Kimi K3 API 定價實測：關掉那個「永遠開著」的推理
目錄
Kimi K3 的文件說推理無法關閉，而且 reasoning_effort 只接受 "max"。但實測下來，API 照樣接受 "none"，而且真的有效：同一個微不足道的問題，用預設推理要花 $0.00179，關掉後只要 $0.000285，差了 6.3 倍。K3 於 2026-07-16 上線，輸入每百萬 token 收費 $3、輸出每百萬 token 收費 $15，是中國實驗室推出過最貴的定價，跟 Claude Sonnet 5 標價一樣。在這個輸出價位下，模型預設花掉的推理 token 就是你的帳單，所以這個文件沒寫的關閉開關，值得搞清楚它到底怎麼運作。
TL;DR
- Kimi K3 在預設設定下，會把 69% 到 93% 的輸出 token 花在推理上；一段 120 字的段落被計了 2,289 個輸出 token，$0.0346。
- 儘管文件說不行，
reasoning_effort: "none"其實會被接受，讓我們的簡單查詢成本降低 6.3 倍，但多步驟算術的正確率從 3/3 掉到 0/6。 - Kimi K3 的 prompt cache 大約從 256 token 的前綴開始命中，以 256 token 為區塊，讀取費率為 $0.30/M。
- 中文是 K3 最便宜的 CJK 語言：每 100 個字 52 個淨 token，低於 GLM-5.2 和 DeepSeek 的 58。
以下所有數據都是在 2026-07-20 針對 kimi-k3 測得的，它已在 Synthorai 閘道上以 Moonshot 的標價上線。我們對重複的 prompt 加了鹽值以避開回應快取，並在第二條獨立的請求路徑上交叉驗證了這些行為結論。每個數字背後都有原始用量紀錄佐證。
Kimi K3 預設情況下每則回答要花多少錢？
不論我們送出什麼類型的任務，帳單都被 reasoning 佔掉大半，連完全用不到 reasoning 的任務也一樣。以下是預設設定下每則回答的花費：
| 任務 | 輸出 token 數 | reasoning 佔比 | 每則回答花費 |
|---|---|---|---|
| 簡單算術（17×23） | 99 | 84% | $0.0018 |
| 事實類一句話回答 | 80 | 79% | $0.0015 |
| 小型程式函式 | 119 | 69% | $0.0009 |
| 多步驟文字題 | 139 | 87% | $0.0025 |
| 120 字段落 | 2,289 | 93% | $0.0346 |
這張圖的重點在於跨模型的對比：GPT-5.6 會自適應地判斷是否 reasoning（簡單題和事實題上的思考 token 為零，數學題和寫作題則是 65-70%），Claude Sonnet 5 出廠時思考功能是關閉的，而 GLM-5.2 就相對比例來說想得比 K3 更深。但 GLM 的輸出價格是 $4.40/M，K3 是 $15/M，所以同樣一題 17×23，GLM-5.2 收 $0.00078，GPT-5.6 收 $0.00027，Sonnet 5 收 $0.0001，K3 則收 $0.0018。輸出愈長，差距愈大：同一段 120 字段落在 K3 上要 $0.0346，GLM-5.2 是 $0.0186，GPT-5.6 是 $0.0072，Sonnet 5 是 $0.0024，這組任務裡最普通的一項就拉開了 15 倍差距。稅率跟其他中國 reasoning 模型差不多，但稅單金額不同。
還有兩個預設模式下需要納入預算考量的事實。第一，思考模式會在每個請求裡塞進約 67 個 token 的隱藏前置內容：同樣一則只有一個單字的訊息，開啟 reasoning 時計費 86 個 prompt token，關掉則是 19 個。這就是早期測試者注意到的「隱藏 system prompt」，reasoning 一關它就消失。第二，K3 目前很慢：我們的簡單題呼叫在開啟 reasoning 時端到端約需 19-24 秒，關掉則是 3-8 秒，含上線首週的服務狀況。除了錢，延遲也要一起算進預算。
可以關掉 Kimi K3 的推理嗎？
可以，儘管文件說不行。官方 API 參考文件寫著 K3「始終啟用思考」，而且 reasoning_effort 只接受 "max"。但實際測試時，端點接受了 "none"、"low"、"medium" 和 "high"，沒有報錯，也確實照做了，我們還在另一條獨立的請求路徑上驗證出相同的行為。在多步驟的文字應用題上，這個開關確實有效，只是分得很粗：
reasoning_effort | 推理 token（平均） | 正確率 |
|---|---|---|
none | 0 | 0/6 |
low | 78 | 3/3 |
medium | 94 | 3/3 |
high | 105 | 3/3 |
max / 預設 | 100-121 | 3/3 |
有兩點值得留意。中間各檔的表現很接近：low 到 max 在這個任務上換來的 token 數量差不多，正確率也完全一樣，所以真正有意義的切換其實是二元的。另外，none 存在明顯的懸崖：被迫用簡短方式回答多步驟算術題時，K3 六次全錯，而且錯得五花八門，不是同一種系統性錯誤。當我們不強制簡短格式時，模型有時會無視簡潔要求，改在可見的答案裡逐步推導：結果是對的，但 token 只是從 reasoning 欄位移到了 text 欄位，並沒有真的消失。
延遲的變化比 token 數量看起來的要小。用 streaming 對同一題跑各個 effort 等級，首字節時間落在 6-24 秒，各等級的區間大幅重疊；就連沒東西可想的 none 也要等 12-13 秒，可見在這個任務規模下，服務本身才是首字節時間的主因。這個開關真正改變的，是首字節到第一個答案 token 之間的間隔，也就是使用者要乾等的思考階段。
實務上的結論：對於檢索、格式化或單步驟的任務，none 是一個實打實的成本槓桿；但對任何需要中間步驟的任務，它就是個坑。文件沒有保證這個參數會一直有效；把它當成實測出來的行為，在自己的 usage 欄位裡驗證，並且要有心理準備：等文件更新時，它可能被正式支援，也可能被移除。
在 agent 工作負載中，推理什麼時候該保持開啟？
我們讓 K3 跑過五種 agent 型態的情境各兩次，一次用預設值，一次用 reasoning_effort: "none"，任務都是兩種設定都能完整通過的相同簡單任務：
| 情境 | 思考佔比（預設） | 用 none 的成本 | 用 none 的 TTFT |
|---|---|---|---|
| 工具呼叫迴圈 | 8% | −10% | −35% |
| RAG 回答 | 71% | −37% | −53% |
| 結構化工具使用 | 29% | −16% | −31% |
| 批次抽取 | 80% | −15% | −11% |
| 長對話（15 輪） | 34% | −13% | −25% |
意外的是第一列：在工具呼叫迴圈中，即使用預設設定，K3 也幾乎不思考（佔比 8%），所以能省的空間很小；模型把選擇工具當成反射動作，而不是深思熟慮。省下的成本集中在思考佔比高、任務又很機械的地方（RAG 查詢和批次抽取），而這正是一個固定的、永遠開啟的「稅」最不該存在的地方。對於真正多步驟的 agent 規劃，前一節的正確率懸崖同樣適用；把推理開著，該花的 token 就花。
在規模化的情況下，延遲效應是真實存在的，儘管單次呼叫的數值波動很大：在這些情境中，預設設定下第一個 token 在 10-19 秒抵達，用 none 則是 8-13 秒，而實質輸出的生成速度中位數為每秒 35 個 token。這些數字（包含發布首週的服務狀況在內）比起今天任何對話式的場景，更適合非同步和批次型態。
回傳的 reasoning 內容會被當作 input 再次計費嗎？
會，一個 token 都不少。Kimi 的文件要求你把每一輪 assistant 回應的 reasoning_content 原封不動保留在對話歷史裡。我們實測過這個成本：第二輪請求帶上第一輪的思考鏈時，prompt token 計了 599 個；同一個請求拿掉思考鏈後只計 198 個。兩者相差 401 個 token，幾乎正好等於第一輪的 402 個 reasoning token。這代表保留下來的思考內容會以完整的 $3/M input 費率重新進入之後的每一個請求，長對話每一輪都要為累積的 reasoning 重新付費。
不過丟掉它也不見得比較便宜。沒有先前的思考鏈時，K3 會把後續問題從頭重新推理一次：第二輪的 reasoning token 增加了 31%（從 343 漲到 449）。以 input $3/M 對比 output $15/M 來算，在我們的測試裡保留 CoT 反而是整體較便宜的選擇，所以文件的建議不只在品質上成立，成本上也站得住腳。真正能省錢的槓桿是下一節要談的 prompt cache：保留下來的歷史是一段穩定的前綴，而穩定前綴不再以全價計費。
Kimi K3 會快取 prompt 嗎？從多少 token 開始？
K3 的 prompt cache 是自動的，門檻很低：命中大約從 256 個共用前綴 token 開始，以 256 個 token 為單位往上遞增（一個 303 token 的 prompt 快取了 256 個；一個 153 token 的 prompt 在多次重試中從未快取）。快取的 input 以 $0.30/M 計費，比起 $3/M 的新鮮費率是固定 90% 的折扣，而且我們發出的每一個請求都沒有 cache-write 的額外費用。暖機需要兩到五次相同的呼叫才會出現第一次命中，所以單次重試無法證明任何結論；要多測幾次。
作為對照，這個門檻是 OpenAI 文件標示的 1,024 token 下限的四分之一，區塊大小也比我們在別處實測的 64 token 粒度來得粗。存活時間是盡力而為，而非固定的 TTL：我們測試中的快取項目在閒置 4 分鐘和 15 分鐘後仍然存活，但有一次 8 分鐘的間隔卻沒命中，所以把到期視為隨負載變動的淘汰，並在每一次呼叫都驗證快取的比例。還有一項值得算一下的定價事實：1M token 的 context window 採統一定價，價目表上沒有長 context 的分級。塞滿的 window 每次呼叫要 $3.00 的新鮮 input，前綴暖了之後則是 $0.30，所以大 context 的工作負載能不能撐下去，靠的是快取，遠比靠標價來得重要。如果你的流量會重複用到哪怕只有幾百 token 的 system prompt，K3 的快取就會生效，而多數供應商在這個量級根本還沒開始快取。命中的運作機制以及如何從 usage 驗證命中，都寫在我們的 prompt caching 指南 和快取最低門檻實測研究裡。
Kimi K3 處理中文真的比較貴嗎？
不會。相對於同類模型，中文正是 K3 tokenizer 效率最高的語言，這也回答了發表週討論中反覆出現的一個問題。以下是語意對齊文本每 100 個字元的淨 token 數，已扣除封裝開銷：
| Model | en | zh | ja | ko | hi | Python |
|---|---|---|---|---|---|---|
| kimi-k3 | 19.7 | 51.9 | 87.5 | 83.2 | 62.8 | 26.5 |
| glm-5.2 | 19.7 | 58.4 | 75.7 | 76.9 | 91.3 | 25.6 |
| deepseek-v4-flash | 19.7 | 58.4 | 70.6 | 69.2 | 60.7 | 26.7 |
| claude-sonnet-5 | 32.3 | 114.3 | 94.1 | 106.3 | 70.9 | 41.1 |
K3 中文每 100 字元計 52 個 token，比 GLM-5.2 和 DeepSeek 低 11%，不到 Sonnet 5 的一半。它的弱項是日文，比其他 open-weight 模型多付 16-24%。我們也確認整個系列的 tokenizer 沒變：K3、K2.7-code 和 K2.5 在全部 23 個對齊樣本上算出來的 token 數完全相同，所以為 K2 建立的各語言預算可以直接沿用。tokenizer 密度如何與跨九種語言的單價相互疊加，我們在各語言最便宜 LLM 研究中有詳細分析。
FAQ
Kimi K3 的 open weights 什麼時候釋出？
Moonshot 已承諾在 2026 年 7 月 27 日前以 Modified MIT 授權釋出完整權重；截至本文發布時，K3 仍僅提供 API。「史上最大開放權重模型」的說法目前只是一項承諾，尚未成為可下載的連結。這些權重即將加入的開放權重生態系中，快取如何運作的相關說明，可參閱開放權重 LLM 的提示快取。
跟 K2 系列相比，K3 真正的新東西是什麼？
從帳單來看，我們量到三件事：價格（K3 的 $3/$15 對比 K2.7-code 的 $0.95/$4，漲了 3.2-3.75 倍）、常駐 thinking（K2.5 完全不會推理，K2.7-code 則有開關），除此之外沒別的了：K3、K2.7-code 和 K2.5 的 tokenizer 在我們全部 23 個對齊樣本上都是逐位元組相同的，所以 K2 時代的 token 預算可以直接沿用。從規格表來看，依 Moonshot 的說法：全新的 2.8T 參數 MoE（896 個 expert，每個 token 啟用 16 個）搭配 Kimi Delta Attention、1M token 的 context window（K2.7-code 是 256K），以及原生圖片輸入。我們驗證的是帳單方面的說法，不是架構方面的。
Kimi K3 支援 structured output 嗎？
支援。在我們的測試中，帶 json_schema 的 response_format 回傳了符合 schema 的有效物件。要注意底下仍會跑推理：那次抽取呼叫的 97 個輸出 token 裡有 66 個是 reasoning，所以受 schema 約束的呼叫跟其他一切一樣要付 thinking 稅，除非你同時設定 reasoning_effort: "none"。
關掉推理會改變你能看到的內容嗎？
會。預設設定下，K3 會在 reasoning_content 裡回傳完整的思考鏈，文件建議在多輪對話歷史中原樣傳回。設定 reasoning_effort: "none" 後這個欄位會完全消失，那約 67 個 token 的 thinking 前言也會一併從你的 prompt 帳單上消失。
測試於 2026-07-20，使用 kimi-k3，採發表週的公告價（輸入 $3/M、快取 $0.30/M、輸出 $15/M）。重複的 prompt 加了 salt 以避開回應層級的快取；準確率統計採用有單一可驗證答案的任務；行為方面的說法在第二條獨立的請求路徑上重現過。隨著版本成熟，價格與行為可能變動；在依賴本文任何數字之前，請對照你自己的 usage 紀錄自行驗證。