Kimi K3.1 Pro Highspeed.
- Entrée
- texte image $4/M
- Sortie
- texte $20/M
- Lecture de cache
- $0.2/M
- Contexte
- 1M
- vs GPT-4o
- ~20% moins cher
Tarifs selon la longueur en entrée
Le tarif de la tranche de longueur en entrée s’applique à toute la requête. Prix en USD par million de tokens.
| Tokens en entrée | Entrée | Sortie | Entrée (mode réflexion) |
|---|
Le prix en perspective
Position du prix parmi 79 modèles comparables
La barre situe le prix de ce modèle parmi tous les modèles du même type sur Synthorai. Le moins cher et le plus cher sont nommés à chaque extrémité. Ce sont des tarifs de base ; les remises liées au batch, à la région et aux écritures de cache figurent sur la page des tarifs.
Spécifications et limites
Tokens
| Fenêtre de contexte (spécification du fournisseur) | 1 048 576 |
|---|---|
| Sortie max (spéc. fournisseur) | 131 072 |
Mise en cache
| Mode | automatique |
|---|
Réflexion
| Paramètre | reasoning_effort |
|---|---|
| Valeurs | minimal · low · medium · high les valeurs acceptées sont celles du fournisseur |
Modèle
| Modalités | texte + image → texte |
|---|
Un prompt, mesuré via la passerelle
Kimi K3.1 Pro Highspeed réussi · 3 sentences
Enabling reasoning makes the model generate extra “thinking” tokens before each answer, so every request consumes more compute and output tokens even when the visible response stays short. Those reasoning tokens are typically billed, and the new configuration may also use a more expensive model or processing tier, raising both usage and unit cost. To control spend, we should verify reasoning-token volume and model pricing on the invoice, then cap reasoning effort and reserve it for high-value tasks.
sortie 410 tok (+410 réflexion) latence 8.6 s
Le respect de la consigne (exactement trois phrases, ça se compte), l'adaptation au public visé (le registre d'un directeur financier) et l'écart de facturation dû à la réflexion masquée, que révèlent les compteurs de tokens ci-dessous.
Kimi K3.1 Pro Highspeed réussi · 8/8 cases
```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` The bug is counter bookkeeping, not the loop bounds: `cur` starts at zero, so the original counts equal adjacent pairs rather than items and never records a run for a single-element input. Runs are therefore reported one short, with singleton runs appearing as zero, including runs reaching the last index. The fix treats each item as a run of length one, resets `cur` to one on a mismatch, and updates `best` after every step, so a trailing run is recorded without needing a following mismatch; empty input returns `0`.
sortie 2102 tok (+2079 réflexion) latence 31.7 s
La justesse réelle du correctif (il s'exécute), la densité de l'explication et l'économie de tokens sur une tâche bien délimitée.
Kimi K3.1 Pro Highspeed réussi · 5/5 fields, guidance "Formal guidance withheld pending the Q4 "
{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": "Formal guidance withheld pending the Q4 close" }
sortie 2170 tok (+2170 réflexion) latence 29.3 s
Le respect du schéma (aucun champ inventé), la tentation d'halluciner (le texte indique que la guidance n'est pas communiquée) et les différences entre les mécanismes de sortie structurée.
Kimi K3.1 Pro Highspeed réussi · 120 words, 0 banned, 1 question
Introducing Cross-Provider Prompt Cache, a new API gateway feature that stores prompt responses and serves them across model providers. By reusing responses, teams can reduce latency, cut duplicate inference costs, and keep applications responsive during traffic spikes. You choose cache lifetime, scope, and eligibility rules, while provider credentials and routing policies remain under your control. Built-in metrics show hit rates, savings, and response times, helping you tune performance with confidence. Sensitive workloads can bypass caching, and entries expire according to your retention settings. Ready to spend less on repeated prompts? Enable the feature from your gateway configuration, define a cache policy, and start measuring results today. Cross-Provider Prompt Cache is available now, with documentation and examples in the developer console.
sortie 2161 tok (+2151 réflexion) latence 23.5 s
Le respect des contraintes (nombre de mots, liste de mots interdits, une seule question), l'empreinte stylistique et la maîtrise de la longueur.
Utilisez Kimi K3.1 Pro Highspeed en 30 secondes
Compatible OpenAI : changez la base_url, gardez votre SDK. 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-highspeed",
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-highspeed",
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-highspeed",
"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-highspeed",
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-highspeed")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));À propos de Kimi K3.1 Pro Highspeed
- Inférence plus rapide.
- Compréhension visuelle.
- Appels d’outils.
- Sur Synthorai, ce modèle utilise une temperature fixe de 0.6.
FAQ
Peut-on essayer l'API Kimi K3.1 Pro Highspeed gratuitement ?
Oui : les nouveaux comptes reçoivent 10 appels d'essai et jusqu'à $1 de crédit gratuit, sans carte bancaire. À $4/M de tokens en entrée, ce crédit couvre à lui seul environ 31 requêtes de ~8K tokens sur Kimi K3.1 Pro Highspeed.
Quels sont les points forts de Kimi K3.1 Pro Highspeed ?
Inférence plus rapide ; Compréhension visuelle ; Appels d’outils. La section À propos en donne un aperçu complet, tiré des notes de version du fournisseur.
Combien coûte Kimi K3.1 Pro Highspeed ?
Sur Synthorai, Kimi K3.1 Pro Highspeed coûte $4 par million de tokens en entrée et $20 par million de tokens en sortie, soit le tarif public du fournisseur, sans majoration de plateforme. Les tokens d'entrée en cache sont facturés $0.2/M.
Quelle est la fenêtre de contexte de Kimi K3.1 Pro Highspeed ?
Kimi K3.1 Pro Highspeed dispose d'une fenêtre de contexte de 1M tokens sur Synthorai. Une réponse peut compter jusqu'à 131,072 tokens.
Kimi K3.1 Pro Highspeed prend-il en charge la mise en cache des prompts ?
Oui, automatiquement : les prompts servis par Moonshot sont mis en cache sans modification de code. Les tokens d'entrée en cache sont facturés $0.2/M contre $4/M hors cache. Guide de mise en cache des prompts →
Comment obtenir l'accès à Kimi K3.1 Pro Highspeed ?
Dans votre SDK OpenAI actuel, indiquez base_url="https://synthorai.io/v1" et model="kimi-k3.1-pro-highspeed", et c'est tout. Une seule clé API donne accès à tous les modèles de la passerelle.
Modèles associés
Comparer
Les spécifications et les benchmarks des fournisseurs renvoient à leurs sources. La prise en charge par la passerelle décrit l’implémentation de Synthorai. Les exemples archivés sont des requêtes individuelles, sans garantie de performance générale du modèle. Les prix proviennent du flux public ou de son instantané utilisé lors de la compilation.