Kimi K3 API
Kimi K3 を選択
ビジュアル重視のフロントエンド試作、大規模リポジトリ、多数の根拠資料、長時間稼働するエージェント、105万 Token の作業コンテキストを活かす複雑な知識タスク向けのプレミアムルートです。
Kimi K3
Moonshot のフラッグシップ推論モデル
kimi-k3スクリーンショットからの UI 再現、インタラクティブな試作、リポジトリ全体の開発、複数文書の統合、ツールを多用するエージェント。
Kimi K3 pricing
Estimate a request with the same interactive pricing experience as GPT-5.6. All user groups use the official Kimi K3 rate.
Token calculator
Enter the token mix for one request.Estimated request cost
Kimi K3Minimum charge: 0.01 credits per request.
Budget guide
Approximate requests using the current token mix.For quick testing
For regular development
For production evaluation
Model pricing
| Model | Context | Input tokens | Cache read tokens | Output tokens |
|---|---|---|---|---|
Kimi K3kimi-k3 | All context sizes | $3.000 / 1M204 cr / 1M$3.000 official price | $0.300 / 1M20.4 cr / 1M$0.300 official price | $15.000 / 1M1020 cr / 1M$15.000 official price |
Kimi K3
All context sizesUSD and credits are shown per 1M tokens. Live backend pricing takes priority over these frozen fallback rates.
長文コンテキストとエージェント向け Kimi K3 API
ビジュアル重視のフロントエンド試作、大規模リポジトリ、エージェント、105 万 Token コンテキスト、プロンプトキャッシュ、2 つの API プロトコルで Kimi K3 を利用できます。
本番モデル構成における Kimi K3 の役割
最新モデルだからという理由だけで Kimi K3 を既定ルートにするべきではありません。長いコンテキスト、継続的な推論、複雑なツール連携によって再試行や人手修正を減らせるタスクで最も価値を発揮します。
大規模リポジトリと複数ファイルにまたがる変更
アーキテクチャ資料、関連サービス、テスト履歴、複数ファイルの制約を同時に扱う開発に向いています。単独のコード生成品質ではなく、採用できるパッチとレビュー時間で評価します。
長文ドキュメントと複数資料の分析
仕様書、論文、契約書、ログ、ナレッジベースの根拠を同じ作業コンテキストに保持できます。ただし 1M Token の容量が検索や文書構造の代わりになるわけではありません。
複数段階でツールを呼び出すエージェント
ツール選択、構造化出力、コード実行、外部操作を繰り返すワークフローに適します。アシスタントメッセージ、ツール呼び出し ID、引数、結果をターン間で完全に保持する必要があります。
単純なタスクは軽量モデルに残す
短い会話、分類、書き換え、単純抽出では最大推論や 1M Token が不要な場合が多いため、難易度が上がったときだけ K3 に切り替えます。
Kimi K3 API を導入する前に確認したい 4 つのポイント
公開直後のコミュニティ検証では、ビジュアル制作やフロントエンドに強みが見られる一方、実運用での速度、コスト、長時間タスクの安定性はまだ評価途中です。Kimi K3 APIは、実際のワークロードで比較することが重要です。
ビジュアル制作とフロントエンドで好感触
初期のコミュニティテストでは、画像の理解、スクリーンショットからのUI再現、アニメーション、インタラクティブなWeb制作が高く評価されています。Kimi K3 APIは、画面設計やプロトタイプを素早く形にしたいチームにとって有力な選択肢です。
コーディング性能はリポジトリ単位で検証
フロントエンドのデモは好評ですが、複雑なバックエンド改修、複数ファイルにまたがる変更、ツール呼び出し、長時間のエージェント実行については、独立した検証がまだ十分ではありません。導入前に、自社リポジトリで成功率と修正品質を確認してください。
単価より「完了したタスク当たり」で比較
Kimi K3 APIの実質的なコストは、入力・出力単価だけでは判断できません。応答開始までの時間、推論で消費するトークン数、再試行回数、レビューを通過したタスク数まで計測し、完了タスク当たりの時間と費用で比較するのが現実的です。
オープンウェイトへの期待と運用上の現実
オープンウェイトとセルフホスティングへの関心は高いものの、2.8T級のモデルは一般的なローカル環境で扱える規模ではありません。GPUメモリ、分散推論、量子化、スループット、運用コストを含めたインフラ設計が必要です。
Kimi K3 が複雑なワークロードを処理できる理由
長いコンテキスト、継続的な推論、再利用可能なプロンプトのプレフィックスを組み合わせて初めて効果が生まれます。容量だけでは品質は上がらず、関連情報、構造、出力予算が必要です。
1M Token は作業領域であり、埋める目標ではない
1,048,576 Token のウィンドウに関連コード、仕様、過去のツール結果を保持し、過度な分割を減らせます。不要な情報による注意分散とコストを避けるため、検索とコンテキスト圧縮は引き続き重要です。
継続的な推論には出力予算が必要
長い分析、計画、実行に向いていますが、推論 Token と最終回答 Token の両方が使用量になります。131,072 Token は容量であり、通常の回答長ではありません。
プロンプトキャッシュは安定したプレフィックスで効果を発揮
リポジトリ指示、システムプロンプト、参照資料、ツールスキーマの順序と構造が安定しているほどキャッシュを再利用しやすくなります。大きな変更では長いプレフィックスの再処理が発生します。
Kimi K3 に本番トラフィックを送る前の確認事項
適切なワークロードでも、誤ったモデル ID、別製品の上限、欠落したエージェント状態によって失敗します。モデル品質を評価する前に、リクエスト経路と会話状態を確認します。
文書化された API モデル ID を使用
Chat Completions と Anthropic Messages の両方で kimi-k3 を使用します。
コンテキスト上限がどの製品経路のものか確認
EvoLink ルートは 1,048,576 Token です。一部のコーディングクライアントや Kimi プランではより小さい既定上限が表示されるため、実際のルートと設定を確認します。
アシスタントとツールの状態を完全に再送
マルチターンのエージェントでは、アシスタントメッセージ、推論内容、ツール呼び出し ID、引数、結果が必要です。最終テキストだけでは状態の連続性が失われます。
ルートを大きく変更したら新しいセッションを開始
モデルや主要設定の変更で再利用可能なコンテキストが無効になる場合があります。新しいセッションでキャッシュヒット、出力長、ツール動作を再計測します。
Token 単価ではなく、採用できるタスクあたりのコストを比較
Kimi K3 がプレミアムルートとして妥当なのは、同じ本番タスクで分割、再試行、ツール失敗、人手修正を減らせる場合です。同一のタスクセットで比較します。
K3 が少ない再試行とレビューで利用可能な結果を返すなら、高い Token 単価でも総コストは下がります。その差が出なければ軽量ルートを維持します。
実ワークロードの検証後に長文コンテキストモデルを比較
EvoLinkまず Kimi K3 が再試行とレビューを減らすか確認し、その後に料金、コンテキスト、キャッシュ、用途を比較して本番ルートを選びます。
| モデル | Kimi K3 | Claude Opus 4.8 | Gemini 3.1 Pro |
|---|---|---|---|
| 入力 / 出力 | $3 / $15 | $4.5 / $22.5 | $1.68 / $10.08 |
| コンテキスト | 1.05M | 1M | 1M |
| キャッシュ | 自動キャッシュ読み取り | 読み取り + 書き込み | コンテキストキャッシュ |
| 適した用途 | スクリーンショットからの UI 再現、インタラクティブな試作、リポジトリ全体の開発、複数文書の統合、ツールを多用するエージェント。 | 長時間のコーディングエージェントと複雑なレビュー向けのプレミアム基準。 | 文書中心の作業と視覚的根拠に対応する長文コンテキストのマルチモーダルルート。 |
関連モデル
本番導入に役立つ関連記事
Kimi K3 API よくある質問
Kimi K3 API は EvoLink で利用できますか？
はい。本番モデルとして利用でき、ライブ料金と公式フォールバック料金に対応しています。
Kimi K3 API のモデル ID は何ですか？
Chat Completions と Anthropic Messages の両方で kimi-k3 を使用します。
OpenAI SDK や Anthropic Messages を継続利用できますか？
はい。同じ EvoLink API Key で Chat Completions または Anthropic Messages 互換リクエストを利用できます。
コンテキストは 1M ですか、それとも 256K ですか？
EvoLink ルートは 1,048,576 Token です。256K は特定の Kimi Code プランやクライアント設定に由来します。
1M Token のコンテキストをどう使うべきですか？
関連するコード、文書、ツール結果を保持しつつ、検索、安定したプロンプトのプレフィックス、コンテキスト圧縮を使い、無理に埋めないでください。
Kimi K3 API はフロントエンド開発に向いていますか？
初期のコミュニティテストでは、スクリーンショットからの UI 再現、Web プロトタイプ、アニメーション、視覚的な表現で良い評価が見られます。ただし、デザインの再現性やコード品質は要件によって変わるため、実際の画面と開発ルールを使った検証をおすすめします。
Kimi K3 API の速度とトークン効率はどう評価すべきですか？
公開直後の報告には、複雑なタスクで思考時間が長くなるという声もあります。単純な応答速度だけでなく、完了までの時間、総トークン数、再試行回数、採用できた成果物の割合を記録し、タスク単位で評価してください。
モデル変更後に Token 使用量が増えるのはなぜですか？
大きな変更で再利用可能なコンテキストが無効になる場合があります。新しいセッションでキャッシュヒットと出力長を再計測してください。
出力予算はどのように設定しますか？
タスク難易度に合わせて制限し、推論と最終回答の Token を監視します。131,072 Token は容量であり通常の目標ではありません。
リアルタイムや大量処理の既定モデルに適していますか？
先にレイテンシとコストを検証してください。短い会話、分類、単純抽出は軽量モデルが適しています。
GPT、Claude、GLM、DeepSeek とどう比較しますか？
K3 は長文コンテキストと複雑なエージェント、GPT と Claude は最先端モデルの性能基準、GLM と DeepSeek はコスト基準として評価します。
本番評価では何を計測すべきですか？
初回成功率、採用成果物、再試行、出力 Token、キャッシュヒット率、有効なツール呼び出し、所要時間、人手修正、フォールバック率を計測します。