Kimi K3.1 Pro vs Highspeed : tarifs et cas d’usage

Les deux endpoints Novita annoncent une fenêtre de contexte de 1M et la prise en charge des appels d’outils. Ils acceptent du texte, des images et des vidéos en entrée et produisent du texte.

Sources : ¹²⁸

Pour 100,000 tokens d’entrée, 10,000 de sortie et sans cache, le niveau standard coûte $0.30 et Highspeed $0.60. Le supplément de $0.30 est compensé par 36 secondes productives gagnées si ce temps vaut $30 par heure. C’est un calcul illustratif de rentabilité, pas une mesure de vitesse.

Comptez l’attente réelle d’une réponse utilisable, ainsi que la durée des outils et des tests. Pour les modèles de raisonnement, le premier token visible de réponse et le premier fragment de raisonnement sont des événements différents.

Sources : ¹²³

Sources : ¹²

L’exemple de cache neuf utilise les tarifs d’écriture de 5 minutes. Le préfixe est facturé une seule fois comme écriture et doit être admissible au cache. L’exemple de cache actif suppose une lecture ultérieure réussie.

Chaque ligne fixe les volumes d’entrée et de sortie pour calculer le coût des tokens. La lecture du cache suppose un accès réussi. Outils, exécution du Sandbox, stockage, réseau et taxes sont séparés ; remises négociées et traitement par lots sont exclus.

Pour les deux endpoints Kimi, le catalogue Novita indique 1,048,576 tokens de contexte et de sortie maximale ; les fiches abrègent ces limites en 1M.¹⁸

Le contexte et la sortie maximale sont des limites publiées, pas la promesse de pouvoir utiliser les deux intégralement dans une requête. Appliquez les règles de contexte total et de génération de l’endpoint.

Sources : ¹²⁸

Utilisez les mêmes entrées, longueur de sortie demandée et critères de réussite pour les deux niveaux. Payer plus a du sens si l’attente réduite aide à finir plus tôt ; une attente occupée par un autre travail n’est pas automatiquement du temps récupéré.

Si le débogage interactif nécessite des commandes ou des tests, un Novita Agent Sandbox facultatif peut les exécuter avec chaque niveau. Gardez le même environnement pour distinguer réponses plus rapides et tests plus rapides. L’application contrôle les permissions ; l’environnement Sandbox est facturé séparément des tokens du modèle.

Découvrir Novita Agent Sandbox · Créer un environnement d’exécution reproductible

Sources : ⁵⁶

Cet exemple envoie la même demande de planification à chaque ID de modèle Novita, puis affiche la raison d’arrêt et l’utilisation. Il montre comment changer de niveau ; il n’exécute pas le plan et ne mesure pas la vitesse.

La génération est limitée à 1,024 tokens, y compris les tokens de raisonnement comptés par l’endpoint. En cas de réponse vide ou interrompue par la limite de tokens, le code affiche un avertissement et ne demande pas automatiquement une autre réponse. Examinez l’utilisation avant d’augmenter la limite.

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)

Sources : ⁴

Sources : ¹²⁷