Kimi K3.1 Pro vs Highspeed: Preise und Anwendungsfälle

Beide Novita-Endpunkte nennen ein Kontextfenster von 1M und unterstützen Werkzeugaufrufe. Sie verarbeiten Text, Bilder und Videos als Eingabe und geben Text aus.

Quellen: ¹²⁸

Mit 100,000 Eingabe- und 10,000 Ausgabe-Tokens ohne Cache kostet Standard $0.30 und Highspeed $0.60. Der Aufpreis von $0.30 lohnt sich nach 36 gesparten produktiven Sekunden, wenn diese Zeit mit $30 pro Stunde bewertet wird. Dies ist eine beispielhafte Wirtschaftlichkeitsrechnung, keine Geschwindigkeitsmessung.

Zählen Sie die tatsächliche Wartezeit auf eine nutzbare Antwort sowie die Laufzeit von Werkzeugen und Tests. Bei Reasoning-Modellen sind das erste sichtbare Antwort-Token und der erste Reasoning-Block unterschiedliche Ereignisse.

Quellen: ¹²³

Quellen: ¹²

Das Beispiel mit neuem Cache nutzt die Preise für 5-Minuten-Schreibvorgänge. Der geeignete Präfix wird einmal als Cache-Schreibvorgang berechnet. Das Beispiel mit warmem Cache setzt einen späteren erfolgreichen Lesezugriff voraus.

Jede Zeile verwendet feste Eingabe- und Ausgabemengen zur Berechnung der Tokenkosten. Cache-Lesen setzt einen Treffer voraus. Tools, Sandbox-Laufzeit, Speicher, Netzwerk und Steuern fallen separat an; individuelle Rabatte und Batch-Verarbeitung sind ausgeschlossen.

Für beide Kimi-Endpunkte nennt Novitas Katalog 1,048,576 Tokens für Kontext und maximale Ausgabe; die Modellseiten kürzen diese Grenzen mit 1M ab.¹⁸

Kontext und maximale Ausgabe sind veröffentlichte Grenzen, keine Zusage, beide in einer Anfrage vollständig auszuschöpfen. Beachten Sie Gesamt-Kontext- und Generierungsregeln des Endpunkts.

Quellen: ¹²⁸

Verwenden Sie bei beiden Stufen dieselben Eingaben, angefragten Ausgabelängen und Erfolgskriterien. Mehr zu zahlen lohnt sich, wenn kürzeres Warten den Abschluss beschleunigt; parallel anderweitig genutzte Wartezeit ist nicht automatisch gewonnene Zeit.

Benötigt interaktives Debugging Befehle oder Tests, kann dafür bei beiden Stufen optional Novita Agent Sandbox genutzt werden. Nutzen Sie dieselbe Umgebung, damit schnellere Antworten nicht mit schnelleren Tests verwechselt werden. Die Anwendung kontrolliert Werkzeugrechte; die Sandbox-Laufzeit wird getrennt von Modell-Tokens abgerechnet.

Novita Agent Sandbox ansehen · Eine reproduzierbare Ausführungsumgebung erstellen

Quellen: ⁵⁶

Dieses Beispiel sendet denselben Planungsauftrag an jede Novita-Modell-ID und zeigt Abschlussgrund und Nutzung. Es zeigt den Wechsel zwischen Stufen; es führt den Plan nicht aus und misst keine Geschwindigkeit.

Die Generierung ist auf 1,024 Tokens begrenzt, einschließlich aller vom Endpunkt gezählten Reasoning-Tokens. Bei einer leeren oder durch das Tokenlimit beendeten Antwort gibt der Code einen Hinweis aus und fordert nicht automatisch eine weitere Antwort an. Prüfen Sie die Nutzung, bevor Sie das Limit erhöhen.

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["NOVITA_API_KEY"],
    base_url="https://api.novita.ai/openai/v1",
)

for model in ["moonshotai/kimi-k3.1-pro","moonshotai/kimi-k3.1-pro-highspeed"]:
    reply = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": "Review a repository bug fix: list the implementation steps and acceptance tests."}],
        max_tokens=1024,
    )
    choice = reply.choices[0]
    content = choice.message.content or ""
    print(model, "finish_reason:", choice.finish_reason)
    print("usage:", reply.usage)
    if choice.finish_reason == "length" or not content.strip():
        print("No complete answer. Inspect usage and adjust the generation budget before another request.")
    else:
        print(content)

Quellen: ⁴

Quellen: ¹²⁷