Kimi K3 API

Kimi K3.1 Pro sudah dirilis

Pada 2026-10-23, Moonshot merilis K3.1 Pro, K3 yang dilatih lanjut (post-training): indeks Artificial Analysis-nya naik dari 44 ke 55, harga resmi turun dari $3 / $15 ke $2 / $10, dan output-nya lebih cepat. Batasan request-nya sama dengan K3, jadi cukup ganti model menjadi kimi-k3.1-pro.

Lihat Kimi K3.1 Pro

Perbandingan harga: API resmi, OpenRouter, dan Wokey

USD per satu juta token. Harga API resmi dan OpenRouter diperiksa manual pada 2026-09-23, belum termasuk pajak; harga Wokey dibaca dari daftar harga terkini.

Host termurah di OpenRouter adalah Sail Research dengan versi terkuantisasi fp4 ($1.4989 input / $10.758 output). Output versi terkuantisasi bisa berbeda dari bobot resmi, sehingga tidak dimasukkan ke tabel.

Diperiksa 2026-09-23 · Halaman harga resmi · Daftar endpoint OpenRouter

Pakai di Claude Code

Model ini mendukung /v1/messages di Wokey. Setel variabel lingkungan berikut, lalu jalankan claude.

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

Mulai cepat Kimi K3 API

Siapkan API key Wokey lalu ikuti tiga langkah berikut untuk mengirim request pertama Anda.

1. Dapatkan API key

   Daftar atau masuk ke Wokey, buka konsol API, lalu buat dan salin key di bagian pengelolaan API key. Periksa saldo yang tersedia sebelum memanggil API.

2. Atur klien Anda

   Gunakan base URL di bawah pada klien yang kompatibel dengan OpenAI, masukkan API key Wokey Anda, lalu pilih kimi-k3 sebagai model.

3. Kirim request pertama

   Ganti YOUR_WOKEY_API_KEY pada contoh dengan key Anda sendiri dan jalankan di terminal. Baca jawabannya di choices, lalu lihat penggunaan dan biaya di konsol API.

Dapatkan API key Wokey · Baca dokumentasi API

Base URL klien

https://api.wokey.ai/v1

ID model

kimi-k3

URL request lengkap

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

Base URL klien sudah mencakup /v1. Contoh curl memakai URL request lengkap.

Request minimal

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
  }'

Sekilas tentang Kimi K3

Tanggal rilis

2026-07-17, sejak hari pertama tersedia di aplikasi web Kimi, aplikasi desktop Kimi Work, Kimi Code, dan platform API Kimi; bobot lengkapnya dipublikasikan di Hugging Face pada 2026-07-27

Posisi

Menurut Moonshot, K3 secara keseluruhan masih di belakang Claude Fable 5 dan GPT-5.6 Sol tetapi mengungguli semua model lain dalam evaluasinya, dan Moonshot merekomendasikan Kimi Code CLI sebagai framework agent-nya

Model dan bobot

MoE 2.8T parameter dengan 104B aktif, yang mengarahkan setiap token ke 16 dari 896 expert, dibangun di atas Kimi Delta Attention dan Attention Residuals; bobot di moonshotai/Kimi-K3, dikuantisasi ke MXFP4 sejak pelatihan, total sekitar 1.56 TB, dengan lisensi Kimi K3 License

Konteks dan output

Konteks 1,048,576 token; max_completion_tokens default-nya 131,072 dan bisa diatur hingga 1,048,576; input teks, gambar, dan video secara native, output berupa teks

Thinking dan effort

Thinking selalu aktif dan respons membawa reasoning_content; reasoning_effort menerima low / high / max dengan max sebagai default (saat rilis hanya ada max); temperature, top_p, dan parameter sampling lainnya bernilai tetap dan sebaiknya tidak dikirim

Harga resmi

$3 input / $15 output per 1 juta token dan $0.30 untuk cache hit; tanpa tingkatan harga menurut panjang konteks

API dan tools

Platform Kimi menyediakan API yang kompatibel dengan OpenAI dan Anthropic dengan tool calling (tool_choice bisa required), output terstruktur json_schema, dan context caching; Wokey melayani /v1/chat/completions dan /v1/messages

Diperiksa 2026-10-02 · Sumber: Moonshot · Hugging Face · K3 quickstart · Pricing · Artificial Analysis

Benchmark resmi: Kimi K3 vs Fable 5 vs GPT-5.6 Sol vs Opus 4.8 vs GLM-5.2

Dari model card Moonshot di Hugging Face; ini hasil yang dilaporkan vendor sendiri, dan “—” berarti skornya tidak dipublikasikan. Model pembandingnya adalah model yang berlaku saat K3 dirilis (2026-07), sehingga Claude Opus 5.5 dan GLM-5.3, yang keduanya dirilis belakangan, tidak ada di tabel; lihat “Pilih yang mana” di bawah untuk perbandingan tersebut.

Semua skor K3 memakai reasoning_effort=max dan temperature=1.0. Kolom Fable 5 dijalankan dengan fallback, kolom GPT-5.5 dari model card tidak dicantumkan, dan baris HLE-Full adalah skor dengan tools. Pada DeepSWE, Terminal-Bench 2.1, dan ProgramBench, K3 dijalankan di harness Kimi Code, sedangkan sebagian besar skor lain berasal dari leaderboard publik atau harness terbaik tiap model, sehingga kondisinya berbeda: di harness mini-SWE-agent pada leaderboard resmi DeepSWE, K3 meraih 67.3%. Baris SWE-Marathon memakai kumpulan tugas dari sebelum rilis v1.1 yang dikalibrasi ulang ke H20; tabel Z.ai mencatat 48.1% untuk K3 pada v1.1.

Pilih yang mana: Kimi K3, Claude Opus 5.5, atau GLM-5.3

vs Claude Opus 5.5

Opus 5.5 dirilis pada 2026-09-22, dua bulan setelah K3. Pada Intelligence Index v4.3.2 dari Artificial Analysis, Opus 5.5 meraih 58 di max dan K3 44, selisih yang jelas. Harga resmi K3 $3 / $15, hanya 25% di bawah $4 / $20 milik Opus 5.5, tetapi Opus 5.5 memakai 260 juta token output untuk seluruh indeks sedangkan K3 160 juta, sehingga satu tugas berbiaya $5.98 berbanding $2.00 dengan harga resmi, sekitar sepertiga untuk K3. Kecepatan output Opus 5.5 sekitar 92 token/detik dan K3 sekitar 34. Pilih Opus 5.5 untuk coding tersulit, agent jangka panjang, dan pekerjaan yang harus benar sejak percobaan pertama; pilih K3 untuk volume besar, anggaran ketat, input video, atau self-hosting.

vs GLM-5.3

Keduanya setara pada Intelligence Index dari Artificial Analysis: GLM-5.3 meraih 45 di max dan K3 44, dengan biaya per tugas yang hampir sama ($2.01 vs $2.00). Harga resmi GLM-5.3 $1.4 / $4.4, kurang dari setengah harga K3, tetapi output-nya lebih panjang (210 juta token untuk seluruh indeks berbanding 160 juta) dan berjalan sekitar dua kali lebih cepat (sekitar 66 vs 34 token/detik). Halaman peluncuran GLM-5.3 dari Z.ai mencantumkan keduanya: pada DeepSWE v1.1 keduanya berdekatan (66.9% vs 67.5%), GLM-5.3 unggul di Terminal Bench 3.0 (28.3% vs 17.4%), dan K3 unggul di SWE-Marathon v1.1 (48.1% vs 42.5%) serta Toolathlon (76.5% vs 73.0%). Untuk coding berbasis teks saja, keduanya bisa dipakai; pilih K3 untuk input gambar atau video karena GLM-5.3 hanya mendukung teks; untuk self-hosting, GLM-5.3 (total 753B parameter) jauh lebih mudah daripada K3 (2.8T).

Memilih effort

K3 hanya punya low, high, dan max, dengan max sebagai default, dan thinking tidak bisa dimatikan. Artificial Analysis mengukur max di 44 dengan $2.00 per tugas dan low di 30 dengan $1.15: low sekitar 40% lebih murah per tugas tetapi turun 14 poin. Gunakan default max untuk coding dan agent; belum ada data pihak ketiga untuk high, jadi bandingkan dengan max pada tugas Anda sendiri; pakai low hanya untuk tanya jawab sederhana dan konversi format. Token reasoning ditagih dengan harga output, jadi effort yang lebih tinggi berarti output lebih banyak.

Dokumentasi effort Kimi

Ulasan pihak ketiga dan komunitas

• Artificial Analysis: Pada Intelligence Index v4.3.2 skornya 44 di max dan 30 di low; model ini memakai 160 juta token output untuk seluruh indeks dengan $2.00 per tugas, kecepatan output sekitar 34 token/detik, dan butuh sekitar 4.5 detik hingga token pertama. Pada hari rilis, dengan versi indeks saat itu, skornya 57 dan berada di peringkat ketiga, setara dengan Claude Opus 4.8 dan GPT-5.5 serta di belakang Fable 5 dan GPT-5.6 Sol, sementara tingkat halusinasinya naik dari 39% pada K2.6 menjadi 51%. Setiap komponen tagihan Wokey adalah 20% dari harga resmi, sehingga tugas yang sama berbiaya sekitar $0.40 di max dan $0.23 di low.
• Fireworks: Fireworks, yang juga menyediakan layanan inferensi K3, mengadunya dengan Claude Fable 5 dalam agent loop yang sama pada sekitar 1,030 tugas agent. Pada tugas SWE, K3 lolos 92.4% dan Fable 5 92.6%, praktis setara, tetapi K3 membutuhkan sekitar 55 giliran dan 1.3 juta token per tugas berbanding 21 giliran dan 130K token pada Fable 5.
• Hacker News (thread 2,107 poin): Harga paling banyak dibahas: banyak yang menilai $3 / $15 mahal untuk model berbobot terbuka, sementara yang lain menganggapnya wajar jika K3 memang hanya kalah dari Fable dan Sol. Berikutnya soal panjang thinking: sebagian mengeluh model ini berpikir terlalu lama dan mengulang-ulang; tes pelikan Simon Willison menghasilkan 16,658 token output, 13,241 di antaranya reasoning, dengan biaya sekitar $0.25; komentator lain mengukur sekitar 60% dari token reasoning K2.6.

Cara memakai K3 di Claude Code dan aturan request yang perlu dicek

Aturan ini berasal dari panduan quickstart K3 dari Kimi dan dari masalah yang pernah ditelusuri Wokey di produksi. Periksa sebelum beralih dari K2.x ke kimi-k3 atau sebelum integrasi pertama.

• Thinking tidak bisa dimatikan, dan respons selalu membawa reasoning_content. Saat migrasi dari K2.x, ganti parameter thinking yang lama dengan reasoning_effort di level teratas (low / high / max).
• Dalam percakapan multi-giliran dan tool call, kirim kembali pesan assistant yang dikembalikan API secara utuh, termasuk reasoning_content dan tool_calls; mengirim kembali content saja akan menghilangkan reasoning sebelumnya.
• temperature, top_p, n, presence_penalty, dan frequency_penalty ditetapkan pada 1.0, 0.95, 1, 0, dan 0, dan Kimi meminta agar field tersebut tidak disertakan dalam request.
• Gambar tidak boleh berupa URL publik: isi image_url dengan data URL base64 seperti data:image/png;base64,..., karena tautan gambar https akan mengembalikan 400 unsupported image url; video juga dikirim sebagai base64. Alur Kimi “unggah file dulu, lalu rujuk dengan ms://<file_id>” belum tersedia lewat Wokey.
• max_completion_tokens default-nya 131,072 dan bisa diatur hingga 1,048,576. Token reasoning ditagih sebagai output dan effort default max menghasilkan output panjang, jadi sisakan ruang pada anggaran output.
• Jika stop sequence diatur, K3 bisa terpotong saat masih dalam tahap reasoning dan mengembalikan finish_reason stop dengan content kosong. Ini perilaku upstream dan Wokey tidak menghapus teks, jadi uji dulu alur yang bergantung pada stop pada tugas Anda sendiri.
• Pemakaian di Claude Code: kimi-k3 di Wokey mendukung /v1/messages, jadi atur ANTHROPIC_BASE_URL ke https://api.wokey.ai, ANTHROPIC_AUTH_TOKEN ke API key Wokey Anda, dan ANTHROPIC_MODEL ke kimi-k3; harganya $0.60 input / $3.00 output per 1 juta token. Moonshot merekomendasikan Kimi Code CLI sebagai framework agent, sedangkan OpenCode dan klien lain yang kompatibel dengan OpenAI memakai /v1/chat/completions.

Contoh request body dengan gambar (/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" }
    ]
  }]
}

Cuplikan harga katalog

Harga per 1 juta token; penagihan mengikuti harga saat request diproses.

Sumber harga resmi: https://platform.kimi.ai/docs/pricing/chat-k3

Hasil pengukuran di Wokey

28 hari terakhir (2026-10-13 hingga 2026-11-09), diperbarui setiap Senin · Request nyata dari 90+ akun

Waktu hingga token pertama, prompt pendek

2.5 detik (Median · prompt di bawah 8K token · p90 7.6 detik)

Waktu hingga token pertama, prompt agent

5.9 detik (Median · prompt 32K–128K token)

Tingkat cache hit prompt

93% (Porsi token input yang dibaca dari cache)

Klien paling banyak dipakai: Kimi Code CLI 52%, pi 26%, WorkBuddy 11%. Porsi dari request dengan klien yang teridentifikasi; kliennya teridentifikasi pada 3% request.

Cara pengukuran

Waktu hingga token pertama dihitung sejak gateway Wokey menerima request sampai konten streaming pertama (teks, ringkasan reasoning, atau penolakan). Angka ini mencakup antrean, percobaan ulang di akun lain, dan waktu berpikir model, sehingga lebih lama daripada latensi token pertama milik upstream sendiri. Hanya request streaming yang berhasil yang dihitung, dikelompokkan menurut ukuran prompt (input ditambah baca dan tulis cache).

Tingkat cache hit = token yang dibaca dari cache ÷ token input pada request yang berhasil. Angkanya bergantung pada klien dan cara pemakaiannya; halaman tingkat cache hit merincinya per klien.

Akun enterprise dan akun uji milik Wokey tidak disertakan. Sebuah model ditampilkan setelah dipakai minimal 20 pengguna dalam 28 hari terakhir dan tidak ada satu pengguna pun yang mengirim lebih dari 50% request-nya; akun yang terdaftar melalui satu rantai referral dihitung sebagai satu pengguna. Setiap angka waktu hingga token pertama memerlukan minimal 500 request.

Tingkat cache hit per klien

Kemampuan model

Context

1,048,576 tokens

Output maksimum

1,048,576 tokens

Streaming

Didukung

Tools

Didukung

Vision

Didukung

Format API yang didukung

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

Kirim request

/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"}]}'

Pakai Kimi K3 di tool Anda

Gateway-nya adalah https://api.wokey.ai (klien yang kompatibel dengan OpenAI biasanya memakai https://api.wokey.ai/v1), dan ID modelnya kimi-k3. Buka panduan untuk klien yang Anda pakai.

• Pakai Kimi K3 di Claude Code: Anthropic Messages · penyiapan base URL dan API key
• Pakai Kimi K3 di Codex: OpenAI Responses · penyiapan base URL dan API key
• Pakai Kimi K3 di Claude Desktop: Anthropic Messages · penyiapan base URL dan API key
• Pakai Kimi K3 di opencode: OpenAI Chat Completions · penyiapan base URL dan API key
• Pakai Kimi K3 di pi: Anthropic Messages · penyiapan base URL dan API key
• Pakai Kimi K3 di DeepSeek Harness: OpenAI Chat Completions · penyiapan base URL dan API key
• Pakai Kimi K3 di Z Code: Anthropic Messages · penyiapan base URL dan API key
• Pakai Kimi K3 di Cherry Studio: OpenAI Chat Completions · penyiapan base URL dan API key
• Pakai Kimi K3 di WorkBuddy: OpenAI Chat Completions · penyiapan base URL dan API key
• Pakai Kimi K3 di OpenClaw: OpenAI Chat Completions · penyiapan base URL dan API key
• Pakai Kimi K3 di Hermes Agent: OpenAI Chat Completions · penyiapan base URL dan API key
• Pakai Kimi K3 di Magpie: OpenAI Chat Completions · penyiapan base URL dan API key
• Kalkulator biaya Kimi API: berapa biaya Kimi K3 per bulan: Bandingkan biaya bulanan di Kimi API dan Wokey sesuai pemakaian dan tingkat cache hit Anda.
• Batas Kimi Code, hasil pengukuran: berapa banyak Kimi K3 yang dicakup satu paket: Token terukur per jendela 5 jam dan per bulan, serta nilainya dengan harga API.
• Alternatif OpenRouter: Wokey vs OpenRouter: Bandingkan harga token, biaya pembayaran, format API, dan sumber upstream.
• API AI yang dapat diverifikasi: model dan format API mana yang membawa bukti respons: Bukti respons saat ini hanya mencakup respons Claude Messages dan GPT Responses yang diteruskan apa adanya di rute resmi.

Contoh panggilan produksi

Nilai penggunaan ini berasal dari panggilan Kimi K3 yang sudah selesai, berhasil pada percobaan pertama, dan sudah dicocokkan dengan tagihannya.

Total input

76023

Output

574

Porsi input dari cache

99.3%

Durasi panggilan

25.60 s

Chat Completions usage

Disusun dari catatan penagihan menjadi contoh field API. prompt_tokens adalah total input, termasuk token yang di-cache.

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

Pencocokan token

Ini adalah tarif akhir per 1 juta token yang tercatat untuk panggilan ini.

Jumlah yang ditagih

$0.009833

Biaya = jumlah token × tarifnya ÷ 1,000,000, dibulatkan ke enam desimal setelah dijumlahkan.

Sumber panggilan ini

Panggilan ini memakai kanal Volcengine di ark.cn-beijing.volces.com dengan otorisasi API Key. Penggunaan diukur di sisi upstream dan request mengembalikan HTTP 200.

Memverifikasi Prompt Cache

1. Jaga agar prefiks bersama pada prompt panjang tetap identik dan gunakan kembali konteks sesuai aturan cache API yang dipilih.
2. Periksa prompt_tokens_details.cached_tokens; nol berarti tidak ada baca cache yang tercatat untuk panggilan ini.
3. Input tanpa cache = prompt_tokens dikurangi token yang di-cache. Hitung setiap pos dengan tarifnya masing-masing, lalu tambahkan biaya output.

Pertanyaan umum

Model dan dokumentasi terkait

• Kimi K3.1 Pro
• Kimi K3.1 Pro Highspeed
• Kimi K2.8 Preview
• Dokumentasi API
• Semua model dan harga
• Provider Node