: base_url austauschen, SDK behalten. POST /v1/chat/completions
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="kimi-k3.1-pro",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "kimi-k3.1-pro",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "kimi-k3.1-pro",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "kimi-k3.1-pro",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("kimi-k3.1-pro")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Über Kimi K3.1 Pro
- Eine Million Kontexttokens.
- Bildverständnis.
- Programmierung und Agenten.
- Es eignet sich für strukturierte Antworten aus Text und Screenshots.
FAQ
Lässt sich die Kimi K3.1 Pro API kostenlos testen?
Ja. Neue Konten erhalten 10 Testaufrufe und bis zu $1 Gratisguthaben, ohne Kreditkarte. Bei $2/M für Eingabe-Tokens reicht allein dieses Guthaben für rund 62 Anfragen an Kimi K3.1 Pro mit je ~8K Tokens.
Worin ist Kimi K3.1 Pro am besten?
Eine Million Kontexttokens; Bildverständnis; Programmierung und Agenten. Mehr dazu im Über-Abschnitt, der auf den offiziellen Release Notes des Anbieters beruht.
Was kostet Kimi K3.1 Pro?
Kimi K3.1 Pro kostet auf Synthorai $2 pro Million Eingabe-Tokens und $10 pro Million Ausgabe-Tokens. Das ist der Listenpreis des Anbieters, ohne Plattformaufschlag. Gecachte Eingabe-Tokens werden mit $0.2/M abgerechnet.
Wie groß ist das Kontextfenster von Kimi K3.1 Pro?
Kimi K3.1 Pro hat auf Synthorai ein Kontextfenster von 1M Tokens. Eine einzelne Antwort kann bis zu 1,048,576 Tokens lang sein.
Unterstützt Kimi K3.1 Pro Prompt-Caching?
Ja, automatisch: Über Moonshot ausgelieferte Prompts werden ohne Codeänderungen gecacht. Gecachte Eingabe-Tokens werden mit $0.2/M statt $2/M (ungecacht) abgerechnet. Leitfaden zum Prompt-Caching →
Wie erhalte ich Zugang zu Kimi K3.1 Pro?
Setzen Sie in Ihrem vorhandenen OpenAI SDK base_url="https://synthorai.io/v1" und model="kimi-k3.1-pro", mehr ist nicht nötig. Ein API-Schlüssel gilt für alle Modelle im Gateway.
Verwandte Modelle
Vergleichen
Spezifikationen und Anbieter-Benchmarks verlinken ihre Quellen. Die Gateway-Unterstützung beschreibt die Implementierung von Synthorai. Archivierte Beispiele sind einzelne Gateway-Anfragen und keine allgemeine Leistungsgarantie für das Modell. Preise stammen aus der öffentlichen Preisschnittstelle oder deren beim Build verwendetem Snapshot.