Kimi K3.1 Pro API

Kimi K3.1 Pro là K3 được hậu huấn luyện mà Moonshot AI phát hành ngày 2026-10-23, với tổng 2.8T và 104B tham số kích hoạt, cửa sổ ngữ cảnh 1M và đầu vào hình ảnh và video gốc. Giá niêm yết là $2 đầu vào / $10 đầu ra mỗi triệu token, rẻ hơn K3 một phần ba. Trang này trình bày các benchmark chính thức và của bên thứ ba, so sánh với Claude Opus 5.5, K3 và GLM-5.3, phiên bản Highspeed thực sự nhanh hơn bao nhiêu, những gói Kimi Code nào có mô hình này, các lỗi và giới hạn request, cùng giá khóa API Wokey và ví dụ.

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.

KênhĐầu vàoĐọc cacheĐầu ra
API chính thức$2$0.2$10
OpenRouter$2$0.2$10
Wokey$0.8$0.08$4

· 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"

Tổng quan Kimi K3.1 Pro

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
Mô hình
Một K3 được hậu huấn luyện (post-training): cùng nền MoE tổng 2.8T, kích hoạt 104B nhưng với lượng tính toán hậu huấn luyện bằng học tăng cường lớn hơn nhiều; ngữ cảnh 1,048,576 token với đầu vào văn bản, hình ảnh và video gốc
Giá chính thức
K3.1 Pro có giá $2 đầu vào / $10 đầu ra mỗi triệu token, $0.20 cho trúng cache và $2 (5 phút) hoặc $4 (1 giờ) cho ghi cache, rẻ hơn K3 ($3 / $15) một phần ba. Highspeed tăng gấp đôi đầu vào, đầu ra và ghi cache ($4 / $20) nhưng giữ trúng cache ở $0.20
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
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. Các đánh giá nội bộ và an ninh mạng không được đưa vào.

BenchmarkKimi K3.1 ProClaude Opus 5.5GPT-6 AstraClaude Fable 5.1GLM-5.3DeepSeek V4.1 Flash 1017
Terminal-Bench 4.065.7%66.4%58.2%57.9%41.8%42.3%
SWE-Marathon v1.151.7%46.3%42.5%45.6%42.5%40.0%
DeepSWE v1.175.5%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 0.138.1%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-Full51.1%59.8%53.6%57.6%43.0%42.6%
GPQA Diamond94.2%93.9%96.1%93.7%91.7%92.2%
BrowseComp92.1%90.8%91.5%———
OSWorld V2.179.6%81.8%75.8%80.7%—69.3%
OfficeQA Pro v264.4%62.2%54.4%54.5%31.1%40.4%
GDPval-AA v2.1184618661573175416501746
MMMU-Pro84.1%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: K3.1 Pro, Claude Opus 5.5, K3 hay GLM-5.3

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.

So với GLM-5.3 và DeepSeek V4.1 Flash

Cả hai đều đạt 45 trên Artificial Analysis, thấp hơn K3.1 Pro 10 điểm. GLM-5.3 tốn $2.01 mỗi tác vụ, gần bằng mức $2.11 của K3.1 Pro, nên với cùng chi phí K3.1 Pro mạnh hơn rõ rệt và còn nhận được hình ảnh và video. DeepSeek V4.1 Flash 1017 chỉ tốn $0.26 mỗi tác vụ, khoảng một phần tám K3.1 Pro, và thậm chí nhỉnh hơn trên DeepSWE (77.0% vs 75.5%), nhưng chỉ đạt 42.3% trên Terminal-Bench 4.0. Dùng DeepSeek cho công việc đơn giản khối lượng lớn và K3.1 Pro cho các tác vụ agentic và đa phương thức phức tạp.

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.

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.

Tài liệu Kimi

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. Mọi hạng mục tính phí trên Wokey đều bằng 40% giá chính thức, nên cùng tác vụ đó tốn khoảng $0.84.
  • 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 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. 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 $0.80 đầu vào / $4.00 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",
  "reasoning_effort": "max",
  "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
Nhà cung cấp
moonshot, ollama, volcengine
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 phíWokeyTham chiếu chính thứcTiết kiệm
Input$0.8$260%
Output$4$1060%
Cache read$0.08$0.260%
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 80+ tài khoản

Thời gian đến token đầu tiên, prompt ngắn
2,7 giây (Trung vị · prompt dưới 8K token · p90 5,9 giây)
Thời gian đến token đầu tiên, prompt cỡ agent
5,1 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: Magpie 81%, DeepSeek Harness 13%. Tỷ lệ trong các yêu cầu từ client nhận diện được; 44% 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.

Tỷ lệ trúng cache theo client

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","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","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","max_tokens":1024,"messages":[{"role":"user","content":"Hello"}]}'

Dùng Kimi K3.1 Pro 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. Mở hướng dẫn cho client bạn đang dùng.

Câu hỏi thường gặp

Giá chính thức của Kimi K3.1 Pro là bao nhiêu và rẻ hơn K3 bao nhiêu?

Giá chính thức là $2 đầu vào / $10 đầu ra mỗi triệu token, $0.20 cho trúng cache và $2 (5 phút) hoặc $4 (1 giờ) cho ghi cache, không có bậc theo độ dài ngữ cảnh. Mức này rẻ hơn K3 ($3 / $15) một phần ba. Highspeed có giá $4 / $20, trúng cache vẫn là $0.20. Token suy luận được tính theo giá đầu ra. Trên OpenRouter, Moonshot hiện là nhà cung cấp duy nhất, với giá chính thức. Qua Wokey, kimi-k3.1-pro có giá $0.80 đầu vào / $4.00 đầu ra mỗi triệu token (40% giá chính thức), và giá đọc cache được giảm theo cùng tỷ lệ.

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.

Kimi K3.1 Pro và K3 khác nhau thế nào?

K3.1 Pro là một K3 được hậu huấn luyện với cùng kích thước (tổng 2.8T, 104B tham số kích hoạt) và lượng tính toán hậu huấn luyện lớn hơn nhiều. Chỉ số Artificial Analysis tăng từ 44 lên 55, giá chính thức giảm từ $3 / $15 xuống $2 / $10, tốc độ đầu ra theo đo đạc của Wokey tăng từ khoảng 45 lên 64–67 token/giây, và trong bài kiểm tra ảo giác nội bộ của Moonshot, tỷ lệ ảo giác ở cấp nhận định giảm từ 23.4% xuống 8.3%. Ràng buộc request không đổi: đổi model sang kimi-k3.1-pro và bắt đầu phiên mới. 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.

Kimi K3.1 Pro xếp hạng thế nào trên Artificial Analysis?

Trên Intelligence Index v4.3.2, K3.1 Pro đạt 55, xếp hạng 4 trên 215, chỉ sau Claude Opus 5.5 (58), Claude Sonnet 5.5 (56) và Muse Wonder Full (56). Mô hình đứng trên GPT-6 Astra (53) và Claude Fable 5.1, và cao hơn 10 điểm so với các mô hình mở GLM-5.3 và DeepSeek V4.1 Flash (cả hai đều 45). Mô hình dùng 150 triệu token đầu ra trên toàn bộ chỉ số, nên khá dài dòng; một tác vụ tốn $2.11 và tốc độ đầu ra khoảng 77 token/giây. Theo giá Wokey, cùng tác vụ đó tốn khoảng $0.84.

Kimi K3.1 Pro có mã nguồn mở không, và khi nào trọng số có trên Hugging Face?

Moonshot hứa công bố toàn bộ trọng số trên Hugging Face trước ngày 4 tháng 11 năm 2026; tính đến 10-24 trọng số vẫn chưa được công bố, nên hiện Artificial Analysis xếp mô hình vào nhóm độc quyền. K3.1 Pro dùng kiến trúc của K3 (tổng 2.8T, kích hoạt 104B), nên có thể lấy K3 làm tham chiếu phần cứng: trọng số MXFP4 gốc của K3 khoảng 1.56 TB, và công thức chính thức của vLLM cần ít nhất 8 GPU GB300 hoặc 8 GPU MI355X/MI350X trong một node. Cho đến khi trọng số được công bố, API là cách duy nhất để dùng mô hình.

Gói đăng ký Kimi Code (Coding Plan) nào có K3.1 Pro, và hạn mức có đủ không?

Các gói mới của Kimi Code có K3.1 Pro từ Plus trở lên (gói cũ từ Moderato), nhưng ngữ cảnh 1M cần Pro trở lên (gói cũ: Allegretto trở lên), và Highspeed chỉ có từ Pro trở lên với mức tiêu hao khoảng gấp đôi hạn mức. Hạn mức bị giới hạn bởi khung 5 giờ và tổng hằng tháng; một người dùng Hacker News ở gói $99 đã dùng hết hạn mức 5 giờ sau 47 phút trong một phiên duy nhất. Với nhu cầu dùng nhiều hoặc thông lượng ổn định, API trả theo token dễ lập kế hoạch hơn.

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.

Kimi K3.1 Pro có trên OpenCode Go không, và được dùng bao nhiêu?

Có. OpenCode Go bao gồm kimi-k3.1-pro (phục vụ qua Chat Completions), với mức dùng tính theo giá chính thức $2 / $10: Go ($10/tháng) cho K3.1 Pro $15 mỗi tháng, mà OpenCode ước tính khoảng 147 request mỗi 5 giờ và 735 request mỗi tháng; Go Plus ($40/tháng) cho $60, khoảng 2,941 request mỗi tháng. Khung 5 giờ bằng 20% giới hạn hằng tháng và khung tuần bằng 50%. Highspeed không có trong danh sách mô hình của Go. Bạn cũng có thể thêm một provider tương thích OpenAI tùy chỉnh trong OpenCode với base URL https://api.wokey.ai/v1 và model kimi-k3.1-pro, trả phí theo token ($0.80 đầu vào / $4.00 đầu ra mỗi triệu token).

Một khung 5 giờ của Kimi Code Max (¥699) chạy được bao nhiêu K3.1 Pro?

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, K3.1 Pro dùng khoảng 93.5% hạn mức 5 giờ của gói Max cho mỗi triệu token đầu vào không cache và khoảng 902% cho mỗi triệu token đầu ra (bao gồm thinking), nên một khung đủ cho khoảng 1.1 triệu token đầu vào không cache hoặc khoảng 111 nghìn token đầu ra. Highspeed dùng gấp đôi. 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%. 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 ($2 / $10 cho K3.1 Pro), hoặc chuyển sang API trả theo token, ví dụ kimi-k3.1-pro qua Wokey với giá $0.80 đầu vào / $4.00 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 là bao nhiêu và tiết kiệm được bao nhiêu so với API chính thức?

Wokey niêm yết đầu vào $0.8 cho mỗi 1 triệu token và đầu ra $4 cho mỗi 1 triệu token; giá tham chiếu chính thức là $2 và $10. 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 là gì?

ID mô hình của Kimi K3.1 Pro trên Wokey là kimi-k3.1-pro. 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 hỗ trợ những dạng API nào và gọi qua Wokey như thế nào?

Kimi K3.1 Pro 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; 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 trong Claude Code?

Claude Code gọi Kimi K3.1 Pro 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", 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 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 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 qua Wokey khác gì so với OpenRouter?

Wokey niêm yết Kimi K3.1 Pro ở mức $0.8 đầu vào / $4 đầu ra cho mỗi 1 triệu token, so với giá tham chiếu chính thức $2 / $10. 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 và Kimi K3.1 Pro Highspeed khác nhau thế nào về giá và ngữ cảnh?

Trong bảng so sánh giá đã công bố, Kimi K3.1 Pro niêm yết đầu vào/đầu ra ở mức $0.8 / $4 với cửa sổ ngữ cảnh 1,048,576 token; Kimi K3.1 Pro Highspeed niêm yết $1.6 / $8 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 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 2,7 giây với prompt dưới 8K token (p90 5,9 giây) và 5,1 giây với prompt agent 32K–128K token. Có 96% token đầu vào được đọc từ cache prompt. Các client được dùng nhiều nhất là Magpie và 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