Kimi K3は2026年7月16日にリリースされました。料金表は一見シンプルですが、入力価格が「キャッシュヒット」と「キャッシュミス」の2種類に分かれています。Moonshot AIの表示料金は、キャッシュヒット入力が100万トークンあたり$0.30、キャッシュミス入力が$3.00、出力が$15.00です。実際の月額コストを決めるのは、表示上の$3.00ではなく、キャッシュヒット率を含めたブレンド入力単価です。特にコーディングワークロードでは、入力単価は$3.00より$0.30に近づく可能性があります。この記事では、実効コストの計算方法、タスク別の見積もり、Claude Opus 4.8、GPT-5.6 Sol、DeepSeek V4との比較、実際の使用量を検証する方法を解説します。
要約（TL;DR）
Kimi K3の料金は次のとおりです。
- キャッシュヒット入力: 100万トークンあたり$0.30
- キャッシュミス入力: 100万トークンあたり$3.00
- 出力: 100万トークンあたり$15.00
MoonshotはMooncakeの分散型推論アーキテクチャを通じてモデルを提供しており、コーディングワークロードでは90%超のキャッシュヒット率を報告しています。この前提では、実効入力単価は$3.00ではなく約$0.57/100万トークンまで下がります。
ただし、出力は高価です。コストを下げるには、プロンプトのプレフィックスを安定させてキャッシュを活用しつつ、max_tokensや出力形式を制御して応答を必要以上に長くしないことが重要です。
モデルをテストする際は、Apidogでレスポンスのトークン使用量を確認し、キャッシュヒットの内訳を実測してください。
Kimi K3の表示料金
Moonshotが公式のKimi K3料金ページでkimi-k3モデルについて公開している料金は次のとおりです。
| トークンタイプ | 100万トークンあたりの価格 |
|---|---|
| キャッシュヒット入力 | $0.30 |
| キャッシュミス入力 | $3.00 |
| 出力 | $15.00 |
この差がコスト設計のポイントです。
- キャッシュミス入力は、キャッシュヒット入力の10倍
- 出力は、キャッシュミス入力の5倍
- 出力は、キャッシュヒット入力の50倍
すべての入力を$3.00として計算すると、入力費用を過大評価しやすくなります。一方で、出力を小さな費用として扱うと、実際に請求額を左右する部分を見落とします。
Kimi K3のモデル概要は、Kimi K3とは何か解説を参照してください。ベースURL、SDK、リクエスト設定は、Kimi K3 APIガイドで確認できます。
キャッシュヒットが実効単価を変える仕組み
プロンプトキャッシングでは、プロバイダーがプロンプトのトークン化済みプレフィックスを再利用します。次のリクエストで同じプレフィックスを送ると、モデルはその部分を最初から処理せず、キャッシュから読み込みます。
再利用されたトークンには、キャッシュミス単価ではなくキャッシュヒット単価が適用されます。
Moonshotは、Mooncakeの分散型推論アーキテクチャにより、プリフィルとデコードを分離し、キャッシュ済みプレフィックスを積極的に再利用できるとしています。コーディングワークロードでは90%超のキャッシュヒット率が報告されています。
ブレンド入力単価の計算式
キャッシュヒット率をhとすると、100万入力トークンあたりのブレンド単価は次の式で求められます。
ブレンド入力単価 =
(キャッシュヒット率 × $0.30)
+ ((1 - キャッシュヒット率) × $3.00)
キャッシュヒット率が90%の場合:
0.90 × $0.30 = $0.27
0.10 × $3.00 = $0.30
ブレンド入力単価 = $0.57 / 100万トークン
つまり、入力単価は$3.00ではなく、約$0.57/100万トークンになります。
キャッシュヒット率が95%なら:
0.95 × $0.30 = $0.285
0.05 × $3.00 = $0.15
ブレンド入力単価 = $0.435 / 100万トークン
実測が必要な理由
90%超という数値は、Moonshotがコーディングワークロードについて報告しているものです。実際のヒット率は、プロンプトの先頭部分がどれだけ安定しているかに左右されます。
キャッシュ効率が高くなりやすい例:
- 同じリポジトリを継続的に扱うコーディングエージェント
- 固定されたシステムプロンプトを使うチャット
- 同じツール定義・JSON Schemaを送るワークフロー
- 共通のドキュメントや仕様を毎ターン再利用する処理
キャッシュ効率が下がりやすい例:
- ターンごとにシステムプロンプトを変更する
- コンテキストブロックの順序を頻繁に入れ替える
- リクエストごとに大きく異なる資料を先頭に追加する
- 会話履歴を毎回異なる形式で組み立てる
見積もりに使う前に、自分のトラフィックでヒット率を測定してください。
費用計算例：エージェント型コーディングタスク
中規模リポジトリに対する1回のエージェント型コーディングセッションを例にします。
セッション全体で、モデルが以下を処理すると仮定します。
- 入力: 2,000,000トークン
- 出力: 200,000トークン
入力が多いのは、会話履歴、コード、ツール定義、リポジトリの文脈がターンごとに再送信されるためです。
ケース1: キャッシュなしで計算する
入力:
2,000,000 × $3.00 / 1,000,000 = $6.00
出力:
200,000 × $15.00 / 1,000,000 = $3.00
合計:
$9.00
ケース2: 入力の90%がキャッシュヒットする
キャッシュヒット入力:
1,800,000 × $0.30 / 1,000,000 = $0.54
キャッシュミス入力:
200,000 × $3.00 / 1,000,000 = $0.60
入力小計:
$1.14
出力:
200,000 × $15.00 / 1,000,000 = $3.00
合計:
$4.14
| 項目 | キャッシュなし | 90%キャッシュヒット |
|---|---|---|
| 入力 | $6.00 | $1.14 |
| 出力 | $3.00 | $3.00 |
| 合計 | $9.00 | $4.14 |
キャッシングにより、入力費用は$6.00から$1.14に下がります。タスク全体では$9.00から$4.14となり、約54%の削減です。
ただし、出力コストはどちらも$3.00です。キャッシングは、まだ生成されていない出力トークンには適用されません。
コストを下げる実装ポイント
Kimi K3では、入力を極端に削るよりも、キャッシュを維持しながら出力を制御するほうが重要です。
1. システムプロンプトを固定する
システムプロンプトは、ターンごとに書き換えず固定してください。
{
"model": "kimi-k3",
"messages": [
{
"role": "system",
"content": "あなたはコードレビューアです。差分のみを返してください。"
},
{
"role": "user",
"content": "この変更の問題点を確認してください。"
}
]
}
毎回同じプレフィックスを送ることで、キャッシュヒットを狙いやすくなります。
2. ツール定義を安定させる
エージェントでツールを使う場合、ツール定義の順序、説明文、JSON Schemaを頻繁に変更しないでください。
避けたい例:
// リクエストごとに説明文や順序を変える
const tools = createToolsForCurrentRequest();
推奨例:
// 固定したツール定義を再利用する
const tools = [
{
type: "function",
function: {
name: "read_file",
description: "指定されたファイルを読み取る",
parameters: {
type: "object",
properties: {
path: { type: "string" }
},
required: ["path"]
}
}
}
];
3. 出力形式を明示する
出力は100万トークンあたり$15.00です。説明文を長く生成させないため、返却形式を明示します。
以下の形式だけで返してください。
1. 問題点
2. 修正案
3. 修正対象ファイル
各項目は3行以内にしてください。
コード修正だけが必要なら、さらに制限できます。
説明は不要です。unified diff形式のみを返してください。
4. max_tokensを設定する
上限が不要に大きいと、モデルが長い説明や冗長なコードを返す余地が増えます。
{
"model": "kimi-k3",
"max_tokens": 1200,
"messages": [
{
"role": "user",
"content": "この関数のバグを修正し、差分だけを返してください。"
}
]
}
タスクごとに適切な値を決めてください。たとえば、レビューコメントなら数百トークン、複数ファイルの修正ならより大きい上限が必要になる場合があります。
5. 関連する呼び出しを同じプレフィックスに寄せる
毎回まったく新しい会話やコンテキストを開始するのではなく、同じリポジトリ・同じシステムプロンプト・同じツール定義を使う関連タスクをまとめます。
ただし、不要なコンテキストを無制限に保持する必要はありません。目的は、役に立つ安定したプレフィックスを再利用することです。
入力削減が常に最適ではない理由
キャッシュヒットする入力はすでに低コストです。そのため、コスト削減だけを目的に有用なコンテキストを削ると、逆効果になる場合があります。
たとえば、次の情報を削るとします。
- コーディング規約
- 関連ファイル
- エラー再現手順
- API仕様
- テストケース
これによりモデルの回答精度が落ちると、追加の質問、長い説明、修正のやり直しが発生し、結果として高価な出力トークンが増える可能性があります。
Kimi K3では、次のように考えると実装しやすくなります。
入力は安定させて再利用し、出力は必要な形式と長さに制約する。
Kimi K3と他モデルの料金比較
競合モデルの料金は変動するため、導入前には必ず最新の公式料金を確認してください。ここでは記事内で扱う基準値を比較します。
| モデル | 入力（100万トークンあたり） | 出力（100万トークンあたり） | 備考 |
|---|---|---|---|
| Kimi K3 | キャッシュヒット $0.30 / キャッシュミス $3.00 | $15.00 | 100万コンテキスト、オープンウェイト版は7月27日頃 |
| Claude Opus 4.8 | $5.00 | $25.00 | プレミアム層。現在の料金を確認 |
| GPT-5.6 Sol | 約$5.00 | 約$30.00 | フラッグシップ層。より安価な層あり |
| DeepSeek V4 | バリュー層 | バリュー層 | 現在の料金を確認 |
Claude Opus 4.8との比較
Claude Opus 4.8の料金では、入力$5.00、出力$25.00が基準です。
先ほどのサンプルタスクをOpusの表示料金で計算すると:
入力:
2,000,000 × $5.00 / 1,000,000 = $10.00
出力:
200,000 × $25.00 / 1,000,000 = $5.00
合計:
$15.00
Kimi K3で90%のキャッシュヒットを得られた場合の$4.14と比べると差があります。
Anthropicも独自のプロンプトキャッシングを提供しているため、実際の差は縮む可能性があります。それでも、表示料金ベースではKimi K3は入力・出力ともに低価格です。
GPT-5.6 Solとの比較
GPT-5.6の料金によると、GPT-5.6 Solは入力約$5、出力約$30のフラッグシップ層です。
Kimi K3は特に出力単価で低くなります。ただし、GPT-5.6にはTerra層やLuna層など、より安価な選択肢があります。必要な機能と品質を下げられる場合は、そちらが価格面で有利になる可能性があります。
DeepSeek V4との比較
DeepSeek V4の料金と比べる場合は、バリュー層のオープンウェイトモデル同士の比較になります。
DeepSeekは歴史的に積極的な価格設定をしているため、出力単価だけを見るとKimi K3を下回る可能性があります。一方、入力が多く、かつキャッシュが有効に働くワークロードでは、Kimi K3のブレンド入力単価が有利になる場合があります。
Apidogでキャッシュヒット率を測定する
コスト計算は、実際の使用量を確認して初めて意味を持ちます。Kimi K3のレスポンスには、入力、出力、キャッシュヒット部分を含む使用量オブジェクトが返されます。
ApidogでKimi K3エンドポイントを設定し、代表的なリクエストを送信してください。Kimi K3はOpenAI SDK互換のため、一般的なOpenAIスタイルのAPIと同様に設定できます。
設定する主な項目:
- ベースURL
- Bearerトークン
- モデルID:
kimi-k3
測定手順
- 固定したシステムプロンプトとツール定義を用意する
- 同じリクエストを1回送信する
- 使用量オブジェクトの入力・出力・キャッシュ関連の項目を記録する
- 同じリクエストをもう一度送信する
- 2回目のレスポンスでキャッシュヒット数が増えるか確認する
- 実測ヒット率をブレンド単価の式に代入する
ヒット率をcache_hit_tokens / input_tokensとして扱える使用量情報が得られる場合、次のように見積もれます。
実効入力単価 =
ヒット率 × $0.30
+ (1 - ヒット率) × $3.00
また、Apidogではkimi-k3と現在使用しているモデルに対して同じリクエストを保存し、レスポンスとトークン数を並べて比較できます。エディタ内で検証したい場合は、VS Code内でApidogを使用する方法も参照してください。
比較環境は、Apidogをダウンロードすれば数分で作成できます。
正直な評価
Kimi K3の料金戦略は明確です。
- 入力は、キャッシュを活用できれば安価
- 出力は高価
- 実際の入力コストは、キャッシュヒット率で決まる
Moonshotが報告するコーディングワークロードでの90%超のヒット率を得られるなら、入力単価は$0.30の下限に近づきます。一方で、$15.00/100万トークンの出力は請求額に大きく影響します。
そのため、Kimi K3をコスト効率よく使う実装では、次の3点が重要です。
- システムプロンプト、ツール定義、コンテキストの順序を安定させる
-
max_tokensと出力形式を設定して冗長な応答を避ける - 実際のキャッシュヒット率を使用量オブジェクトから測定する
Kimi K3は純粋なフロンティアモデルとして位置付けられているわけではありません。Moonshot自身も、機能面ではClaude Fable 5やGPT-5.6 Solに後れを取ると位置付けています。しかし、100万トークンのコンテキスト、キャッシュヒット時の低い入力単価、そして将来的なオープンウェイト版を考えると、フロンティアに近い品質を価格重視で利用したいケースでは有力な選択肢です。
支出を見積もる前に、Apidogをダウンロードし、kimi-k3へ代表的なリクエストを送信して、使用量オブジェクトからキャッシュヒットの内訳を確認してください。
よくある質問（FAQ）
Kimi K3 APIの費用はどのくらいですか？
Moonshotの直接APIでは、キャッシュヒット入力が100万トークンあたり$0.30、キャッシュミス入力が$3.00、出力が$15.00です。
OpenRouterのようなサードパーティのリストでは、キャッシュヒット層が分離されず、入力が一律$3.00、出力が$15.00と表示される場合があります。リクエスト設定は、Kimi K3 APIガイドを参照してください。
キャッシュヒット率とは何ですか？なぜ重要ですか？
キャッシュヒット率は、入力トークンのうちキャッシュ済みプレフィックスとして再利用された割合です。
キャッシュヒットした入力は$3.00ではなく$0.30で請求されます。たとえば、ヒット率が90%なら、ブレンド入力単価は約$0.57/100万トークンになります。
Kimi K3はClaude Opus 4.8より安いですか？
表示料金では安いです。Kimi K3の出力は$15.00/100万トークンであり、Claude Opus 4.8の$25.00より低価格です。入力も、Kimi K3のキャッシュミス単価$3.00はOpusの入力$5.00を下回ります。
入力200万・出力20万トークンの例では、Kimi K3が90%キャッシュヒットなら約$4.14、Opusの表示料金では約$15.00です。Anthropicにもキャッシングがあるため実費差は変動しますが、方向性としてはKimi K3が低価格です。
詳しくは、Claude Opus 4.8の料金と Kimi K3とClaude Opus 4.8の比較を確認してください。
Kimi K3の料金はGPT-5.6やDeepSeek V4と比較してどうですか？
Kimi K3は、GPT-5.6 Solの入力約$5・出力約$30より低価格です。ただし、GPT-5.6にはTerra層やLuna層など、より安価な層があります。
DeepSeek V4は別のバリュー層の選択肢です。純粋な出力料金ではKimi K3を下回る可能性がありますが、入力が多くキャッシュが有効なワークロードではKimi K3が有利になる場合があります。
導入前に、GPT-5.6の料金とDeepSeek V4の料金で最新価格を確認してください。
Kimi K3の請求額を下げるにはどうすればよいですか？
入力を削ることより、出力制御とキャッシュ維持に重点を置いてください。
-
max_tokensを設定する - 簡潔な回答、差分のみ、JSONのみなどの形式を指定する
- システムプロンプトを固定する
- ツール定義とコンテキスト順序を変えない
- 関連するタスクで同じプレフィックスを再利用する
キャッシュ済み入力は低価格なので、有用なコンテキストを削ると回答品質が下がり、長く高価な出力や再試行につながる場合があります。
実際のキャッシュヒット率を確認するにはどうすればよいですか？
Kimi K3のレスポンスに含まれる使用量オブジェクトを確認してください。入力、出力、キャッシュヒットトークン数の内訳を確認できます。
Apidogから同じリクエストを2回送信し、2回目のレスポンスでキャッシュヒット数が増えるかを確認してください。実測したヒット率をブレンドコストの計算式に入れれば、自分のワークロードにおける実効入力単価を見積もれます。
Top comments (0)