Kimi K3.1 Pro vs Highspeed: preços e casos de uso

Os dois endpoints da Novita indicam uma janela de contexto de 1M e chamadas de ferramentas. Aceitam entradas de texto, imagem e vídeo e retornam texto.

Fontes: ¹²⁸

Com 100,000 tokens de entrada, 10,000 de saída e sem cache, o padrão custa $0.30 e Highspeed $0.60. O adicional de $0.30 se paga com 36 segundos produtivos economizados, se esse tempo valer $30 por hora. É um cálculo ilustrativo de equilíbrio, não uma medição de velocidade.

Conte a espera real por uma resposta utilizável, além do tempo das ferramentas e dos testes. Em modelos de raciocínio, o primeiro token visível da resposta e o primeiro trecho de raciocínio são eventos diferentes.

Fontes: ¹²³

Fontes: ¹²

O exemplo de cache novo usa as tarifas de gravação de 5 minutos. O prefixo é cobrado uma vez como gravação e deve ser elegível para cache. O exemplo de cache ativo pressupõe uma leitura posterior bem-sucedida.

Cada linha fixa as quantidades de entrada e saída para calcular o custo de tokens. A leitura do cache exige um acerto. Ferramentas, execução do Sandbox, armazenamento, rede e impostos são separados; descontos negociados e processamento em lote ficam excluídos.

Para os dois endpoints Kimi, o catálogo Novita lista 1,048,576 tokens de contexto e saída máxima; as páginas abreviam esses limites como 1M.¹⁸

Contexto e saída máxima são limites publicados, não promessa de consumir ambos por completo em uma requisição. Aplique as regras de contexto total e geração do endpoint.

Fontes: ¹²⁸

Use a mesma entrada, tamanho de saída solicitado e critérios de aprovação nos dois níveis. Pagar mais faz sentido quando esperar menos ajuda a concluir antes; espera sobreposta a outro trabalho não é automaticamente tempo recuperado.

Quando a depuração interativa precisa de comandos ou testes, um Novita Agent Sandbox opcional pode executá-los com qualquer nível. Mantenha o mesmo ambiente para não confundir respostas mais rápidas com testes mais rápidos. A aplicação controla as permissões; o ambiente Sandbox é cobrado separadamente dos tokens do modelo.

Explorar o Novita Agent Sandbox · Criar um ambiente de execução reproduzível

Fontes: ⁵⁶

Este exemplo envia a mesma solicitação de planejamento a cada ID de modelo Novita e mostra o motivo da parada e o uso. Ele mostra como trocar de nível; não executa o plano nem mede a velocidade.

A geração é limitada a 1,024 tokens, incluindo os tokens de raciocínio contados pelo endpoint. Se a resposta estiver vazia ou for interrompida pelo limite de tokens, o código exibe um aviso e não solicita outra resposta automaticamente. Confira o uso antes de aumentar o 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)

Fontes: ⁴

Fontes: ¹²⁷