Kimi API: ключ, цены и лимиты платформы Moonshot

Поштучная оплата токенов вместо подписки, OpenAI-совместимый формат и лимиты, привязанные к сумме пополнений. Что нужно знать до первого запроса.

С чего начинается работа

API-платформа Moonshot живёт на platform.kimi.ai. Это отдельный от чата продукт: свой аккаунт, свой баланс, поштучная оплата токенов без месячной подписки.

Порядок действий: регистрация, пополнение баланса, создание ключа в разделе API Keys. Минимальное пополнение — $1, при накопленных $5 платформа начисляет купон на $5. Ключ передаётся заголовком Authorization: Bearer $MOONSHOT_API_KEY.

Базовый адрес международного контура — https://api.moonshot.ai, для SDK указывается https://api.moonshot.ai/v1. У китайского контура свой адрес, api.moonshot.cn, с отдельным аккаунтом и балансом.

API совместим с форматом OpenAI Chat Completions, поэтому официальные SDK OpenAI для Python и Node.js работают без переделки — достаточно подменить base_url. По той же причине заводятся LangChain, Dify, Coze и прочие обвязки, умеющие OpenAI-совместимый endpoint.

Модели и цены

Цены указаны за 1 млн токенов. Столбец «кэш» — попадание в автоматический кэш контекста, когда начало запроса совпадает с предыдущим; «без кэша» — обычная цена входа.

Разрыв между кэшем и обычным входом у K3 десятикратный, и это не мелочь: агент, который в цикле шлёт один и тот же длинный системный промпт, при попадании в кэш платит за вход в десять раз меньше. Кэширование включается автоматически, отдельно активировать его не нужно — важно лишь не менять начало запроса от вызова к вызову.

Файловые операции — загрузка документа и извлечение текста — пока не тарифицируются; платить придётся, когда извлечённый текст уйдёт в модель как часть запроса. Налоги в цены не включены и считаются на оплате по вашей юрисдикции.

Тиры, RPM и TPM

Лимиты на платформе привязаны не к тарифу, а к накопленной сумме пополнений. Чем больше вы в сумме положили за всё время, тем выше потолок.

Дневной потолок токенов ограничен только на нулевом тире — 1,5 млн в сутки; начиная с первого он снимается. Скачок между Tier 0 и Tier 1 самый резкий: три запроса в минуту против двухсот. То есть на пробном долларе всерьёз ничего не построить, это режим «посмотреть, что отвечает».

Разработчик предупреждает, что из-за всплеска аномальных запросов правила тиров будут пересмотрены, — так что перед тем, как проектировать нагрузку, страницу лимитов стоит открыть заново.

Особенности, о которые спотыкаются

• Рассуждение у K3 не выключается. Модель всегда возвращает поле reasoning_content. Глубина задаётся полем reasoning_effort со значениями low, high и max; по умолчанию стоит max — самый дорогой и самый медленный режим.
• Сохранение цепочки рассуждений. K3 обучена в режиме preserved thinking: в многоходовом диалоге и при вызове инструментов нужно возвращать в messages весь ответ ассистента целиком, вместе с reasoning_content и tool_calls, а не одно поле content. Если этого не делать, модель теряет собственный ход мысли между репликами.
• Kimi-специфичные параметры. В SDK OpenAI параметр thinking передаётся через extra_body, а partial — это поле внутри сообщения ассистента, а не параметр верхнего уровня.
• Веб-поиск на платформе обновляется. Разработчик прямо не рекомендует опираться на инструмент web_search в ближайшее время и предупреждает, что документация по нему устарела.

Из полезного сверх базового: асинхронный Batch API для массовой обработки через JSONL, динамическая подгрузка описаний инструментов, чтобы не раздувать промпт большим каталогом функций, JSON Mode и структурированный вывод по схеме, а также штатная процедура переподключения к оборванному потоку.

Что отключают

Куда переходить, зависит от задачи: kimi-k3 — если нужен длинный контекст и сложные многошаговые сценарии, kimi-k2.7-code — если это код и важна цена, kimi-k2.6 — если хватает 256k и не нужен постоянный режим рассуждения. Разбор различий между версиями — на странице линейка Kimi.

Частые вопросы