Kimi K3 API — языковая модель

Цены

Оплата за токены: входные (все сообщения, которые вы отправляете) и выходные (ответ, включая рассуждение) — по отдельным ставкам. Юниты резервируются в начале запроса и списываются по фактическому расходу в конце.

Кратко

Быстрый старт

Создайте ключ в кабинете и вызывайте совместимый с OpenAI эндпоинт напрямую или через официальный OpenAI SDK с другим base_url. Блок usage в каждом ответе содержит списанные юниты.

curl -s -X POST https://api.genmux.tech/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"kimi-k3","messages":[{"role":"system","content":"You are a concise assistant."},{"role":"user","content":"Explain idempotency keys in two sentences."}],"max_tokens":200}'

{
  "id": "0d8b6a3e-2f1c-4a5b-9c1d-7e2f3a4b5c6d",
  "object": "chat.completion",
  "created": 1756411279,
  "model": "kimi-k3",
  "choices": [
    {"index": 0, "message": {"role": "assistant", "content": "…"}, "finish_reason": "stop"}
  ],
  "usage": {"prompt_tokens": 31, "completion_tokens": 58, "total_tokens": 89, "cost": 0.063, "cost_source": "vendor"}
}

curl -sN -X POST https://api.genmux.tech/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"kimi-k3","messages":[{"role":"system","content":"You are a concise assistant."},{"role":"user","content":"Explain idempotency keys in two sentences."}],"max_tokens":200,"stream":true}'

data: {"id":"0d8b6a3e-…","object":"chat.completion.chunk","model":"kimi-k3","choices":[{"index":0,"delta":{"role":"assistant","content":"An"},"finish_reason":null}]}

data: {"id":"0d8b6a3e-…","object":"chat.completion.chunk","model":"kimi-k3","choices":[{"index":0,"delta":{"content":" idempotency"},"finish_reason":null}]}

…

data: {"id":"0d8b6a3e-…","object":"chat.completion.chunk","model":"kimi-k3","choices":[{"index":0,"delta":{},"finish_reason":"stop"}]}

data: {"id":"0d8b6a3e-…","object":"chat.completion.chunk","model":"kimi-k3","choices":[],"usage":{"prompt_tokens":31,"completion_tokens":58,"total_tokens":89,"cost":0.063,"cost_source":"estimated"}}

data: [DONE]

import os
from openai import OpenAI

client = OpenAI(base_url="https://api.genmux.tech/v1", api_key=os.environ["API_KEY"])

completion = client.chat.completions.create(
    model="kimi-k3",
    messages=[
        {"role": "system", "content": "You are a concise assistant."},
        {"role": "user", "content": "Explain idempotency keys in two sentences."},
    ],
    max_tokens=200,
)

print(completion.choices[0].message.content)
print(completion.usage.total_tokens, "tokens,", completion.usage.model_extra["cost"], "credits")

import OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.genmux.tech/v1", apiKey: process.env.API_KEY });

const completion = await client.chat.completions.create({
  model: "kimi-k3",
  messages: [
    { role: "system", content: "You are a concise assistant." },
    { role: "user", content: "Explain idempotency keys in two sentences." },
  ],
  max_tokens: 200,
});

console.log(completion.choices[0].message.content);
console.log(completion.usage.total_tokens, "tokens,", completion.usage.cost, "credits");

// Streaming: the final chunk carries usage
const stream = await client.chat.completions.create({
  model: "kimi-k3",
  messages: [{ role: "user", content: "Explain idempotency keys in two sentences." }],
  stream: true,
});
for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? "");
  if (chunk.usage) console.log(`\n${chunk.usage.total_tokens} tokens, ${chunk.usage.cost} credits`);
}

import os
from openai import OpenAI

client = OpenAI(base_url="https://api.genmux.tech/v1", api_key=os.environ["API_KEY"])

stream = client.chat.completions.create(
    model="kimi-k3",
    messages=[{"role": "user", "content": "Explain idempotency keys in two sentences."}],
    max_tokens=200,
    stream=True,
)

for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)
    if chunk.usage:  # the last chunk: token counts and the credits charged
        print(f"\n{chunk.usage.total_tokens} tokens, {chunk.usage.model_extra['cost']} credits")

Частые вопросы

Что такое Kimi K3 API?

Флагманская модель Kimi от Moonshot с огромным окном контекста — для очень длинных документов и агентов. Kimi K3 входит в семейство Kimi K3 от Moonshot. Веса опубликованы под лицензией Modified MIT, так что модель можно развернуть и самостоятельно; здесь она доступна как управляемый API. В genmux API модель доступна через совместимый с OpenAI эндпоинт chat completions с окном контекста 1M токенов; оплата за токены предоплаченными юнитами.

Сколько стоит Kimi K3 за 1M токенов?

Входные токены стоят 197,028 юнита за 1M (около 205,40 ₽ по цене пакета «Scale»), выходные — 985,815 юнита за 1M (около 1 027,71 ₽). Все сообщения запроса — системное, пользовательские и предыдущие ответы ассистента — считаются входом; ответ, включая рассуждение, — выходом. Месяц с 750 000 токенов на входе и 250 000 токенов на выходе обойдётся в 394,225 юнита, около 410,98 ₽. Юниты предоплачены: ни подписки, ни оплаты за пользователя нет.

С какими моделями сравнима Kimi K3?

Единственный тариф Kimi в нашем каталоге; главное отличие — исключительно длинное окно контекста. Все модели каталога доступны через один эндпоинт и один ключ, так что сравнение сводится к замене поля model и чтению блока usage в каждом ответе; GET /v1/models показывает контекст, лимиты и цены всех моделей рядом.

Когда Kimi K3 стоит своей цены по сравнению с более дешёвой моделью?

Когда качество ответа — это и есть продукт: обычный чат и ассистенты, пошаговое рассуждение, многошаговые агентные циклы и длинные документы. Рутинный трафик — короткие классификации, черновики, извлечение данных — отправляйте на более дешёвую модель, а Kimi K3 оставьте для вызовов, где она действительно нужна. С одним ключом и одним форматом запроса такое разделение — правило маршрутизации в вашем коде, а не вторая интеграция.

Какие у Kimi K3 окно контекста и лимит max_tokens?

1M токенов контекста — общих для промпта и ответа. max_tokens ограничивает ответ: модель принимает до 16 384, а без поля использует 2 048. Промпт, не оставляющий места для ответа, отклоняется с ошибкой 400 context_length_exceeded до какого-либо списания, а ответ, обрезанный лимитом, завершается с finish_reason «length».

Поддерживает ли Kimi K3 стриминг?

Да. Передайте "stream": true — ответ придёт как text/event-stream: по одному chat.completion.chunk на токен в строках data:, затем финальный чанк с пустым массивом choices и объектом usage — prompt_tokens, completion_tokens, total_tokens и cost, то есть списанные юниты, — и в конце data: [DONE]. Читайте usage из последнего чанка; в OpenAI SDK это chunk.usage. Если провайдер упал посреди стрима, придёт кадр data: {"error": {...}}, а затем [DONE].

Можно ли использовать OpenAI SDK с Kimi K3?

Да. Укажите base_url https://api.genmux.tech/v1, в api_key передайте ключ genmux API, а в model — "kimi-k3". Chat completions с сообщениями system, user и assistant, стриминг, max_tokens, temperature, top_p и stop работают как в SDK. Инструменты и вызов функций тоже работают как в SDK, а response_format json_object / json_schema проверяется по схеме. n больше 1 и logprobs отклоняются с 400 unsupported_parameter, а не игнорируются молча.

Поддерживает ли Kimi K3 вызов инструментов (tools) в агентах для кода?

Да. Передавайте tools и tool_choice как в OpenAI API; ответ содержит tool_calls (в стриме — delta.tool_calls), а результаты возвращаются сообщениями role: tool. Вызов функций эмулируется на стороне API — инструменты подставляются в промпт и разбираются обратно, — поэтому модель работает с OpenCode, Cline, Roo Code, Continue и любым циклом на OpenAI SDK; описания инструментов считаются входными токенами (около 40 на инструмент плюс схема). Конфиги и измеренная надёжность — на странице агентов для кода.

Что спишется, если запрос не удался или я прервал стрим?

Ничего, если токены не были сгенерированы: отклонённый запрос, 503 model_unavailable или 502 upstream_error возвращают резерв полностью. Юниты резервируются под оценку промпта плюс min(max_tokens, 2 048) выходных токенов и по завершении вызова списываются по фактическому расходу — неиспользованный резерв освобождается. Если вы закрыли стрим раньше, оплачиваются только токены, сгенерированные до этого момента.

Какие лимиты и как устроены API-ключи?

У каждого ключа есть лимит запросов в секунду (по умолчанию 10), а у аккаунта — лимит одновременных запросов (по умолчанию 20); при превышении любого из них вернётся 429 rate_limited с заголовком Retry-After. Ключи создаются в кабинете, показываются один раз, могут иметь список разрешённых IP и срок действия. Один ключ работает со всеми моделями каталога — и текстовыми, и графическими.

Храните ли вы мои промпты и ответы?

Нет. В записи о генерации остаются превью последнего сообщения пользователя (до 200 символов), число сообщений, SHA-256-хеш сообщений, количество токенов и стоимость — но не сами сообщения и не ответ. GET /v1/generations/{id} возвращает эту запись для сверки расходов; содержимое существует только в вашем процессе и у провайдера модели на время вызова.

Можно ли использовать ответы Kimi K3 в коммерческих целях?

Да. По нашим условиям использования права на текст, который модель пишет для вас (в объёме, который мы можем передать), переходят к вам, и его можно использовать коммерчески — при условии, что промпты и сценарий использования не нарушают условия и политику провайдера модели. Перед запуском публичного продукта прочитайте условия.

Как перейти с Kimi K3 на другую модель?

Поменяйте поле model — больше в запросе ничего не меняется, ключ и баланс те же. GET /v1/models перечисляет все id с окном контекста, лимитами и ценами и отмечает, какие модели принимают enable_thinking, web_search и изображения.

Почитать по теме

• Вызов функций на DeepSeek, Qwen и Doubao: эмуляция

  Как genmux даёт OpenAI-совместимые tools для DeepSeek, Qwen3 и Doubao, когда шлюз вендора отбрасывает поле tools: теги, терпимый парсер, результаты, JSON mode.

  7 сентября 2026 г.

• Thinking-режим: когда включать рассуждения и сколько стоит

  Как работает enable_thinking в чат-моделях genmux, почему токены рассуждений тарифицируются как выходные, и разбор примера влияния на счёт.

  7 сентября 2026 г.

• Стриминг ответов LLM по SSE и стоимость в последнем чанке

  Разбор потока server-sent events genmux для чат-completions на Python и Node, поиск объекта usage в последнем чанке, обработка обрыва стрима.

  7 сентября 2026 г.

Другие модели

Тот же ключ и тот же формат запроса — достаточно поменять поле model.

• Doubao Seed 2.0 Pro API

  doubao-seed-2-pro

  Флагманская модель Doubao от ByteDance со зрением и веб-поиском — для сложного рассуждения и мультимодальных задач.

  88,61 ₽ вход · 425,34 ₽ выход за 1M токенов

• Doubao Seed 2.0 Code API

  doubao-seed-2-code

  Модель Doubao, заточенная под код, со зрением — для агентного кодинга, рефакторинга и работы по скриншотам UI.

  88,61 ₽ вход · 425,34 ₽ выход за 1M токенов

• Doubao Seed 2.0 Lite API

  doubao-seed-2-lite

  Средний тариф Doubao со зрением — ассистенты общего назначения и чат с изображениями дешевле, чем Pro.

  17,72 ₽ вход · 88,61 ₽ выход за 1M токенов

• Doubao Seed 2.0 Mini API

  doubao-seed-2-mini

  Самая доступная модель Doubao со зрением — массовый чат с низкой задержкой и простые задачи с изображениями.

  2,24 ₽ вход · 70,89 ₽ выход за 1M токенов

• Claude Opus 5.5 API

  claude-opus-5-5

  Старшая модель Claude Opus от Anthropic — сильное рассуждение и агентный кодинг с большим окном контекста для сложных многошаговых задач.

  153,12 ₽ вход · 765,61 ₽ выход за 1M токенов

• Claude Fable 5.1 API

  claude-fable-5-1

  Премиальная модель Claude от Anthropic для длинных текстов — чистовое письмо и редактирование с большим окном контекста.

  1 772,25 ₽ вход · 1 772,25 ₽ выход за 1M токенов

• Модели генерации изображений

  На тот же ключ и баланс доступна генерация изображений: Nano Banana, Seedream, Qwen-Image, FLUX и другие, с оплатой за изображение.

  • Nano Banana
  • Nano Banana Pro
  • Qwen-Image 2.0
  • Qwen-Image Max
  • Seedream 5.0
  • Wan 2.7 Image