Kimi K3 vs Qwen3.8 Max

Q: Kimi K3 と Qwen3.8 Max ではどちらが安いですか？

入力 / 1mトークン においては Qwen3.8 Max の方が安価です（$2 対 $3、1.5× の差）。他の行では逆になる可能性があります — 上の表には完全な情報が記載されており、実際のコストは組み合わせに依存します。

どちらかを変更 vs

いつ、どちらを使うべきか — ベンチマーク表ではなく、厳選された評価

テキストと画像に加えて動画入力が必要な場合、あるいは単発の応答が長くなる必要がある場合は kimi-k3 を選んでください。1048576 トークンのコンテキストに同じく 1048576 トークンの最大出力が組み合わさります（qwen3.8-max は 131072）。安価な大量のテキストと画像処理なら qwen3.8-max です。100万トークンあたり入力 $2、出力 $6 が $3 と $15 に対し、kimi-k3 の出力価格は 2.5 倍、コンテキストも 983616 トークンと同程度です。なお kimi-k3 は思考を切れないため、短く安価な応答は本来の用途ではありません。

料金

	Kimi K3	Qwen3.8 Max	Δ
入力 / 1Mトークン	$3	$2	1.5×
出力 / 1Mトークン	$15	$6	2.5×
キャッシュ読み取り / 1Mトークン	$0.3	$0.25	1.2×
キャッシュ書き込み	—	1.25x	—

ビルド時のライブカタログの料金です。各モデルのページには現在の料金カードが記載されています。

位置付け — この課金単位におけるすべての63個のチャットモデル全体の1Mトークンあたりの入力料金 (対数スケール)

Kimi K3 · $3 Qwen3.8 Max · $2

$0.05 · Qwen3 VL Flash $30 · GPT-5.4 Pro

機能

	Kimi K3	Qwen3.8 Max
ツール使用	あり	あり
思考コントロール	常時オン	あり — ベンダーの調整パラメータは非公開
構造化出力	あり	あり
プロンプトキャッシング	暗黙的 (自動)	暗黙的 + 明示的
キャッシュ有効期間	非公開	explicit: 5m, reset on hit
最小キャッシュプレフィックス	非公開	1024 トークン

仕様

	Kimi K3	Qwen3.8 Max
入力モダリティ	テキスト画像動画	テキスト画像
出力モダリティ	テキスト	テキスト
リリース	—	2026-08-03
コンテキストウィンドウ	1M	984K
最大出力	1M	131K
思考パラメータ	reasoning_effort (top-level; the thinking object is not accepted)	—
指定可能な値	reasoning_effort low high max	—
デフォルト	max	—

仕様は各ベンダーのドキュメントから転記されています。ベンダーが公開していない行は推測せず、省略しています。すべての出典: Kimi K3 · Qwen3.8 Max

1つのプロンプト、両方のモデル — ゲートウェイ経由で測定

CFO向けの推論バグのある関数の修正スキーマへの抽出制約に沿った記述

プロンプト Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. チェックちょうど 3 文

Kimi K3 パス · 3 sentences

Reasoning models don't just answer questions—they "think" first, generating long internal chains of step-by-step logic before producing a response. Those hidden thinking steps are billed as output tokens (the most expensive kind, typically 3–5x the price of input tokens), and a single query can generate thousands of them even when the visible answer is only a paragraph long. So you're paying for dramatically more compute per request: the bill doubled because the model does far more work behind the scenes, not because usage increased.

出力 755 tok (+637 思考) レイテンシ 20.8 s

Qwen3.8 Max パス · 3 sentences

Enabling reasoning makes the model produce additional hidden steps before responding, and those tokens are billable. It also tends to lengthen each interaction because the model works through more possibilities before settling on an answer. Therefore, the bill doubled mainly due to higher compute and token usage per request, not necessarily because the number of requests doubled.

出力 378 tok (+305 思考) レイテンシ 8.6 s

指示追従（ちょうど三文 — 数えられる）、読み手に合わせた調整（CFO 向けの語り口）、そして下のトークン計から見える隠れた思考の課金ギャップ。

プロンプト This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. チェック修正がテストを通る

Kimi K3 パス · 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 best = max(best, cur) else: cur = 1 return best ``` The bug is a fencepost error: `cur` counts *matching adjacent pairs* rather than *items in the run*, because it starts at 0 and only increments when `xs[i] == xs[i - 1]`. A run of length L contains L−1 equal pairs, so every run was undercounted by exactly one. For a single-element list (a run of length 1) the loop never runs and the function returns 0 instead of 1; likewise any run ending at the last index — e.g. the two `2`s in `[1, 2, 2]` — reported 1 instead of 2, making it look like no run existed at all. […]

出力 1837 tok (+1547 思考) レイテンシ 47.2 s

Qwen3.8 Max パス · 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: cur = 1 best = max(best, cur) return best ``` The bug is that the original code starts `best` and `cur` at `0`, so it counts adjacent equal *transitions* rather than the number of items in the run. A run of length `n` has only `n - 1` equal-neighbor transitions, so single-element inputs return `0`, and runs that reach the end are undercounted by one. Initializing the current run to `1` for the first element, resetting it to `1` on a break, and updating `best` from that count fixes the off-by-one.

出力 1616 tok (+1411 思考) レイテンシ 34.7 s

修正が実際に正しいか（実行可能か）、説明の密度、そして範囲の限られたタスクでのトークン効率。

プロンプト Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. チェック妥当な JSON、スキーマ厳密

Kimi K3 パス · 5/5 fields, guidance null

{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null }

出力 924 tok (+863 思考) レイテンシ 25.9 s

Qwen3.8 Max パス · 5/5 fields, guidance null

{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null }

出力 1199 tok (+1141 思考) レイテンシ 24.4 s

スキーマ遵守（フィールドをでっち上げない）、ハルシネーション圧（guidance は明示的に保留されている）、そして構造化出力の経路の違い。

プロンプト Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. チェック 120 語、禁止語 0

Kimi K3 パス · 120 words, 0 banned, 1 question

Meet Prompt Cache, a new API gateway capability that stores prompt responses and serves them across OpenAI, Anthropic, Google, and Azure endpoints. It matches requests by model, prompt hash, tools, temperature, and tenant policy, so repeated work returns fast while sensitive contexts stay isolated. Teams set TTLs, stale rules, encryption scopes, and bypass flags per route. Analytics show hit rate, latency saved, token spend avoided, and drift risk by provider. What changes for developers? Keep one integration, add cache headers, and watch fallback logic respect consent, residency, and audit needs. During rollout, canary keys compare fresh answers with cached copies before promotion. Prompt Cache cuts vendor calls, steadies p95 latency, and gives platform owners controls for cost, quality, and compliance.

出力 1527 tok (+1354 思考) レイテンシ 37.9 s

Qwen3.8 Max パス · 120 words, 0 banned, 1 question

Today, our API gateway adds prompt caching across major model providers. It stores prompts and responses in one fast cache layer. Teams can lower token spend, reduce latency, and repeat reliable answers. The feature supports OpenAI, Anthropic, Google, and Mistral through one configuration. You can set retention rules, scope access, and invalidate entries quickly. How does your team maintain consistent results during provider outages? Approved cached responses keep applications stable while fallback routes recover. The dashboard shows hit rates, savings, latency, and provider usage. Engineers receive audit trails for every cached prompt, enabling safer testing. Product managers can compare cost trends before and after cache adoption. Start with a small route, then safely expand caching to production traffic right now.

出力 2744 tok (+2591 思考) レイテンシ 46.3 s

制約の遵守（語数の上限、禁止語リスト、唯一の疑問文）、文体の指紋、そして長さの制御。

1行で切り替え

以下のすべてのタブには両方のIDが含まれています — 変更箇所はハイライトされた2行のみです。エンドポイント、キー、リクエスト形式はすべて同じです。

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="kimi-k3",
    # model="qwen3.8-max",  # この行をアンコメントし、上の行をコメントアウトします
    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",
  // model: "qwen3.8-max",  // この行をアンコメントし、上の行をコメントアウトします
  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",
    # "model": "qwen3.8-max",  # この行をアンコメントし、上の行をコメントアウトします
    "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",
		// Model: "qwen3.8-max",  // この行をアンコメントし、上の行をコメントアウトします
		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")
        // .model("qwen3.8-max")  // この行をアンコメントし、上の行をコメントアウトします
        .addUserMessage("Summarize this diff")
        .reasoningEffort(ReasoningEffort.MEDIUM)
        .build());
System.out.println(resp.choices().get(0).message().content().orElse(""));

APIキーを取得する →

FAQ

Kimi K3 と Qwen3.8 Max ではどちらが安いですか？

入力 / 1mトークンにおいては Qwen3.8 Max の方が安価です（$2 対 $3、1.5× の差）。他の行では逆になる可能性があります — 上の表には完全な情報が記載されており、実際のコストは組み合わせに依存します。

2つの統合を行わずに Kimi K3 と Qwen3.8 Max のA/Bテストを実施できますか？

はい。両方とも1つのAPIキーで同じOpenAI互換エンドポイントを通じて提供されます — モデル文字列を1行変更するだけで切り替えられるため、トラフィックの一部をそれぞれにルーティングし、請求額を直接比較できます。

Kimi K3 と Qwen3.8 Max はプロンプトキャッシングをサポートしていますか？

はい — どちらのモデルでもキャッシュ読み込みは入力レートよりも低く請求されるため、ウォームプレフィックスのワークロードは定価が示すよりも低コストになります。キャッシュ読み込みの正確な行は、上の料金表に記載されています。

当社の測定調査より

画像 1 枚は何 token？15 API で 6〜1,298 を実測 LLM の思考制御：13 モデルの対応・無視・厳密適用 Web 検索 API と Web 取得 API の仕組みと $0.01 の内訳

料金

機能

仕様

1つのプロンプト、両方のモデル — ゲートウェイ経由で測定

1行で切り替え

FAQ

関連する比較

当社の測定調査より