ARTICLE · 1022301
AI 省钱账本(三)|Kimi 篇:长文档问第二次便宜 10 倍,真正的钱却花在＂思考＂上
先说这一篇的反常识结论：在 Kimi 这里，最贵的不是你贴进去的长文档，是它"想"的过程。
Kimi 的旗舰 K3 输出价是 100 元/百万 Token，是它缓存命中价的 50 倍；而它始终开启思考，你关不掉。所以这一篇要讲两件事：一是长文档怎么喂才不烧钱（缓存机制），二是那个关不掉的思考开关怎么调（推理强度）。
老规矩，单价全部来自官方公开价目，算术写在明面上。
一、四档模型，一个自动缓存
Kimi 现在在售的主要是四档：
（单位：元 / 百万 Token，官方原始单位就是「1M tokens」）
三条规则要记住：
- 缓存是全自动的
：不用 cache ID、不用设 TTL、不用加额外参数。你只要保持长前缀不变，后续请求会自动尝试命中缓存 但有个门槛：上一个请求的 prompt 小于 256 Token 时，请求不会被缓存，而是被丢弃——短提示词别指望吃到缓存 - K3 不按上下文长度分段计价
，输入和输出都是统一单价（这一点和下一篇的千问正好相反，到时候对比着看）
⚠️ 记住两个倍数：命中价是未命中的 1/10（K3 是 2 比 20）；输出是命中价的 50 倍（100 比 2）。前者决定你该不该连续追问，后者决定你该不该让它长篇大论。
二、算一笔真实的账：同一份文档，问第二次便宜 10 倍
场景：一份 50 万 Token 的长文档（大约 30 万汉字的量级），连续问 5 轮，每轮输出 2000 Token。
| 15 元 | |||
| 51 元 |
算术摊开（K3 单价）：
- 好习惯
： 0.5 百万×20 + 2 百万×2 + 0.01 百万×100= 10 + 4 + 1 = 15 元 - 坏习惯
： 2.5 百万×20 + 0.01 百万×100= 50 + 1 = 51 元
同一份文档、同样 5 个问题：3.4 倍。
而这个差距是怎么来的？就来自"第二次问"这一下：
文档未命中缓存：0.5 × 20 = 10 元 文档命中缓存：0.5 × 2 = 1 元
10 倍。这就是为什么"把长文档贴进新会话再问一遍"是这个平台上最贵的习惯。
再叠上档位选择。同样是 10 万输入 + 1 万输出（全部未命中）：
- K3
：0.1 × 20 + 0.01 × 100 = 2 + 1 = 3.00 元 - k2.6
：0.1 × 6.5 + 0.01 × 27 = 0.65 + 0.27 = 0.92 元
3.3 倍，买的是不同的能力档位——但也确实说明：不是每个活都值得请旗舰出手。
⚠️ 上面这些算术都没有算思考 Token。而思考 Token 恰恰是 Kimi 上最容易失控的那部分——因为 K3 默认用最强的思考强度。
三、Kimi 专属：4 个能直接省钱的开关
1️⃣ 长文档一定要"连续追问"，别开新会话
缓存自动生效的前提是前缀不变。50 万 Token 的文档，第一次贴是"未命中"，从第二次开始就是"命中"——1/10 的价。
操作上就一条：同一份材料，在同一个会话里把问题问完。换会话 = 文档重新按未命中计费。
2️⃣ 思考开关：K3 关不掉，但可以调低
这是 Kimi 和前面几个平台最不一样的地方：它的思考不是可选项。
- kimi-k3
：始终开启思考，关不掉。可以用顶层的 reasoning_effort调强度，支持low/high/max，默认是 max - kimi-k2.7-code
：始终开启思考，而且保留式思考也始终开启、无法关闭——意思是历史轮次的思考内容会被反复带上并计费 - kimi-k2.6
：默认开启思考，但可以关（ thinking.type: "disabled"）
官方原话是：reasoning_content 会计入输入 / 输出 Token 消耗。也就是说，它"想"得越多，你的账单越长——而输出的单价（100）是缓存命中（2）的 50 倍。
所以省钱动作很明确：
- 简单活别用 K3
；一定要用，就把 reasoning_effort设成low - 要彻底关掉思考，换 kimi-k2.6
# 同一个活，两种强度的差别就是账单的差别 completion = client.chat.completions.create( model="kimi-k3", reasoning_effort="low", # 默认是 max；简单任务没必要让它想那么久 messages=[{"role": "user", "content": question}], )3️⃣ 便宜档 + Batch 六折，但注意 Batch 不支持 K3
官方明确：Batch API 的费用为标准价的 60% 但只支持 kimi-k2.7-code 和 kimi-k2.6 所以想用 Batch，就得先从 K3 降档：这不是"少花 40%"，而是"先降一档再打六折"
Batch 价目（元 / 百万 Token，命中 / 未命中 / 输出）：
官方在成本文档里也直接给了结论："如果对成本敏感，可以选择使用 kimi-k2.6 模型。"
4️⃣ 先别急着充钱，先设两道闸
K3 是旗舰，要先充值才能解锁（最低 10 元），而新用户认证赠送的 15 元代金券不能用于 K3。
但在充钱之前，有两件更要紧的事——官方文档里的成本控制建议，我认为是这一篇最值钱的两条：
- 设"项目日消费预算"
：到了上限，系统会自动拒绝该项目下所有 API 请求（注意有约 10 分钟延迟） - 开"余额预警提醒"
：余额低于预设金额（默认 20 元）时短信通知
为什么这两条重要？因为编程类工具会自动多轮重试，一旦陷入循环，Token 用量是成倍涨的。给钱包装个跳闸开关，比事后看账单划算得多。
💡 还有一个容易误解的点：文件内容抽取、文件存储这两个接口目前限时免费，但文档内容作为输入传给模型时，照样按 Token 计费。免的是"接口费"，不是"Token 费"——别以为上传文档就等于免费。
四、4 个省钱习惯（Kimi 版）
1️⃣ 长前缀放最前，然后别动它
缓存自动生效，你能做的就是别让前缀变：
# 前缀稳定 = 命中缓存；缓存对普通请求自动启用，不需要任何额外参数 knowledge = open("knowledge-base.md", encoding="utf-8").read() for question in ["总结关键结论。", "列出三个实施风险。"]: completion = client.chat.completions.create( model="kimi-k3", messages=[ {"role": "system", "content": knowledge}, # 固定不变，第二次起按 1/10 计费 {"role": "user", "content": question}, # 只有这里在变 ], )注意：前缀小于 256 Token 不会被缓存，太短的提示词就不用惦记这事了。
2️⃣ 思考强度按任务分档
简单任务用 low，复杂任务才用默认的 max；能用 k2.6 就别上 K3。
3️⃣ 别随手开"保留式思考"
k2.6 默认不保留历史思考（更短、更便宜），这是最省的默认值。除非任务真的需要跨轮推理连贯，否则不要开 keep: "all"——开了之后历史思考会持续占用上下文并计费。
4️⃣ 非实时的大批量活走 Batch，记得换档
明天早上看结果就行的活，走 Batch 六折；但记得 Batch 只吃 k2.7-code 和 k2.6。
五、省钱的三个前提（别省出事故）
- 质量优先
：结果不对，省下的钱是负收益 - 验证不能省
：它说"已验证"不等于真验证过，该自己跑还得跑 - 别为省而省
：把三句话的活拆成十轮追问，省了输出、亏了输入和时间
💡 Kimi 这一篇的一句话总结：长文档只贴一次、在同一会话里问完；思考强度按任务调；批量活降档走 Batch。
六、下期预告
这一篇讲的是 Kimi 的两件事：自动缓存（1/10 的命中价） 和 关不掉的思考 Token。
下一篇换平台——GLM 篇。GLM 是这一路走过来最特别的一个：它有两套钱包，按量计费用"元"、订阅套餐用"积分"，两套的省钱逻辑还不一样；而且它的非高峰时段宽得离谱，一天有 20 小时是半价。另外——它可能是全场免费模型最多的平台，价目表上明写着"免费"的就有 8 个。
关注我，下一篇更硬核。
*本文是《AI 省钱账本》系列内容。AI 工具怎么选、怎么用、怎么提效，我从工程师视角一个个用给你看。*
本篇数据来源：Kimi 开放平台官方文档《模型推理价格说明》https://platform.kimi.com/docs/pricing/chat 、《批量推理定价》https://platform.kimi.com/docs/pricing/batch 、《思考模型》https://platform.kimi.com/docs/guide/use-thinking-models 、《Kimi K3》https://platform.kimi.com/docs/guide/kimi-k3-quickstart 、《账号与财务》https://platform.kimi.com/docs/guide/account-and-payments （均查询于 2026-09-13）。价格可能调整，下单前请以官方页面为准。