Kimi K3.1 Pro Highspeed API
Kimi K3.1 Pro Highspeed là phiên bản nhanh mà Moonshot AI phát hành cùng K3.1 Pro ngày 2026-10-23: cùng mô hình và cùng benchmark, với đầu ra mà Moonshot cho biết nhanh hơn 2–3×, giá $4 đầu vào / $20 đầu ra mỗi triệu token, gấp đôi Pro. Trang này trình bày tốc độ đo thực tế của Wokey, cách chọn giữa Highspeed và Pro, giới hạn gói Kimi Code và các quy tắc request.
So sánh giá: API chính thức, OpenRouter và Wokey
USD cho mỗi triệu token. Giá API chính thức và OpenRouter được kiểm tra thủ công vào 2026-10-24, chưa gồm thuế; giá Wokey được đọc từ bảng giá trực tiếp.
| Kênh | Đầu vào | Đọc cache | Đầu ra |
|---|---|---|---|
| API chính thức | $4 | $0.2 | $20 |
| OpenRouter | $4 | $0.2 | $20 |
| Wokey | $1.6 | $0.08 | $8 |
· Trang giá chính thức · Danh sách endpoint OpenRouter
Dùng trong Claude Code
Mô hình này hỗ trợ /v1/messages trên Wokey. Đặt các biến môi trường sau rồi chạy claude.
export ANTHROPIC_BASE_URL="https://api.wokey.ai"
export ANTHROPIC_AUTH_TOKEN="$WOKEY_API_KEY"
export ANTHROPIC_MODEL="kimi-k3.1-pro-highspeed"Tổng quan Kimi K3.1 Pro Highspeed
- Highspeed
- Cùng một mô hình, Moonshot cho biết chạy nhanh hơn 2–3×. Wokey đo ngày 10-24 (endpoint Kimi Code, effort=high): Pro 64–67 token/giây, Highspeed 118–129 token/giây, nhanh hơn khoảng 1.9×; K3 chạy khoảng 45 token/giây trong cùng điều kiện
- Giá chính thức
- Highspeed có giá $4 đầu vào / $20 đầu ra mỗi triệu token, gấp đôi Pro ($2 / $10); trúng cache vẫn là $0.20, còn ghi cache là $4 (5 phút) hoặc $8 (1 giờ)
- Ngày phát hành
- 2026-10-23: K3.1 Pro và K3.1 Pro Highspeed có mặt trên ứng dụng web và di động Kimi, Kimi Work, Kimi Code và Kimi API ngay từ ngày đầu; Moonshot hứa công bố toàn bộ trọng số trên Hugging Face trước ngày 4 tháng 11
- Thinking và tham số
- Chỉ có chế độ thinking: tắt thinking sẽ trả về 400. reasoning_effort chấp nhận low / high / max với max là mặc định; temperature, top_p và các tham số sampling khác được cố định, cùng ràng buộc như K3
- Đánh giá độc lập
- Artificial Analysis Intelligence Index v4.3.2: 55, xếp hạng 4 trên 215, chỉ sau Claude Opus 5.5 (58), Sonnet 5.5 (56) và Muse Wonder Full (56), và cao hơn K3 11 điểm; $2.11 mỗi tác vụ, khoảng một phần ba so với Opus 5.5
- API và kênh
- ID mô hình là kimi-k3.1-pro và kimi-k3.1-pro-highspeed trên nền tảng Kimi, và k3.1-pro và k3.1-pro-highspeed trong Kimi Code. Wokey cung cấp /v1/chat/completions và /v1/messages (dùng được với Claude Code)
· Nguồn: Moonshot · K3.1 Pro quickstart · Pricing · Kimi Code models · Artificial Analysis
Benchmark chính thức: Kimi K3.1 Pro vs Opus 5.5 vs GPT-6 Astra vs Fable 5.1 vs GLM-5.3 vs DeepSeek
Từ blog kỹ thuật K3.1 Pro của Moonshot; đây là kết quả do nhà cung cấp tự công bố, và “—” nghĩa là không có điểm được công bố. Highspeed là cùng mô hình, nên điểm số giống hệt. Các đánh giá nội bộ và an ninh mạng không được đưa vào.
| Benchmark | Kimi K3.1 Pro | Claude Opus 5.5 | GPT-6 Astra | Claude Fable 5.1 | GLM-5.3 | DeepSeek V4.1 Flash 1017 |
|---|---|---|---|---|---|---|
| Terminal-Bench 4.0 | 65.7% | 66.4% | 58.2% | 57.9% | 41.8% | 42.3% |
| SWE-Marathon v1.1 | 51.7% | 46.3% | 42.5% | 45.6% | 42.5% | 40.0% |
| DeepSWE v1.1 | 75.5% | 74.2% | 74.1% | 67.4% | 66.9% | 77.0% |
| ProgramBench (binary) | 31.5% | 65.0% | 50.0% | 53.5% | 19.0% | 29.1% |
| Terminal-Bench Science 0.1 | 38.1% | 63.3% | 68.1% | 40.0% | 8.1% | 15.7% |
| BenchCAD (tools) | 92.7% | 96.2% | 95.9% | 92.6% | — | 81.6% |
| HLE-Full (tools) | 70.0% | 67.7% | 57.2% | 65.6% | 62.5% | 58.8% |
| HLE-Full | 51.1% | 59.8% | 53.6% | 57.6% | 43.0% | 42.6% |
| GPQA Diamond | 94.2% | 93.9% | 96.1% | 93.7% | 91.7% | 92.2% |
| BrowseComp | 92.1% | 90.8% | 91.5% | — | — | — |
| OSWorld V2.1 | 79.6% | 81.8% | 75.8% | 80.7% | — | 69.3% |
| OfficeQA Pro v2 | 64.4% | 62.2% | 54.4% | 54.5% | 31.1% | 40.4% |
| GDPval-AA v2.1 | 1846 | 1866 | 1573 | 1754 | 1650 | 1746 |
| MMMU-Pro | 84.1% | 87.7% | 86.9% | 86.3% | — | 80.6% |
Mọi điểm của K3.1 Pro đều dùng reasoning_effort=max, temperature=1.0 và top_p=0.95, với các benchmark lập trình chạy trong harness Claude Code; ba mô hình độc quyền chạy ở max có fallback. Hàng ProgramBench là điểm nhị phân (một tác vụ được tính khi đạt ≥95%), nên không so sánh được với điểm thô trên trang K3. Điểm HLE-Full của GLM-5.3 là trên tập con chỉ có văn bản.
Nên dùng mô hình nào: Highspeed hay Pro, và các mô hình khác
Pro hay Highspeed
Đây là cùng một mô hình với cùng điểm benchmark. Highspeed đắt gấp đôi và dùng khoảng gấp đôi hạn mức trong Kimi Code; theo đo đạc của Wokey, nó nhanh hơn khoảng 1.9× (118–129 vs 64–67 token/giây) và trả token đầu tiên sớm hơn khoảng một giây. Chọn Highspeed cho lập trình tương tác khi có người chờ câu trả lời; chọn Pro cho agent chạy nền, xử lý theo lô và các công việc có ngân sách token.
So với Claude Opus 5.5
Trên Intelligence Index v4.3.2 của Artificial Analysis, Opus 5.5 (max) đạt 58 và K3.1 Pro đạt 55, chỉ cách nhau 3 điểm, trong khi một tác vụ tốn $5.98 so với $2.11, với K3.1 Pro chỉ khoảng một phần ba. Bảng của Moonshot cho thấy hai mô hình gần ngang nhau trên Terminal-Bench 4.0 (65.7% vs 66.4%), và dữ liệu chi phí của tbench.ai cho thấy một tác vụ tốn khoảng $5.25 với K3.1 Pro và $14.30 với Opus 5.5. K3.1 Pro dẫn trước trên SWE-Marathon v1.1 (51.7% vs 46.3%), HLE có dùng tool (70.0% vs 67.7%) và OfficeQA Pro v2; Opus 5.5 mạnh hơn rõ rệt trên ProgramBench (65.0% vs 31.5%), Terminal-Bench Science (63.3% vs 38.1%) và HLE không dùng tool (59.8% vs 51.1%), và nhanh hơn (khoảng 96 vs 77 token/giây). Chọn K3.1 Pro cho agent lập trình dài hạn, phân tích tài liệu và tài chính, và khối lượng lớn nhạy với ngân sách; chọn Opus 5.5 cho các chương trình phức tạp cần chạy đúng ngay lần đầu và cho công việc khoa học.
Nâng cấp từ K3
Nên nâng cấp nếu dùng API trả theo token. K3.1 Pro cao hơn K3 11 điểm trên chỉ số (55 vs 44), giá niêm yết rẻ hơn một phần ba, và xuất khoảng 64–67 token/giây so với 45 của K3 theo đo đạc của Wokey. Ràng buộc request giống K3, nên chỉ cần đổi model từ kimi-k3 sang kimi-k3.1-pro. Kimi khuyên bắt đầu một phiên mới: chuyển giữa chừng một phiên K3 sẽ làm mất hiệu lực cache và có thể làm giảm chất lượng đầu ra. Hạn mức Kimi Code lại là chuyện khác: từ 10-27, trên các gói mới, cùng lượng token thì K3.1 Pro dùng hạn mức bằng 11× (đầu vào) và 14× (đầu ra) so với K3 (dữ liệu production của Wokey), nên với gói đăng ký có hạn mức eo hẹp, K3 dùng được lâu hơn nhiều.
Chọn effort
Không thể tắt thinking, và reasoning_effort chỉ chấp nhận low, high và max, với max là mặc định. Trên đường cong chi phí Terminal-Bench 4.0 mà Moonshot công bố, high đạt 52.8% với khoảng $4.16 mỗi tác vụ và max đạt 65.7% với khoảng $5.25: max tốn hơn 26% để có thêm 12.9 điểm. Giữ max cho lập trình và agent, dùng low cho hỏi đáp đơn giản và chuyển đổi định dạng. Token suy luận được tính theo giá đầu ra, và Artificial Analysis ghi nhận 150 triệu token đầu ra trên toàn bộ chỉ số, cao hơn 70% so với trung vị 87 triệu, nên hãy chừa dư địa trong ngân sách đầu ra.
Đánh giá của bên thứ ba và cộng đồng
- Artificial Analysis: Intelligence Index v4.3.2: 55, xếp hạng 4 trên 215. Mô hình dùng 150 triệu token đầu ra trên toàn bộ chỉ số (trung vị 87 triệu), tốn $2.11 mỗi tác vụ, tốc độ đầu ra khoảng 77 token/giây và mất khoảng 3.1 giây đến token đầu tiên. Mô hình được xếp vào nhóm độc quyền cho đến khi trọng số được công bố.
- Hacker News (thảo luận 542 điểm): Điểm được thảo luận nhiều nhất là việc Moonshot loại bỏ tài liệu về an ninh mạng khỏi dữ liệu huấn luyện: một số người thấy cách này bền vững hơn việc từ chối, số khác lo ngại về kỹ năng lập trình nói chung. Tiếp theo là hạn mức gói đăng ký của Kimi: một người dùng ở gói $99 đã dùng hết hạn mức 5 giờ sau 47 phút của một phiên. Những người khác lưu ý giá tại Trung Quốc thấp hơn K3 khoảng 30% và mô hình hiện xếp trên GPT-6 Astra và Fable 5.1 trên Artificial Analysis.
- Đo đạc của Wokey: Ngày 10-24, Wokey chạy cùng một prompt (một bài viết kỹ thuật khoảng 900 từ) ba lần cho mỗi mô hình tại endpoint Kimi Code (effort=high): K3.1 Pro đạt 64–67 token/giây, Highspeed 118–129 token/giây và K3 khoảng 45 token/giây. Cả chat/completions và định dạng messages mà Claude Code dùng đều trả về thinking bình thường; tắt thinking, top_p≠0.95 và URL hình ảnh công khai đều trả về 400.
Dùng K3.1 Pro Highspeed trong Claude Code và các quy tắc request cần kiểm tra
Các quy tắc này lấy từ tài liệu của Kimi và thử nghiệm của Wokey trên cả hai mô hình ngày 10-24. Hãy kiểm tra chúng trước khi chuyển từ K3 hoặc kết nối lần đầu.
- ID mô hình: nền tảng Kimi và Wokey dùng kimi-k3.1-pro / kimi-k3.1-pro-highspeed; khóa từ gói thành viên Kimi Code cần k3.1-pro / k3.1-pro-highspeed. Trong thử nghiệm của Wokey, gửi kimi-k3.1-pro tới Kimi Code trả về 400 “Your model id does not exist”.
- Không thể tắt thinking: thinking: {"type": "disabled"} trả về 400 “K3.1 Pro does not support disabled thinking mode”. Dùng reasoning_effort ở cấp cao nhất của request (low / high / max) để điều chỉnh mức suy nghĩ.
- temperature, top_p, n, presence_penalty và frequency_penalty được cố định ở 1.0, 0.95, 1, 0 và 0, và Kimi yêu cầu bỏ qua chúng; top_p=1 trả về 400 “invalid top_p: only 0.95 is allowed for this model”. Gateway Wokey áp dụng cùng quy tắc, nên kết quả không phụ thuộc vào upstream nào xử lý request.
- Trong hội thoại nhiều lượt và lời gọi tool, hãy gửi lại đầy đủ assistant message mà API trả về, bao gồm reasoning_content và tool_calls.
- Hình ảnh được gửi dưới dạng data URL base64 như data:image/png;base64,.... Trong thử nghiệm ngày 10-24 của Wokey, URL hình ảnh công khai trả về 400 “unsupported image url”, giống K3; video cũng được gửi dưới dạng base64.
- Trong Claude Code: đặt ANTHROPIC_BASE_URL thành https://api.wokey.ai, ANTHROPIC_AUTH_TOKEN thành khóa API Wokey của bạn và ANTHROPIC_MODEL thành kimi-k3.1-pro-highspeed. Wokey đã thử cả hai mô hình ngày 10-24 với định dạng /v1/messages mà Claude Code dùng, và khối thinking cùng văn bản được trả về bình thường; giá là $1.60 đầu vào / $8.00 đầu ra mỗi triệu token. OpenCode và các client tương thích OpenAI khác dùng /v1/chat/completions với base URL https://api.wokey.ai/v1.
Request body có hình ảnh (/v1/chat/completions)
{
"model": "kimi-k3.1-pro-highspeed",
"reasoning_effort": "high",
"messages": [{
"role": "user",
"content": [
{ "type": "image_url", "image_url": { "url": "data:image/png;base64,iVBORw0KGgo..." } },
{ "type": "text", "text": "Rebuild this CAD sketch as a parametric Blender script" }
]
}]
}- ID mô hình
kimi-k3.1-pro-highspeed- Nhà cung cấp
- moonshot
- Trạng thái nguồn cung
- Hiện có thể gọi
Ảnh chụp bảng giá danh mục
Giá tính cho mỗi 1 triệu token; việc quyết toán dựa trên giá tại thời điểm yêu cầu.
| Hạng mục tính phí | Wokey | Tham chiếu chính thức | Tiết kiệm |
|---|---|---|---|
| Input | $1.6 | $4 | 60% |
| Output | $8 | $20 | 60% |
| Cache read | $0.08 | $0.2 | 60% |
| Cache write | — | — | — |
Nguồn giá chính thức: https://platform.kimi.ai/docs/pricing/chat
Đo thực tế trên Wokey
28 ngày gần nhất (2026-10-13 đến 2026-11-09), cập nhật mỗi thứ Hai · Yêu cầu thực tế từ 30+ tài khoản
- Thời gian đến token đầu tiên, prompt ngắn
- 1,5 giây (Trung vị · prompt dưới 8K token · p90 2,5 giây)
- Thời gian đến token đầu tiên, prompt cỡ agent
- 5,7 giây (Trung vị · prompt 32K–128K token)
- Tỷ lệ trúng cache prompt
- 96% (Tỷ lệ token đầu vào được đọc từ cache)
Client dùng nhiều nhất: DeepSeek Harness 91%. Tỷ lệ trong các yêu cầu từ client nhận diện được; 8% yêu cầu nhận diện được client.
Cách đo
Thời gian đến token đầu tiên tính từ lúc gateway Wokey nhận yêu cầu đến nội dung stream đầu tiên (văn bản, tóm tắt suy luận hoặc từ chối). Con số này bao gồm thời gian xếp hàng, thử lại trên tài khoản khác và thời gian suy nghĩ của mô hình, nên dài hơn độ trễ token đầu tiên của chính upstream. Chỉ tính các yêu cầu streaming thành công, chia nhóm theo kích thước prompt (đầu vào cộng đọc và ghi cache).
Tỷ lệ trúng cache = token đọc từ cache ÷ token đầu vào trên các yêu cầu thành công. Tỷ lệ này phụ thuộc vào client và cách sử dụng; các trang tỷ lệ trúng cache phân tích chi tiết theo từng client.
Không tính tài khoản doanh nghiệp và tài khoản thử nghiệm của chính Wokey. Một mô hình được hiển thị khi có ít nhất 20 người dùng trong 28 ngày gần nhất và không người dùng nào gửi quá 50% số yêu cầu; các tài khoản đăng ký qua cùng một chuỗi giới thiệu được tính là một người dùng. Mỗi số liệu thời gian đến token đầu tiên cần ít nhất 500 yêu cầu.
Khả năng của mô hình
- Context
- 1,048,576 tokens
- Đầu ra tối đa
- 1,048,576 tokens
- Streaming
- Được hỗ trợ
- Tools
- Được hỗ trợ
- Vision
- Được hỗ trợ
- Các dạng API được hỗ trợ
/v1/chat/completions·/v1/responses·/v1/messages
Gửi yêu cầu
/v1/chat/completions
curl https://api.wokey.ai/v1/chat/completions \
-H "Authorization: Bearer $WOKEY_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"kimi-k3.1-pro-highspeed","messages":[{"role":"user","content":"Hello"}]}'/v1/responses
curl https://api.wokey.ai/v1/responses \
-H "Authorization: Bearer $WOKEY_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"kimi-k3.1-pro-highspeed","input":"Hello"}'/v1/messages
curl https://api.wokey.ai/v1/messages \
-H "x-api-key: $WOKEY_API_KEY" \
-H "anthropic-version: 2023-06-01" \
-H "Content-Type: application/json" \
-d '{"model":"kimi-k3.1-pro-highspeed","max_tokens":1024,"messages":[{"role":"user","content":"Hello"}]}'Dùng Kimi K3.1 Pro Highspeed trong công cụ của bạn
Gateway là https://api.wokey.ai (client tương thích OpenAI thường dùng https://api.wokey.ai/v1), và ID mô hình là kimi-k3.1-pro-highspeed. Mở hướng dẫn cho client bạn đang dùng.
- Dùng Kimi K3.1 Pro Highspeed trong Claude Code: Anthropic Messages · cài đặt base URL và khóa API
- Dùng Kimi K3.1 Pro Highspeed trong Codex: OpenAI Responses · cài đặt base URL và khóa API
- Dùng Kimi K3.1 Pro Highspeed trong Claude Desktop: Anthropic Messages · cài đặt base URL và khóa API
- Dùng Kimi K3.1 Pro Highspeed trong opencode: OpenAI Chat Completions · cài đặt base URL và khóa API
- Dùng Kimi K3.1 Pro Highspeed trong pi: Anthropic Messages · cài đặt base URL và khóa API
- Dùng Kimi K3.1 Pro Highspeed trong DeepSeek Harness: OpenAI Chat Completions · cài đặt base URL và khóa API
- Dùng Kimi K3.1 Pro Highspeed trong Z Code: Anthropic Messages · cài đặt base URL và khóa API
- Dùng Kimi K3.1 Pro Highspeed trong Cherry Studio: OpenAI Chat Completions · cài đặt base URL và khóa API
- Dùng Kimi K3.1 Pro Highspeed trong WorkBuddy: OpenAI Chat Completions · cài đặt base URL và khóa API
- Dùng Kimi K3.1 Pro Highspeed trong OpenClaw: OpenAI Chat Completions · cài đặt base URL và khóa API
- Dùng Kimi K3.1 Pro Highspeed trong Hermes Agent: OpenAI Chat Completions · cài đặt base URL và khóa API
- Dùng Kimi K3.1 Pro Highspeed trong Magpie: OpenAI Chat Completions · cài đặt base URL và khóa API
- Công cụ tính chi phí API Kimi: Kimi K3.1 Pro Highspeed tốn bao nhiêu mỗi tháng: So sánh chi phí hằng tháng trên Kimi API và Wokey theo mức sử dụng và tỷ lệ trúng cache của bạn.
- Giới hạn Kimi Code đo thực tế: một gói dùng được bao nhiêu Kimi K3.1 Pro Highspeed: Số token đo thực tế cho mỗi khung 5 giờ và mỗi tháng, cùng giá trị quy theo giá API.
- Giải pháp thay thế OpenRouter: Wokey so với OpenRouter: So sánh giá token, phí thanh toán, định dạng API và nguồn upstream.
- API AI có thể xác minh: những mô hình và định dạng API nào có bằng chứng phản hồi: Bằng chứng phản hồi hiện chỉ áp dụng cho phản hồi Claude Messages và GPT Responses được chuyển tiếp nguyên trạng trên tuyến chính thức.
Câu hỏi thường gặp
Kimi K3.1 Pro Highspeed nhanh hơn Pro bao nhiêu?
Moonshot nói là 2–3×. Ngày 10-24, Wokey chạy cùng một prompt ba lần trên mỗi mô hình tại endpoint Kimi Code (effort=high, khoảng 2,500–3,600 token đầu ra): Highspeed đạt 118–129 token/giây và Pro 64–67 token/giây, nhanh hơn khoảng 1.9×, với token đầu tiên sau 3.2–3.8 giây so với 3.9–5.2 giây của Pro. Tốc độ thay đổi theo tải và thời điểm trong ngày, nên hãy đo trên tác vụ của chính bạn.
Kimi K3.1 Pro Highspeed giá bao nhiêu và có đáng không?
Giá chính thức là $4 đầu vào / $20 đầu ra mỗi triệu token, gấp đôi Pro; trúng cache vẫn là $0.20, còn ghi cache là $4 (5 phút) hoặc $8 (1 giờ). Trong Kimi Code, nó dùng khoảng gấp đôi hạn mức. Đây là cùng một mô hình với cùng benchmark, nên trả gấp 2× để có tốc độ khoảng 1.9× chỉ đáng khi làm việc tương tác có người chờ câu trả lời. Qua Wokey, kimi-k3.1-pro-highspeed có giá $1.60 đầu vào / $8.00 đầu ra mỗi triệu token (40% giá chính thức), và giá đọc cache được giảm theo cùng tỷ lệ.
Gói đăng ký Kimi Code (Coding Plan) nào có K3.1 Pro Highspeed?
Highspeed có trên các gói mới của Kimi Code từ Pro trở lên (gói cũ từ Allegretto); Plus và Moderato chỉ có K3.1 Pro. Trong Kimi Code, ID mô hình là k3.1-pro-highspeed, và nó dùng khoảng gấp đôi hạn mức so với Pro; OpenCode Go không có Highspeed. Truy cập trả theo token qua Wokey không có bậc gói.
Kimi K3.1 Pro vs Claude Opus 5.5: mô hình nào tốt hơn?
Trên Intelligence Index v4.3.2 của Artificial Analysis, Opus 5.5 đạt 58 và K3.1 Pro đạt 55, chỉ cách nhau 3 điểm, nhưng một tác vụ tốn $5.98 so với $2.11, với K3.1 Pro chỉ khoảng một phần ba. Hai mô hình gần ngang nhau trên Terminal-Bench 4.0 (66.4% vs 65.7%); K3.1 Pro dẫn trước trên SWE-Marathon và HLE có dùng tool, còn Opus 5.5 mạnh hơn rõ rệt trên ProgramBench và công việc khoa học, và chạy nhanh hơn. Chọn K3.1 Pro cho agent dài hạn cần tiết kiệm ngân sách và Opus 5.5 cho các chương trình phức tạp cần chạy đúng ngay lần đầu.
Vì sao Kimi K3.1 Pro trả về “does not support disabled thinking mode”?
K3.1 Pro và Highspeed chỉ chạy ở chế độ thinking, nên request có thinking: {"type": "disabled"} trả về 400 “K3.1 Pro does not support disabled thinking mode”. Hãy xóa tham số thinking và giảm mức suy nghĩ bằng reasoning_effort: "low"; nếu hoàn toàn không cần thinking, hãy dùng mô hình khác.
Một khung 5 giờ của Kimi Code Max (¥699) chạy được bao nhiêu K3.1 Pro Highspeed?
Tối 10-24, Kimi tăng gấp đôi khung 5 giờ của các gói mới và giữ nguyên tổng hạn mức hằng tháng. Theo số đọc hạn mức trên gateway Wokey kể từ đó, Highspeed dùng khoảng 187% hạn mức 5 giờ của gói Max cho mỗi triệu token đầu vào không cache và khoảng 1804% cho mỗi triệu token đầu ra (bao gồm thinking), nên một khung đủ cho khoảng 535 nghìn token đầu vào không cache hoặc khoảng 55 nghìn token đầu ra. Mức này gấp đôi K3.1 Pro (93.5% / 902%). Từ 10-27, Kimi còn trừ hạn mức khoảng gấp mười lần cho mỗi token K3.1 trên các gói mới (K3 không đổi, và tỷ lệ K3.1 so với K3 trên các gói cũ cũng không đổi), và các số liệu trên là sau thay đổi đó: cùng lượng token, K3.1 Pro dùng hạn mức bằng 11× (đầu vào) và 14× (đầu ra) so với K3. Token trúng cache gần như không bị tính, còn lần ghi cache đầu tiên được tính như đầu vào thông thường, nên hãy tránh khởi động lại các phiên dài. Theo giá API chính thức của K3.1 Pro, một khung trị giá khoảng $2.1 nếu chỉ có đầu vào hoặc $1.1 nếu chỉ có đầu ra, khoảng $3.8 cho một phiên lập trình có 93% trúng cache và khoảng $6.8 ở mức 99% (Highspeed chỉ xử lý được một nửa số token trong một khung). Với khung lớn hơn, một tháng tương đương khoảng 12.5 khung 5 giờ (trước đây khoảng 25).
Kimi Code báo “You’ve reached your 5-hour usage limit”: phải làm gì?
Hạn mức 5 giờ cuộn của Kimi Code đã hết, và API trả về 429: “You’ve reached your 5-hour usage limit. Your quota will reset when the current 5-hour window ends.” Thử lại không có tác dụng; hãy chờ khung thời gian được làm mới, bảng điều khiển Kimi Code cho biết thời điểm đó. Từ tháng 10/2026, các gói mới (Plus trở lên) không có hạn mức hằng tuần, nhưng khung 5 giờ và tổng hạn mức hằng tháng dùng chung với ứng dụng web Kimi vẫn còn, và khi dùng hết tổng hạn mức hằng tháng, quyền truy cập sẽ bị tạm dừng cho đến khi được làm mới. Để tiếp tục, bạn có thể nâng cấp gói, bật Extra Usage, tính phí theo mức dùng với giá mà Kimi cho là gần với giá API ($4 / $20 cho Highspeed), hoặc chuyển sang API trả theo token, ví dụ kimi-k3.1-pro-highspeed qua Wokey với giá $1.60 đầu vào / $8.00 đầu ra mỗi triệu token và không có khung 5 giờ. Highspeed dùng khoảng gấp đôi hạn mức so với Pro, nên hãy chuyển về Pro khi hạn mức eo hẹp.
Giá API Kimi K3.1 Pro Highspeed là bao nhiêu và tiết kiệm được bao nhiêu so với API chính thức?
Wokey niêm yết đầu vào $1.6 cho mỗi 1 triệu token và đầu ra $8 cho mỗi 1 triệu token; giá tham chiếu chính thức là $4 và $20. Tức là đầu vào thấp hơn 60% và đầu ra thấp hơn 60%. Việc quyết toán dựa trên giá tại thời điểm xử lý yêu cầu, và nguồn bảng giá của nhà cung cấp được liên kết trên trang này.
ID mô hình API của Kimi K3.1 Pro Highspeed là gì?
ID mô hình của Kimi K3.1 Pro Highspeed trên Wokey là kimi-k3.1-pro-highspeed. Hãy dùng chính xác như vậy trong trường model của nội dung yêu cầu hoặc trong cài đặt mô hình của máy khách (ví dụ ANTHROPIC_MODEL trong Claude Code, hoặc model trong config.toml của Codex CLI); GET https://api.wokey.ai/v1/models cũng liệt kê ID này.
Kimi K3.1 Pro Highspeed hỗ trợ những dạng API nào và gọi qua Wokey như thế nào?
Kimi K3.1 Pro Highspeed hỗ trợ /v1/chat/completions (yêu cầu Chat Completions), /v1/responses (yêu cầu Responses) và /v1/messages (yêu cầu Messages). Đặt base URL của API là https://api.wokey.ai, xác thực bằng khóa API Wokey và dùng ID mô hình chuẩn kimi-k3.1-pro-highspeed; bạn có thể bắt đầu với /v1/chat/completions. Phần Gửi yêu cầu có ví dụ curl cho từng dạng API được hỗ trợ.
Làm sao để dùng Kimi K3.1 Pro Highspeed trong Claude Code?
Claude Code gọi Kimi K3.1 Pro Highspeed qua /v1/messages. Đặt ANTHROPIC_BASE_URL="https://api.wokey.ai", đặt ANTHROPIC_AUTH_TOKEN là khóa API Wokey của bạn và ANTHROPIC_MODEL="kimi-k3.1-pro-highspeed", rồi khởi động claude. Claude Desktop cũng dùng /v1/messages; hướng dẫn thiết lập trình bày từng bước cho cả hai.
Cửa sổ ngữ cảnh và đầu ra tối đa của Kimi K3.1 Pro Highspeed là bao nhiêu?
Cửa sổ ngữ cảnh theo danh mục là 1,048,576 token và đầu ra tối đa là 1,048,576 token. Đây là hai giới hạn riêng biệt, và mỗi yêu cầu cũng phải đáp ứng các ràng buộc upstream có hiệu lực tại thời điểm xử lý.
Đọc cache và ghi cache của Kimi K3.1 Pro Highspeed được tính giá như thế nào?
Đọc cache: Wokey niêm yết $0.08 cho mỗi 1 triệu token và giá tham chiếu chính thức là $0.2 cho mỗi 1 triệu token. Ghi cache: nhà cung cấp không công bố mục tính phí riêng, nên Wokey cũng hiển thị — làm giá công khai.
Gọi Kimi K3.1 Pro Highspeed qua Wokey khác gì so với OpenRouter?
Wokey niêm yết Kimi K3.1 Pro Highspeed ở mức $1.6 đầu vào / $8 đầu ra cho mỗi 1 triệu token, so với giá tham chiếu chính thức $4 / $20. OpenRouter cho biết họ không cộng thêm phí trên suy luận và thu phí khi bạn mua tín dụng (5.5% khi trả bằng thẻ). Wokey cung cấp một danh sách mô hình được chọn lọc và không có tham số định tuyến theo từng nhà cung cấp, nên OpenRouter phù hợp hơn nếu bạn cần danh mục rộng hơn. Trang thay thế OpenRouter có so sánh đầy đủ.
Kimi K3.1 Pro Highspeed và Kimi K3.1 Pro khác nhau thế nào về giá và ngữ cảnh?
Trong bảng so sánh giá đã công bố, Kimi K3.1 Pro Highspeed niêm yết đầu vào/đầu ra ở mức $1.6 / $8 với cửa sổ ngữ cảnh 1,048,576 token; Kimi K3.1 Pro niêm yết $0.8 / $4 với cửa sổ ngữ cảnh 1,048,576 token. Đây là so sánh thực tế về giá và dung lượng, không phải xếp hạng chất lượng; hãy so sánh thêm các dạng API và khả năng được hỗ trợ.
Kimi K3.1 Pro Highspeed trên Wokey nhanh đến mức nào?
Đo trên các yêu cầu thực tế qua gateway Wokey từ 2026-10-13 đến 2026-11-09: thời gian đến token đầu tiên trung vị là 1,5 giây với prompt dưới 8K token (p90 2,5 giây) và 5,7 giây với prompt agent 32K–128K token. Có 96% token đầu vào được đọc từ cache prompt. Các client được dùng nhiều nhất là DeepSeek Harness. Thời gian tính từ lúc gateway nhận yêu cầu, bao gồm xếp hàng, thử lại và thời gian suy nghĩ.
Mô hình và tài liệu liên quan
Lấy khóa API · kimi-k3.1-pro-highspeed