Kimi K3.1 Pro.
- Input
- testo immagine $2/M
- Output
- testo $10/M
- Lettura cache
- $0.2/M
- Contesto
- 1M
- vs GPT-4o
- ~60% più economico
Prezzi per lunghezza in ingresso
L’intera richiesta usa la tariffa della fascia di lunghezza in ingresso. Prezzi in USD per milione di token.
| Token in ingresso | Input | Output | Input (modalità ragionamento) |
|---|
Il prezzo a confronto
Dove si colloca il prezzo tra 79 modelli confrontabili
La barra mostra dove si colloca il prezzo di questo modello tra tutti i modelli dello stesso tipo su Synthorai. Alle due estremità sono indicati il più economico e il più caro. Sono tariffe base; gli sconti per batch, regione e scrittura in cache sono nella pagina dei prezzi.
Specifiche e limiti
Token
| Finestra di contesto (specifica del provider) | 1.048.576 |
|---|---|
| Output massimo (specifica del provider) | 1.048.576 |
Prompt caching
| Modalità | automatico |
|---|
Ragionamento
| Parametro | reasoning_effort |
|---|---|
| Valori | minimal · low · medium · high i valori accettati li definisce il provider |
Modello
| Modalità | testo + immagine → testo |
|---|
Un solo prompt, misurato attraverso il gateway
Kimi K3.1 Pro superato · 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.
out 471 tok (+366 ragionamento) latenza 14.3 s
Rispetto delle istruzioni (esattamente tre frasi: si contano), adattamento al destinatario (registro da CFO) e lo scarto di fatturazione dovuto al ragionamento nascosto, che i contatori di token qui sotto mettono in luce.
Kimi K3.1 Pro superato · 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.
out 2984 tok (+2785 ragionamento) latenza 70.1 s
Se la correzione è davvero giusta (si può eseguire), quanto è densa la spiegazione e quanti token servono per un compito circoscritto.
Kimi K3.1 Pro superato · 5/5 fields, guidance null
{"company":"Meridian Robotics","quarter":"September quarter","revenue_usd_m":412,"growth_pct":11,"guidance":null}
out 454 tok (+410 ragionamento) latenza 12.0 s
Aderenza allo schema (nessun campo inventato), tentazione di allucinare (il testo dice espressamente che la guidance non viene comunicata) e differenze tra i percorsi di output strutturato.
Kimi K3.1 Pro superato · 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.
out 2740 tok (+2576 ragionamento) latenza 55.8 s
Rispetto dei vincoli (budget di parole, elenco di parole vietate, l'unica domanda), impronta stilistica e controllo della lunghezza.
Usa Kimi K3.1 Pro in 30 secondi
Compatibile con OpenAI: cambi base_url e tieni il tuo 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",
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(""));Informazioni su Kimi K3.1 Pro
- Un milione di token di contesto.
- Comprensione visiva.
- Programmazione e agenti.
- È adatto a risposte strutturate a partire da testo e schermate.
FAQ
L'API di Kimi K3.1 Pro si può provare gratis?
Sì: i nuovi account ricevono 10 chiamate di prova e fino a $1 di credito gratuito, senza bisogno di carta. A $2/M per i token di input, quel credito basta da solo per circa 62 richieste da ~8K token a Kimi K3.1 Pro.
In cosa eccelle Kimi K3.1 Pro?
Un milione di token di contesto; Comprensione visiva; Programmazione e agenti. Il quadro completo è nella sezione «Informazioni», ripreso dalle note di rilascio ufficiali del provider.
Quanto costa Kimi K3.1 Pro?
Su Synthorai Kimi K3.1 Pro costa $2 per milione di token di input e $10 per milione di token di output: è il prezzo di listino del provider, senza sovrapprezzo di piattaforma. I token di input letti dalla cache costano $0.2/M.
Qual è la finestra di contesto di Kimi K3.1 Pro?
Kimi K3.1 Pro ha una finestra di contesto di 1M token su Synthorai. Una singola risposta può arrivare a 1,048,576 token.
Kimi K3.1 Pro supporta il prompt caching?
Sì, in automatico: i prompt serviti da Moonshot vanno in cache senza modifiche al codice. I token di input letti dalla cache costano $0.2/M, contro $2/M senza cache. Guida al prompt caching →
Come ottengo l'accesso a Kimi K3.1 Pro?
Fai puntare l'SDK OpenAI che usi già a base_url="https://synthorai.io/v1", imposta model="kimi-k3.1-pro" e hai finito: una sola chiave API vale per tutti i modelli del gateway.
Modelli correlati
Confronta
Le specifiche e i benchmark dei fornitori rimandano alle rispettive fonti. Il supporto del gateway descrive l’implementazione di Synthorai. Gli esempi archiviati sono singole richieste e non garantiscono le prestazioni generali del modello. I prezzi provengono dal servizio pubblico o dalla sua istantanea usata durante la compilazione.