Kimi K3 API

Kimi K3.1 Pro ist da

Am 2026-10-23 hat Moonshot K3.1 Pro veröffentlicht, ein nachtrainiertes K3: Der Index von Artificial Analysis stieg von 44 auf 55, der offizielle Preis fiel von $3 / $15 auf $2 / $10, und die Ausgabe ist schneller. Die Einschränkungen bei den Request-Parametern sind dieselben wie bei K3, es reicht also, model auf kimi-k3.1-pro zu ändern.

Kimi K3.1 Pro ansehen

Preisvergleich: offizielle API, OpenRouter und Wokey

USD pro 1 Mio. Token. Die Preise der offiziellen API und von OpenRouter wurden am 2026-09-23 von Hand geprüft, ohne Steuern; der Wokey-Preis stammt aus der aktuellen Preisliste.

Der günstigste Host auf OpenRouter ist Sail Research mit einer fp4-quantisierten Version ($1.4989 Eingabe / $10.758 Ausgabe). Die Ausgabe quantisierter Versionen kann von den offiziellen Gewichten abweichen, deshalb steht sie nicht in der Tabelle.

Geprüft am 2026-09-23 · Offizielle Preisseite · Endpunktliste von OpenRouter

In Claude Code verwenden

Dieses Modell unterstützt auf Wokey /v1/messages. Setze diese Umgebungsvariablen und starte dann claude.

export ANTHROPIC_BASE_URL="https://api.wokey.ai"
export ANTHROPIC_AUTH_TOKEN="$WOKEY_API_KEY"
export ANTHROPIC_MODEL="kimi-k3"

Kimi K3 API: Schnellstart

Hol dir einen Wokey-API-Key und sende in drei Schritten deine erste Anfrage.

1. API-Key holen

   Registriere dich bei Wokey oder melde dich an, öffne die API-Konsole und erstelle und kopiere in der API-Key-Verwaltung einen Key. Prüfe vor dem ersten Aufruf, ob Guthaben verfügbar ist.

2. Client konfigurieren

   Trage die Base URL unten in deinen OpenAI-kompatiblen Client ein, gib deinen Wokey-API-Key an und wähle kimi-k3 als Modell.

3. Erste Anfrage senden

   Ersetze YOUR_WOKEY_API_KEY im Beispiel durch deinen eigenen Key und führe es im Terminal aus. Die Antwort steht in choices; Nutzung und Kosten siehst du in der API-Konsole.

Wokey-API-Key holen · API-Dokumentation

Base URL für den Client

https://api.wokey.ai/v1

Modell-ID

kimi-k3

Vollständige Anfrage-URL

https://api.wokey.ai/v1/chat/completions

Die Base URL für den Client enthält bereits /v1. Das curl-Beispiel nutzt die vollständige Anfrage-URL.

Minimale Anfrage

export WOKEY_API_KEY="YOUR_WOKEY_API_KEY"

curl https://api.wokey.ai/v1/chat/completions \
  -H "Authorization: Bearer $WOKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kimi-k3",
    "messages": [{"role": "user", "content": "Hello, Kimi!"}],
    "max_tokens": 1024
  }'

Kimi K3 im Überblick

Veröffentlichung

2026-07-17, vom ersten Tag an in der Web-App von Kimi, der Desktop-App Kimi Work, Kimi Code und auf der Kimi-API-Plattform; die vollständigen Gewichte wurden am 2026-07-27 auf Hugging Face veröffentlicht

Positionierung

Laut Moonshot liegt K3 insgesamt noch hinter Claude Fable 5 und GPT-5.6 Sol, hat in den eigenen Auswertungen aber alle anderen Modelle übertroffen; als Agenten-Framework empfiehlt Moonshot Kimi Code CLI

Modell und Gewichte

Ein MoE mit 2.8T Parametern, davon 104B aktiv, das jedes Token an 16 von 896 Experten leitet und auf Kimi Delta Attention und Attention Residuals aufbaut; Gewichte unter moonshotai/Kimi-K3, bereits im Training auf MXFP4 quantisiert, insgesamt etwa 1.56 TB, unter der Kimi K3 License

Kontext und Ausgabe

Kontext von 1,048,576 Token; max_completion_tokens steht standardmäßig auf 131,072 und lässt sich bis 1,048,576 setzen; native Eingabe von Text, Bild und Video, Ausgabe als Text

Thinking und Effort

Thinking ist immer aktiv, Antworten enthalten reasoning_content; reasoning_effort akzeptiert low / high / max mit max als Standard (zum Start gab es nur max); temperature, top_p und die übrigen Sampling-Parameter sind fest vorgegeben und sollten weggelassen werden

Offizieller Preis

$3 Eingabe / $15 Ausgabe pro 1 Mio. Token und $0.30 für Cache-Treffer; keine Preisstufen nach Kontextlänge

API und Tools

Die Kimi-Plattform bietet OpenAI- und Anthropic-kompatible APIs mit Tool-Aufrufen (tool_choice kann required sein), strukturierter Ausgabe per json_schema und Kontext-Caching; Wokey stellt /v1/chat/completions und /v1/messages bereit

Geprüft am 2026-10-02 · Quellen: Moonshot · Hugging Face · K3 quickstart · Pricing · Artificial Analysis

Offizielle Benchmarks: Kimi K3 vs Fable 5 vs GPT-5.6 Sol vs Opus 4.8 vs GLM-5.2

Aus der Model Card von Moonshot auf Hugging Face; es sind vom Anbieter selbst gemeldete Ergebnisse, „—“ bedeutet, dass kein Wert veröffentlicht wurde. Verglichen wird mit den Modellen, die zum Start von K3 (2026-07) aktuell waren – die später erschienenen Claude Opus 5.5 und GLM-5.3 stehen daher nicht in der Tabelle; diese Vergleiche findest du unten unter „Was passt“.

Alle Werte von K3 wurden mit reasoning_effort=max und temperature=1.0 erzielt. Die Spalte Fable 5 lief mit Fallback, die Spalte GPT-5.5 der Model Card ist weggelassen, und die Zeile HLE-Full zeigt das Ergebnis mit Tools. Bei DeepSWE, Terminal-Bench 2.1 und ProgramBench lief K3 im Harness von Kimi Code, während die meisten anderen Werte aus öffentlichen Leaderboards oder dem jeweils besten Harness eines Modells stammen – die Bedingungen unterscheiden sich also: Im mini-SWE-agent-Harness des offiziellen DeepSWE-Leaderboards erreicht K3 67.3%. Die Zeile SWE-Marathon nutzt einen auf H20 neu kalibrierten Aufgabensatz aus der Zeit vor dem Release von v1.1; die Tabelle von Z.ai nennt für K3 bei v1.1 48.1%.

Was passt: Kimi K3, Claude Opus 5.5 oder GLM-5.3

Im Vergleich mit Claude Opus 5.5

Opus 5.5 erschien am 2026-09-22, zwei Monate nach K3. Im Artificial Analysis Intelligence Index v4.3.2 erreicht Opus 5.5 auf max 58 Punkte und K3 44 – ein deutlicher Abstand. Der Listenpreis von K3 liegt bei $3 / $15, nur 25% unter den $4 / $20 von Opus 5.5; allerdings hat Opus 5.5 für den gesamten Index 260 Mio. Ausgabe-Token verbraucht, K3 160 Mio., sodass eine Aufgabe zu offiziellen Preisen $5.98 gegenüber $2.00 kostet – bei K3 also etwa ein Drittel. Opus 5.5 gibt etwa 92 Token/s aus, K3 etwa 34. Nimm Opus 5.5 für das schwierigste Coding, lang laufende Agenten und Arbeit, die beim ersten Versuch stimmen muss; nimm K3 für große Mengen, knappe Budgets, Videoeingabe oder Self-Hosting.

Im Vergleich mit GLM-5.3

Im Artificial Analysis Intelligence Index liegen beide gleichauf: GLM-5.3 erreicht auf max 45 Punkte und K3 44, bei fast denselben Kosten pro Aufgabe ($2.01 vs $2.00). Der Listenpreis von GLM-5.3 liegt bei $1.4 / $4.4, weniger als die Hälfte von K3, es schreibt aber längere Ausgaben (210 Mio. Token für den gesamten Index gegenüber 160 Mio.) und läuft etwa doppelt so schnell (etwa 66 vs 34 Token/s). Die Launch-Seite von Z.ai zu GLM-5.3 führt beide auf: Bei DeepSWE v1.1 liegen sie nah beieinander (66.9% vs 67.5%), GLM-5.3 führt bei Terminal Bench 3.0 (28.3% vs 17.4%), K3 bei SWE-Marathon v1.1 (48.1% vs 42.5%) und Toolathlon (76.5% vs 73.0%). Für reines Text-Coding eignen sich beide; für Bild- oder Videoeingabe nimmst du K3, denn GLM-5.3 verarbeitet nur Text; für Self-Hosting ist GLM-5.3 (753B Parameter insgesamt) weit einfacher als K3 (2.8T).

Effort wählen

K3 hat nur low, high und max, mit max als Standard, und Thinking lässt sich nicht abschalten. Artificial Analysis hat für max 44 Punkte bei $2.00 pro Aufgabe und für low 30 Punkte bei $1.15 gemessen: low ist pro Aufgabe etwa 40% günstiger, verliert aber 14 Punkte. Bleib für Coding und Agenten beim Standard max; für high gibt es noch keine unabhängigen Daten, vergleiche es also mit max an deinen eigenen Aufgaben; low eignet sich für einfache Fragen und Formatumwandlungen. Reasoning-Token werden zum Ausgabepreis abgerechnet, höherer Effort bedeutet also mehr Ausgabe.

Kimi-Dokumentation zu Effort

Unabhängige Einschätzungen und Stimmen aus der Community

• Artificial Analysis: Im Intelligence Index v4.3.2 erreicht es 44 Punkte auf max und 30 auf low; für den gesamten Index brauchte es 160 Mio. Ausgabe-Token bei $2.00 pro Aufgabe, gibt etwa 34 Token/s aus und braucht etwa 4.5 Sekunden bis zum ersten Token. Am Tag der Veröffentlichung kam es in der damaligen Version des Index auf 57 Punkte und Platz drei – gleichauf mit Claude Opus 4.8 und GPT-5.5, hinter Fable 5 und GPT-5.6 Sol; zugleich stieg die Halluzinationsrate von 39% bei K2.6 auf 51%. Jede Abrechnungsposition von Wokey liegt bei 20% des offiziellen Preises, dieselbe Aufgabe kostet also etwa $0.40 auf max und $0.23 auf low.
• Fireworks: Fireworks, das K3 selbst als Inferenzdienst anbietet, hat es in derselben Agenten-Schleife auf etwa 1,030 Agenten-Aufgaben gegen Claude Fable 5 antreten lassen. Bei SWE-Aufgaben bestand K3 92.4% und Fable 5 92.6%, praktisch gleichauf, K3 brauchte pro Aufgabe aber etwa 55 Turns und 1.3 Mio. Token gegenüber 21 Turns und 130K Token bei Fable 5.
• Hacker News (Thread mit 2,107 Punkten): Am meisten diskutiert wurde der Preis: Viele fanden $3 / $15 für ein Modell mit offenen Gewichten happig, andere hielten ihn für angemessen, falls K3 wirklich nur hinter Fable und Sol liegt. Danach ging es um die Länge des Thinkings: Einige beklagten, dass es zu lange nachdenkt und sich wiederholt; der Pelikan-Test von Simon Willison ergab 16,658 Ausgabe-Token, davon 13,241 Reasoning, für etwa $0.25; ein anderer Kommentator maß etwa 60% der Reasoning-Token von K2.6.

K3 in Claude Code nutzen – und welche Regeln für Anfragen du prüfen solltest

Diese Regeln stammen aus dem K3-Schnellstart von Kimi und aus Problemen, die Wokey im Produktivbetrieb untersucht hat. Prüfe sie vor dem Umstieg von K2.x auf kimi-k3 oder vor der ersten Integration.

• Thinking lässt sich nicht abschalten, Antworten enthalten immer reasoning_content. Ersetze beim Umstieg von K2.x den alten Parameter thinking durch reasoning_effort auf oberster Ebene (low / high / max).
• Gib in mehrstufigen Chats und bei Tool-Aufrufen die vollständige assistant-Nachricht zurück, die die API geliefert hat, einschließlich reasoning_content und tool_calls; wenn du nur content zurückgibst, geht das bisherige Reasoning verloren.
• temperature, top_p, n, presence_penalty und frequency_penalty sind fest auf 1.0, 0.95, 1, 0 und 0 gesetzt, und Kimi bittet darum, sie in Anfragen wegzulassen.
• Bilder dürfen keine öffentlichen URLs sein: Trag in image_url eine base64-Data-URL wie data:image/png;base64,... ein, denn ein https-Link auf ein Bild liefert 400 unsupported image url; auch Video wird als base64 übergeben. Der Ablauf von Kimi, eine Datei erst hochzuladen und dann per ms://<file_id> zu referenzieren, ist über Wokey noch nicht verfügbar.
• max_completion_tokens steht standardmäßig auf 131,072 und lässt sich bis 1,048,576 setzen. Reasoning-Token werden als Ausgabe abgerechnet, und der Standard-Effort max erzeugt lange Ausgaben – plane im Ausgabebudget also Reserve ein.
• Ist eine stop-Sequenz gesetzt, kann K3 schon während des Reasonings abgeschnitten werden und finish_reason stop mit leerem content zurückgeben. Das kommt vom Upstream, Wokey entfernt keinen Text – teste Abläufe, die von stop abhängen, also zuerst an deinen eigenen Aufgaben.
• Nutzung in Claude Code: kimi-k3 unterstützt auf Wokey /v1/messages, setze also ANTHROPIC_BASE_URL auf https://api.wokey.ai, ANTHROPIC_AUTH_TOKEN auf deinen Wokey-API-Key und ANTHROPIC_MODEL auf kimi-k3; es kostet $0.60 Eingabe / $3.00 Ausgabe pro 1 Mio. Token. Moonshot empfiehlt Kimi Code CLI als Agenten-Framework, OpenCode und andere OpenAI-kompatible Clients nutzen /v1/chat/completions.

Request-Body mit einem Bild (/v1/chat/completions)

{
  "model": "kimi-k3",
  "reasoning_effort": "high",
  "messages": [{
    "role": "user",
    "content": [
      { "type": "image_url", "image_url": { "url": "data:image/png;base64,iVBORw0KGgo..." } },
      { "type": "text", "text": "Find the layout bug in this screenshot" }
    ]
  }]
}

Aktuelle Katalogpreise

Preise pro 1 Mio. Token; abgerechnet wird zum Preis, der bei der Verarbeitung der Anfrage gilt.

Offizielle Preisquelle: https://platform.kimi.ai/docs/pricing/chat-k3

Gemessen auf Wokey

Letzte 28 Tage (2026-10-13 bis 2026-11-09), jeden Montag aktualisiert · Echte Anfragen von 90+ Konten

Zeit bis zum ersten Token, kurze Prompts

2,5 s (Median · Prompts unter 8K Token · P90 7,6 s)

Zeit bis zum ersten Token, Agent-Prompts

5,9 s (Median · Prompts mit 32K–128K Token)

Trefferquote des Prompt-Cache

93% (Anteil der Eingabe-Token, die aus dem Cache gelesen wurden)

Meistgenutzte Clients: Kimi Code CLI 52%, pi 26%, WorkBuddy 11%. Anteil an den Anfragen erkannter Clients; bei 3% der Anfragen wurde der Client erkannt.

So wird gemessen

Die Zeit bis zum ersten Token läuft vom Eingang der Anfrage am Wokey-Gateway bis zum ersten gestreamten Inhalt (Text, Zusammenfassung des Reasonings oder Ablehnung). Sie enthält Wartezeit in der Warteschlange, Wiederholungen über ein anderes Konto und die Denkzeit des Modells und ist deshalb länger als die eigene First-Token-Latenz des Upstreams. Gezählt werden nur erfolgreiche Streaming-Anfragen, gruppiert nach Prompt-Größe (Eingabe plus Cache-Lesen und Cache-Schreiben).

Cache-Trefferquote = aus dem Cache gelesene Token ÷ Eingabe-Token über erfolgreiche Anfragen. Sie hängt vom Client und von der Art der Nutzung ab; die Seiten zur Cache-Trefferquote schlüsseln sie nach Client auf.

Enterprise-Konten und Wokeys eigene Testkonten sind ausgenommen. Ein Modell wird angezeigt, sobald es in den letzten 28 Tagen von mindestens 20 Nutzern verwendet wurde und kein einzelner Nutzer mehr als 50 % der Anfragen gesendet hat; Konten, die über dieselbe Empfehlungskette registriert wurden, zählen als ein Nutzer. Jeder Wert für die Zeit bis zum ersten Token braucht mindestens 500 Anfragen.

Cache-Trefferquote nach Client

Modellfähigkeiten

Context

1,048,576 tokens

Maximale Ausgabe

1,048,576 tokens

Streaming

Unterstützt

Tools

Unterstützt

Vision

Unterstützt

Unterstützte API-Formate

/v1/chat/completions · /v1/responses · /v1/messages

Anfrage senden

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

Kimi K3 in deinen Tools nutzen

Das Gateway ist https://api.wokey.ai (OpenAI-kompatible Clients erwarten meist https://api.wokey.ai/v1), die Modell-ID lautet kimi-k3. Öffne die Einrichtung für deinen Client.

• Kimi K3 in Claude Code nutzen: Anthropic Messages · Base URL und API-Key einrichten
• Kimi K3 in Codex nutzen: OpenAI Responses · Base URL und API-Key einrichten
• Kimi K3 in Claude Desktop nutzen: Anthropic Messages · Base URL und API-Key einrichten
• Kimi K3 in opencode nutzen: OpenAI Chat Completions · Base URL und API-Key einrichten
• Kimi K3 in pi nutzen: Anthropic Messages · Base URL und API-Key einrichten
• Kimi K3 in DeepSeek Harness nutzen: OpenAI Chat Completions · Base URL und API-Key einrichten
• Kimi K3 in Z Code nutzen: Anthropic Messages · Base URL und API-Key einrichten
• Kimi K3 in Cherry Studio nutzen: OpenAI Chat Completions · Base URL und API-Key einrichten
• Kimi K3 in WorkBuddy nutzen: OpenAI Chat Completions · Base URL und API-Key einrichten
• Kimi K3 in OpenClaw nutzen: OpenAI Chat Completions · Base URL und API-Key einrichten
• Kimi K3 in Hermes Agent nutzen: OpenAI Chat Completions · Base URL und API-Key einrichten
• Kimi K3 in Magpie nutzen: OpenAI Chat Completions · Base URL und API-Key einrichten
• Kimi-API-Kostenrechner: was Kimi K3 pro Monat kostet: Vergleiche die Monatskosten über die Kimi API und über Wokey für deine Nutzung und Cache-Trefferquote.
• Kimi-Code-Limits, gemessen: wie viel Kimi K3 ein Tarif abdeckt: Gemessene Token pro 5-Stunden-Fenster und pro Monat – und was sie zu API-Preisen wert sind.
• OpenRouter-Alternative: Wokey und OpenRouter im Vergleich: Vergleiche Token-Preise, Zahlungsgebühren, API-Formate und Upstream-Quellen.
• Verifizierbare KI-API: welche Modelle und API-Formate Antwortnachweise tragen: Antwortnachweise gibt es derzeit nur für unverändert durchgereichte Claude-Messages- und GPT-Responses-Antworten auf offiziellen Routen.

Beispiel eines echten Aufrufs

Diese Nutzungswerte stammen aus einem abgeschlossenen Aufruf von Kimi K3, der beim ersten Versuch erfolgreich war und mit der Abrechnung abgeglichen wurde.

Eingabe gesamt

76023

Ausgabe

574

Cache-Anteil der Eingabe

99.3%

Dauer des Aufrufs

25.60 s

Chat Completions usage

Aus dem Abrechnungseintrag als Beispiel für die API-Felder zusammengestellt. prompt_tokens ist die gesamte Eingabe einschließlich gecachter Token.

{
  "model": "kimi-k3",
  "usage": {
    "prompt_tokens": 76023,
    "prompt_tokens_details": {
      "cached_tokens": 75520
    },
    "completion_tokens": 574,
    "total_tokens": 76597
  }
}

Token-Abgleich

Das sind die endgültigen Preise pro 1 Mio. Token, die für diesen Aufruf erfasst wurden.

Abgerechneter Betrag

$0.009833

Kosten = Summe aus Token × jeweiligem Preis ÷ 1,000,000, nach dem Summieren auf sechs Nachkommastellen gerundet.

Quelle dieses Aufrufs

Dieser Aufruf lief über den Kanal Volcengine auf ark.cn-beijing.volces.com mit API Key-Autorisierung. Die Nutzung wurde upstream gemessen, die Anfrage lieferte HTTP 200.

Prompt Cache prüfen

1. Halte das gemeinsame Präfix langer Prompts identisch und verwende den Kontext gemäß den Cache-Regeln der gewählten API wieder.
2. Prüfe prompt_tokens_details.cached_tokens; null bedeutet, dass für diesen Aufruf kein Cache-Lesen erfasst wurde.
3. Nicht gecachte Eingabe = prompt_tokens minus gecachte Token. Berechne jeden Posten mit seinem Preis und addiere die Kosten der Ausgabe.

Häufige Fragen

Verwandte Modelle und Dokumentation

• Kimi K3.1 Pro
• Kimi K3.1 Pro Highspeed
• Kimi K2.8 Preview
• API-Dokumentation
• Alle Modelle und Preise
• Provider Node