Kimi K3 API

Kimi K3.1 Pro đã ra mắt

Ngày 2026-10-23, Moonshot phát hành K3.1 Pro, một K3 được hậu huấn luyện: chỉ số Artificial Analysis tăng từ 44 lên 55, giá chính thức giảm từ $3 / $15 xuống $2 / $10, và đầu ra nhanh hơn. Ràng buộc request giống K3, nên chỉ cần đổi model sang kimi-k3.1-pro.

Xem Kimi K3.1 Pro

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 2026-09-23, chưa gồm thuế; giá Wokey được đọc từ bảng giá trực tiếp.

Host rẻ nhất trên OpenRouter là bản triển khai lượng tử hóa fp4 của Sail Research ($1.4989 đầu vào / $10.758 đầu ra). Đầu ra của bản lượng tử hóa có thể khác với trọng số chính thức nên không được đưa vào bảng.

Kiểm tra ngày 2026-09-23 · 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"

Bắt đầu nhanh với Kimi K3 API

Lấy khóa API Wokey và làm theo ba bước sau để gửi request đầu tiên.

1. Lấy khóa API

   Đăng ký hoặc đăng nhập Wokey, mở bảng điều khiển API, rồi tạo và sao chép khóa trong mục quản lý khóa API. Kiểm tra số dư khả dụng trước khi gọi.

2. Cấu hình client

   Dùng base URL bên dưới trong client tương thích OpenAI, nhập khóa API Wokey của bạn và chọn kimi-k3 làm mô hình.

3. Gửi request đầu tiên

   Thay YOUR_WOKEY_API_KEY trong ví dụ bằng khóa của bạn và chạy trong terminal. Đọc câu trả lời trong choices, sau đó xem mức sử dụng và chi phí trong bảng điều khiển API.

Lấy khóa API Wokey · Xem tài liệu API

Base URL của client

https://api.wokey.ai/v1

ID mô hình

kimi-k3

URL request đầy đủ

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

Base URL của client đã bao gồm /v1. Ví dụ curl dùng URL request đầy đủ.

Request tối thiểu

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
  }'

Tổng quan Kimi K3

Ngày phát hành

2026-07-17, có mặt trên ứng dụng web Kimi, ứng dụng desktop Kimi Work, Kimi Code và nền tảng Kimi API ngay ngày đầu; toàn bộ trọng số được công khai trên Hugging Face ngày 2026-07-27

Định vị

Moonshot cho biết K3 nhìn chung vẫn xếp sau Claude Fable 5 và GPT-5.6 Sol nhưng vượt mọi mô hình khác trong các đánh giá của hãng, và khuyến nghị Kimi Code CLI làm framework agent

Mô hình và trọng số

MoE 2.8T tham số với 104B kích hoạt, định tuyến mỗi token tới 16 trên 896 expert, xây dựng trên Kimi Delta Attention và Attention Residuals; trọng số tại moonshotai/Kimi-K3, được lượng tử hóa MXFP4 ngay trong quá trình huấn luyện, tổng cộng khoảng 1.56 TB, theo Kimi K3 License

Ngữ cảnh và đầu ra

Ngữ cảnh 1,048,576 token; max_completion_tokens mặc định 131,072 và tối đa 1,048,576; hỗ trợ gốc đầu vào văn bản, hình ảnh và video, đầu ra văn bản

Thinking và effort

Thinking luôn bật và phản hồi luôn có reasoning_content; reasoning_effort nhận low / high / max với max là mặc định (khi ra mắt chỉ có max); temperature, top_p và các tham số lấy mẫu khác là cố định và nên bỏ đi

Giá chính thức

$3 đầu vào / $15 đầu ra mỗi triệu token và $0.30 cho cache hit; không có bậc giá theo độ dài ngữ cảnh

API và công cụ

Nền tảng Kimi cung cấp API tương thích OpenAI và Anthropic với gọi công cụ (tool_choice có thể là required), đầu ra có cấu trúc json_schema và context caching; Wokey cung cấp /v1/chat/completions và /v1/messages

Kiểm tra ngày 2026-10-02 · Nguồn: Moonshot · Hugging Face · K3 quickstart · Pricing · Artificial Analysis

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

Số liệu từ model card của Moonshot trên Hugging Face; đây là kết quả do nhà cung cấp tự công bố, và “—” nghĩa là chưa công bố điểm. Các mô hình so sánh là những mô hình hiện hành lúc K3 ra mắt (2026-07), nên Claude Opus 5.5 và GLM-5.3, đều ra mắt sau đó, không có trong bảng; xem phần “Nên dùng mô hình nào” bên dưới cho các so sánh này.

Mọi điểm của K3 đều dùng reasoning_effort=max và temperature=1.0. Cột Fable 5 chạy với fallback, cột GPT-5.5 của model card được bỏ đi, và hàng HLE-Full là điểm có dùng công cụ. Ở DeepSWE, Terminal-Bench 2.1 và ProgramBench, K3 chạy trong harness Kimi Code, còn phần lớn điểm khác lấy từ bảng xếp hạng công khai hoặc harness tốt nhất của từng mô hình, nên điều kiện khác nhau: trên harness mini-SWE-agent của bảng xếp hạng DeepSWE chính thức, K3 đạt 67.3%. Hàng SWE-Marathon dùng một bộ tác vụ hiệu chỉnh lại theo H20 từ trước khi phát hành v1.1; bảng của Z.ai ghi K3 đạt 48.1% trên v1.1.

Nên dùng mô hình nào: Kimi K3, Claude Opus 5.5 hay GLM-5.3

So với Claude Opus 5.5

Opus 5.5 ra mắt ngày 2026-09-22, hai tháng sau K3. Trên Intelligence Index v4.3.2 của Artificial Analysis, Opus 5.5 đạt 58 ở max và K3 đạt 44, một khoảng cách rõ ràng. K3 niêm yết $3 / $15, chỉ thấp hơn 25% so với $4 / $20 của Opus 5.5, nhưng Opus 5.5 dùng 260M token đầu ra trên toàn bộ chỉ số so với 160M của K3, nên một tác vụ tốn $5.98 so với $2.00 theo giá chính thức, K3 chỉ khoảng một phần ba. Opus 5.5 xuất khoảng 92 token/s và K3 khoảng 34. Hãy chọn Opus 5.5 cho lập trình khó nhất, agent chạy dài và công việc phải đúng ngay lần đầu; chọn K3 cho khối lượng lớn, ngân sách eo hẹp, đầu vào video hoặc tự lưu trữ.

So với GLM-5.3

Hai mô hình ngang nhau trên Intelligence Index của Artificial Analysis: GLM-5.3 đạt 45 ở max và K3 đạt 44, với chi phí mỗi tác vụ gần như bằng nhau ($2.01 so với $2.00). GLM-5.3 niêm yết $1.4 / $4.4, chưa bằng một nửa K3, nhưng viết đầu ra dài hơn (210M token trên toàn bộ chỉ số so với 160M) và chạy nhanh khoảng gấp đôi (khoảng 66 so với 34 token/s). Trang ra mắt GLM-5.3 của Z.ai liệt kê cả hai: hai mô hình sát nhau ở DeepSWE v1.1 (66.9% so với 67.5%), GLM-5.3 dẫn ở Terminal Bench 3.0 (28.3% so với 17.4%), còn K3 dẫn ở SWE-Marathon v1.1 (48.1% so với 42.5%) và Toolathlon (76.5% so với 73.0%). Cả hai đều ổn cho lập trình chỉ có văn bản; chọn K3 khi cần đầu vào hình ảnh hoặc video, vì GLM-5.3 chỉ hỗ trợ văn bản; để tự lưu trữ, GLM-5.3 (tổng 753B tham số) dễ hơn K3 (2.8T) rất nhiều.

Chọn effort

K3 chỉ có low, high và max, với max là mặc định, và không thể tắt thinking. Artificial Analysis đo được max đạt 44 với $2.00 mỗi tác vụ và low đạt 30 với $1.15: low rẻ hơn khoảng 40% mỗi tác vụ nhưng mất 14 điểm. Hãy dùng max mặc định cho lập trình và agent; chưa có dữ liệu bên thứ ba cho high, nên hãy so sánh nó với max trên tác vụ của chính bạn; dùng low cho hỏi đáp đơn giản và chuyển đổi định dạng. Token suy luận được tính theo giá đầu ra, nên effort cao hơn nghĩa là nhiều đầu ra hơn.

Tài liệu effort của Kimi

Đánh giá từ bên thứ ba và cộng đồng

• Artificial Analysis: Trên Intelligence Index v4.3.2, mô hình đạt 44 ở max và 30 ở low; dùng 160M token đầu ra trên toàn bộ chỉ số với $2.00 mỗi tác vụ, xuất khoảng 34 token/s và mất khoảng 4.5 giây tới token đầu tiên. Vào ngày ra mắt, trên phiên bản chỉ số lúc đó, mô hình đạt 57 và xếp thứ ba, ngang Claude Opus 4.8 và GPT-5.5 và sau Fable 5 và GPT-5.6 Sol, trong khi tỷ lệ ảo giác tăng từ 39% của K2.6 lên 51%. Mọi mục tính phí của Wokey đều bằng 20% giá chính thức, nên cùng tác vụ đó tốn khoảng $0.40 ở max và $0.23 ở low.
• Fireworks: Fireworks, đơn vị cũng cung cấp K3, đã chạy nó so với Claude Fable 5 trong cùng một vòng lặp agent trên khoảng 1,030 tác vụ agent. Với các tác vụ SWE, K3 đạt 92.4% và Fable 5 đạt 92.6%, gần như ngang nhau, nhưng K3 mất khoảng 55 lượt và 1.3M token mỗi tác vụ so với 21 lượt và 130K token của Fable 5.
• Hacker News (chủ đề 2,107 điểm): Giá là chủ đề được bàn nhiều nhất: nhiều người thấy $3 / $15 là đắt với một mô hình trọng số mở, trong khi số khác cho rằng hợp lý nếu K3 thật sự chỉ xếp sau Fable và Sol. Tiếp theo là độ dài thinking: một số người phàn nàn nó nghĩ quá lâu và lặp lại; bài thử bồ nông của Simon Willison tạo ra 16,658 token đầu ra, trong đó 13,241 là suy luận, tốn khoảng $0.25; một người bình luận khác đo được lượng token suy luận khoảng 60% so với K2.6.

Dùng K3 trong Claude Code, và các quy tắc request cần kiểm tra

Các quy tắc này lấy từ hướng dẫn nhanh K3 của Kimi và từ những vấn đề Wokey đã gỡ lỗi trong môi trường production. Hãy kiểm tra chúng trước khi chuyển từ K2.x sang kimi-k3 hoặc tích hợp lần đầu.

• Không thể tắt thinking, và phản hồi luôn có reasoning_content. Khi chuyển từ K2.x, hãy thay tham số thinking cũ bằng reasoning_effort ở cấp cao nhất (low / high / max).
• Trong hội thoại nhiều lượt và gọi công cụ, hãy gửi lại đầy đủ message assistant mà API trả về, gồm reasoning_content và tool_calls; chỉ gửi lại content sẽ làm mất phần suy luận trước đó.
• 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 bạn bỏ chúng khỏi request.
• Hình ảnh không thể là URL công khai: hãy đặt một data URL base64 như data:image/png;base64,... vào image_url, vì liên kết ảnh https sẽ trả về 400 unsupported image url; video cũng gửi dưới dạng base64. Cách tải lên rồi tham chiếu bằng ms://<file_id> của Kimi hiện chưa dùng được qua Wokey.
• max_completion_tokens mặc định là 131,072 và tối đa 1,048,576. Token suy luận được tính như đầu ra và effort max mặc định viết đầu ra dài, nên hãy chừa dư ngân sách đầu ra.
• Khi đặt stop sequence, K3 có thể bị cắt ngang khi vẫn đang suy luận và trả về finish_reason stop với content rỗng. Điều này đến từ upstream và Wokey không xóa văn bản, nên hãy thử các luồng phụ thuộc vào stop trên tác vụ của chính bạn trước.
• Dùng trong Claude Code: kimi-k3 trên Wokey hỗ trợ /v1/messages, nên hãy đặt ANTHROPIC_BASE_URL thành https://api.wokey.ai, ANTHROPIC_AUTH_TOKEN thành khóa API Wokey của bạn và ANTHROPIC_MODEL thành kimi-k3; giá là $0.60 đầu vào / $3.00 đầu ra mỗi triệu token. Moonshot khuyến nghị Kimi Code CLI làm framework agent, còn OpenCode và các client tương thích OpenAI khác dùng /v1/chat/completions.

Thân request có hình ảnh (/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" }
    ]
  }]
}

Ảnh chụp bảng giá danh mục

Giá tính cho mỗi 1 triệu token; việc quyết toán dựa trên giá tại thời điểm yêu cầu.

Nguồn giá chính thức: https://platform.kimi.ai/docs/pricing/chat-k3

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 90+ tài khoản

Thời gian đến token đầu tiên, prompt ngắn

2,5 giây (Trung vị · prompt dưới 8K token · p90 7,6 giây)

Thời gian đến token đầu tiên, prompt cỡ agent

5,9 giây (Trung vị · prompt 32K–128K token)

Tỷ lệ trúng cache prompt

93% (Tỷ lệ token đầu vào được đọc từ cache)

Client dùng nhiều nhất: Kimi Code CLI 52%, pi 26%, WorkBuddy 11%. Tỷ lệ trong các yêu cầu từ client nhận diện được; 3% 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","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"}]}'

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

• Dùng Kimi K3 trong Claude Code: Anthropic Messages · cài đặt base URL và khóa API
• Dùng Kimi K3 trong Codex: OpenAI Responses · cài đặt base URL và khóa API
• Dùng Kimi K3 trong Claude Desktop: Anthropic Messages · cài đặt base URL và khóa API
• Dùng Kimi K3 trong opencode: OpenAI Chat Completions · cài đặt base URL và khóa API
• Dùng Kimi K3 trong pi: Anthropic Messages · cài đặt base URL và khóa API
• Dùng Kimi K3 trong DeepSeek Harness: OpenAI Chat Completions · cài đặt base URL và khóa API
• Dùng Kimi K3 trong Z Code: Anthropic Messages · cài đặt base URL và khóa API
• Dùng Kimi K3 trong Cherry Studio: OpenAI Chat Completions · cài đặt base URL và khóa API
• Dùng Kimi K3 trong WorkBuddy: OpenAI Chat Completions · cài đặt base URL và khóa API
• Dùng Kimi K3 trong OpenClaw: OpenAI Chat Completions · cài đặt base URL và khóa API
• Dùng Kimi K3 trong Hermes Agent: OpenAI Chat Completions · cài đặt base URL và khóa API
• Dùng Kimi K3 trong Magpie: OpenAI Chat Completions · cài đặt base URL và khóa API
• Công cụ tính chi phí API Kimi: Kimi K3 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: 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.

Ví dụ một lệnh gọi thực tế

Các giá trị sử dụng này lấy từ một lệnh gọi Kimi K3 đã hoàn tất, thành công ngay lần thử đầu tiên và đã được đối chiếu với hóa đơn.

Tổng đầu vào

76023

Đầu ra

574

Tỷ lệ đầu vào từ cache

99.3%

Thời gian gọi

25.60 s

Chat Completions usage

Tổng hợp từ bản ghi tính phí thành ví dụ các trường API. prompt_tokens là tổng đầu vào, bao gồm cả token đã cache.

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

Đối chiếu token

Đây là đơn giá cuối cùng cho mỗi triệu token được ghi nhận cho lệnh gọi này.

Số tiền tính phí

$0.009833

Chi phí = tổng số token × đơn giá tương ứng ÷ 1,000,000, làm tròn đến sáu chữ số thập phân sau khi cộng.

Nguồn của lệnh gọi này

Lệnh gọi này dùng kênh Volcengine tại ark.cn-beijing.volces.com với xác thực API Key. Mức sử dụng được đo ở phía upstream và yêu cầu trả về HTTP 200.

Kiểm tra Prompt Cache

1. Giữ nguyên tiền tố chung của các prompt dài và dùng lại ngữ cảnh theo quy tắc cache của API đã chọn.
2. Kiểm tra prompt_tokens_details.cached_tokens; giá trị 0 nghĩa là lệnh gọi này không ghi nhận lượt đọc cache nào.
3. Đầu vào không cache = prompt_tokens trừ token đã cache. Tính riêng từng hạng mục theo đơn giá rồi cộng thêm phí đầu ra.

Câu hỏi thường gặp

Mô hình và tài liệu liên quan

• Kimi K3.1 Pro
• Kimi K3.1 Pro Highspeed
• Kimi K2.8 Preview
• Tài liệu API
• Tất cả mô hình và bảng giá
• Provider Node