Kimi K3.1 Pro: Claude Code·Codex 설정과 모델 ID, 요금
정확한 모델 ID로 Kimi K3.1 Pro의 API 접근을 확인하고 Claude Code와 Codex를 연결하세요. 기존 K3 별칭의 함정, 토큰 요금과 독립 평가의 작업당 비용, 추론 설정, Kimi Code 구독 한도와 API 종량제의 차이를 설명합니다.
목차
코딩 작업에 Kimi K3.1 Pro를 처음 써 본다면 표준 API 모델인 kimi-k3.1-pro를 선택하고, 추론 수준을 직접 지정한 뒤 작은 요청으로 연결을 확인하세요. 그다음 Claude Code나 Codex를 연결하면 됩니다. 이미 Kimi Code를 구독 중이라면 /model에서 별도 모델인 k3.1-pro를 먼저 사용해 보세요. Highspeed는 대기 시간이 얼마나 줄어드는지 측정하고, 그 효과가 추가 비용을 정당화할 때 선택하세요.
아래 요금과 제공 조건은 2026-10-24 기준입니다. Claude Code와 Codex 설정 예제는 Kimi의 종량제 API를 사용하며, Kimi Code 구독을 통한 이용 방법은 별도 항목에서 설명합니다.
Kimi K3와 비교해 무엇이 달라졌나요?
K3.1 Pro는 K3에 더 많은 연산 자원을 투입해 후학습한 버전으로, 지속적인 추론과 도구 사용이 필요한 작업에 초점을 맞춰 개선되었습니다. Moonshot은 내부 평가인 Kimi Code Bench 3.0 Long-horizon에서 61.2%를 기록했으며 K3는 55.95%였다고 발표했습니다. 여러 파일에 걸친 버그 수정이나 여러 차례의 편집·테스트를 거쳐 기능을 완성하는 작업을 고를 때 참고하되, 공급업체 자체 평가 결과라는 점을 유지해서 해석하세요.
1,048,576 토큰의 컨텍스트 창은 이번 버전에 새로 추가된 기능이 아닙니다. K3도 이미 같은 용량을 제공했습니다. 기존 K3 API 사용자에게 달라진 점은 새 모델, 낮아진 토큰 단가, 문서에 명시된 추론 동작의 조합입니다. Kimi 요금 문서가 설명하듯 컨텍스트 용량은 계정의 요청 속도 제한이나 충전 잔액과도 별개의 항목입니다.
호스팅된 모델은 지금 이용할 수 있습니다. Moonshot의 출시 발표는 전체 모델 가중치를 2026-11-04까지 공개할 예정이라고 밝힙니다. 지금은 호스팅 서비스로 시험하고, 자체 인프라에서 실행하는 방안은 가중치와 해당 모델의 라이선스 조건이 공개된 뒤 검토하세요.
접속 경로별로 어떤 모델 ID를 써야 하나요?
API 키를 발급한 서비스에 맞는 ID를 선택하세요. Kimi 유료 API, Kimi Code 구독, OpenRouter는 모델 ID의 이름 체계와 과금 방식이 서로 다릅니다.
| 접속 경로 | 모델 ID 또는 클라이언트 설정 | 과금 방식 |
|---|---|---|
| Kimi API 및 이 API로 연결한 Codex | kimi-k3.1-pro 또는 kimi-k3.1-pro-highspeed | Kimi API 사용량 과금 |
| 아래 설정을 사용해 Kimi API로 연결한 Claude Code | kimi-k3.1-pro[1m] | Kimi API 사용량 과금 |
| Kimi Code 구독 | k3.1-pro 또는 k3.1-pro-highspeed | 구독 사용 한도 차감 |
| OpenRouter | moonshotai/kimi-k3.1-pro | OpenRouter API 과금 |
이 ID들은 Kimi API 레퍼런스, Kimi Code 모델 설정 문서, OpenRouter 모델 페이지에 나와 있습니다.
현재 Kimi의 Claude Code 가이드에는 주의할 차이가 있습니다. 설정에는 여전히 kimi-k3[1m]을 사용하지만, 연결 확인 요청에는 kimi-k3.1-pro를 사용합니다.
Anthropic의 모델 설정 문서에 따르면 [1m]은 Claude Code에 1M 컨텍스트 창을 사용하도록 알리는 접미사이며, 모델 ID를 공급업체로 보내기 전에 제거됩니다. 이 접미사가 kimi-k3를 kimi-k3.1-pro로 바꾸지는 않습니다. 따라서 아래 설정에서는 K3.1 Pro를 명시적으로 지정합니다.
현재 API 요금은 얼마인가요?
표준 K3.1 Pro의 공시 입력·출력·캐시 단가는 K3보다 3분의 1 낮습니다. 다만 작업 하나를 완료하는 데 드는 실제 비용은 에이전트가 소비한 토큰 수에 따라 달라집니다.
아래는 Kimi 플랫폼의 현재 모델 요금이며, 기본 5m 캐시 쓰기 구간을 기준으로 한 1,000,000 토큰당 USD 금액입니다. 적용되는 세금은 포함하지 않습니다.
| 모델 | 캐시를 사용하지 않은 입력 | 캐시 쓰기, 5m | 캐시 적중 | 출력 |
|---|---|---|---|---|
| Kimi K3.1 Pro | $2.00 | $2.00 | $0.20 | $10.00 |
| Kimi K3.1 Pro Highspeed | $4.00 | $4.00 | $0.20 | $20.00 |
| Kimi K3 | $3.00 | $3.00 | $0.30 | $15.00 |
캐시 읽기, 캐시 쓰기, 나머지 캐시 미사용 입력은 서로 겹치지 않는 토큰 범주입니다. 같은 입력 토큰을 일반 입력 요금과 캐시 쓰기 요금에 중복 계산하면 안 됩니다. Kimi의 캐시 과금 가이드는 자동 캐싱, 기본 유효 기간인 5분, 별도 요금이 적용되는 1h 쓰기 구간을 설명합니다.
계산 방법을 보여 주기 위한 추정 예시로, 한 작업에서 다음 사용량이 누적되었다고 가정하겠습니다.
- 새로운 입력 토큰 100,000개: 일반 입력 또는
5m캐시 쓰기로 과금됩니다. - 캐시에 적중한 입력 토큰 500,000개.
- 추론을 포함한 전체 출력 토큰 20,000개.
표준 K3.1 Pro의 추정 비용은 다음과 같습니다.
(100,000 × $2.00 + 500,000 × $0.20 + 20,000 × $10.00) / 1,000,000 = $0.50
동일한 토큰 사용량이라면 K3는 $0.75, Highspeed는 $0.90입니다. 이 추정에는 세금과 추가 도구 요금을 포함하지 않으며, 1h 캐시 쓰기는 없다고 가정합니다. Highspeed의 캐시 적중 단가도 $0.20이므로 이 예시의 총비용은 정확히 두 배가 되지 않습니다.
독립적인 작업당 비용 자료도 이미 공개되어 있습니다. Artificial Analysis의 출시 평가는 Intelligence Index의 작업당 출력 토큰을 약 55K, K3는 48K로 보고했으며, 작업당 $1.98로 해당 평가의 K3와 거의 같은 비용이라고 설명합니다. 이 기관의 평가 방법론은 벤치마크 구성에 따라 비용에 가중치를 적용합니다. 토큰 소비 특성을 이해하는 데 유용한 자료이지만, 여러분의 저장소에서 버그 하나를 고치는 비용을 예측한 수치는 아닙니다.
API 접근을 확인하고 추론 수준을 지정하세요
코딩 도구의 설정을 디버깅하기 전에 API 계정부터 확인하세요. K3.1 Pro 빠른 시작 가이드에 따르면 최소 $1 충전이 성공한 뒤 모델 접근이 허용됩니다. 이는 API 접근 조건으로, Kimi Code 구독과는 별개입니다.
아래 명령은 macOS 또는 Linux의 Bash에서 사용하며, curl과 jq가 설치되어 있어야 합니다. read가 입력을 기다릴 때 Kimi API 플랫폼에서 발급한 키를 붙여 넣고 Enter를 누르세요. 입력한 키는 화면에 표시되지 않습니다.
set -o pipefail
read -rs MOONSHOT_API_KEY && export MOONSHOT_API_KEY
curl --silent --show-error --fail-with-body \
https://api.moonshot.ai/v1/chat/completions \
--header "Authorization: Bearer $MOONSHOT_API_KEY" \
--header "Content-Type: application/json" \
--data '{
"model": "kimi-k3.1-pro",
"reasoning_effort": "low",
"max_completion_tokens": 2048,
"messages": [{"role": "user", "content": "Reply with exactly: KIMI_API_OK"}]
}' | jq -e '
if .error then error(.error | tostring)
else {model, answer: .choices[0].message.content,
finish_reason: .choices[0].finish_reason, usage}
end
'확인이 정상적으로 끝나면 model에 kimi-k3.1-pro, 요청한 답변, finish_reason에 stop, 실제 사용량이 반환되어야 합니다. Chat Completions 레퍼런스에 이 응답 필드들이 설명되어 있습니다.
finish_reason이 length이면 생성이 지정된 상한에 도달한 것입니다. 인증 문제로 판단하기 전에 max_completion_tokens를 늘려 다시 시도하세요. 401이면 키와 엔드포인트가 서로 맞는지 확인합니다. 새 계정에서 모델을 사용할 수 없다면 먼저 충전 성공 여부와 정확한 ID를 확인하세요.
K3.1 Pro는 항상 추론을 사용합니다. 직접 호출하는 API의 추론 가이드는 low, high, max를 지원하며 기본값은 max입니다. 위의 간단한 연결 테스트는 의도적으로 low를 사용하고, 아래 코딩 도구 예제는 첫 시험 설정으로 high를 선택합니다.
자체 연동을 구현할 때는 공식 API 스키마의 프로토콜별 위치를 구분해야 합니다. Chat Completions는 reasoning_effort, Responses는 reasoning.effort, Messages는 output_config.effort를 사용합니다. Chat Completions의 필드명을 모든 요청 형식에 그대로 복사하지 마세요.
Claude Code에 K3.1 Pro 모델 ID를 직접 지정하세요
주 대화, 백그라운드 작업의 모델 슬롯, 서브에이전트를 모두 K3.1 Pro로 지정해 시험 중 같은 모델을 일관되게 요청하도록 합니다. 아래 설정은 Kimi의 연동 구조를 바탕으로, Messages API가 받는 정식 ID와 Anthropic이 문서화한 [1m] 동작을 적용한 구성입니다.
Claude Code를 업데이트한 상태에서 사용하세요. 기존의 다른 설정은 유지하면서 ~/.claude/settings.json에 아래 내용을 병합합니다.
{
"env": {
"ANTHROPIC_BASE_URL": "https://api.moonshot.ai/anthropic",
"ANTHROPIC_MODEL": "kimi-k3.1-pro[1m]",
"ANTHROPIC_DEFAULT_FABLE_MODEL": "kimi-k3.1-pro[1m]",
"ANTHROPIC_DEFAULT_OPUS_MODEL": "kimi-k3.1-pro[1m]",
"ANTHROPIC_DEFAULT_SONNET_MODEL": "kimi-k3.1-pro[1m]",
"ANTHROPIC_DEFAULT_HAIKU_MODEL": "kimi-k3.1-pro[1m]",
"CLAUDE_CODE_SUBAGENT_MODEL": "kimi-k3.1-pro[1m]",
"CLAUDE_CODE_AUTO_COMPACT_WINDOW": "1000000",
"CLAUDE_CODE_EFFORT_LEVEL": "high"
}
}이제 Haiku 슬롯에 연결된 백그라운드 작업까지 모두 K3.1 Pro 요금이 적용됩니다. 압축 설정은 클라이언트가 컨텍스트를 압축할 기준값이며, 컨텍스트나 토큰을 추가로 구매하는 설정은 아닙니다.
이 JSON 예제에는 인증 정보를 넣지 마세요. 아래처럼 셸에서 인증 정보를 전달하기 전에 기존 env 객체에 남아 있는 오래된 ANTHROPIC_API_KEY 또는 ANTHROPIC_AUTH_TOKEN 항목을 제거합니다. Kimi 문서에 따르면 설정 파일의 환경 변수 값이 터미널에서 내보낸 값보다 우선합니다.
API를 확인했던 동일한 Bash 세션에서 실행하세요.
unset ANTHROPIC_API_KEY
export ANTHROPIC_AUTH_TOKEN="$MOONSHOT_API_KEY"
claude새 세션에서 /status를 실행합니다. 기본 URL이 https://api.moonshot.ai/anthropic이고 선택된 모델 이름이 K3.1 Pro인지 확인하세요. 이름에 [1m] 표시가 붙을 수도 있습니다. 사고 모드는 활성화한 상태로 유지합니다.
도구 호출은 다음 절의 저장소 확인 작업으로 점검하세요. /status는 선택한 설정을 확인하는 명령입니다. 어시스턴트에게 “어떤 모델이야?”라고 물어 받은 답변은 실제 요청 경로를 확인하는 신뢰할 만한 방법이 아닙니다.
이전 모델이 계속 표시되면 설정에 남아 있는 모델 재정의 값을 확인한 뒤 다시 시작하세요. 백그라운드 작업만 실패한다면 주 모델만 바꾸지 말고, 각 모델 계열과 서브에이전트에 지정된 매핑을 모두 확인합니다.
Kimi의 Responses API로 Codex를 직접 연결하세요
Codex에는 Kimi가 직접 제공하는 Responses 엔드포인트를 사용하세요. Kimi 공식 연동 가이드는 wire_api = "responses"와 컨텍스트 창 1048576을 사용해 kimi-k3.1-pro에 직접 연결하는 방법을 지원합니다.
Codex 0.134.0 이상에서는 별도 프로필 파일을 만들어 이 구성을 명시적으로 선택하세요. 버전은 codex --version으로 확인합니다. 현재 Codex 프로필 규칙에 따르면 --profile kimi-k31은 기본 설정 위에 ~/.codex/kimi-k31.config.toml을 불러와 적용합니다.
해당 파일을 다음 내용으로 만드세요.
model = "kimi-k3.1-pro"
model_provider = "kimi"
model_context_window = 1048576
model_reasoning_effort = "high"
[model_providers.kimi]
name = "Kimi"
base_url = "https://api.moonshot.ai/v1"
env_key = "KIMI_API_KEY"
wire_api = "responses"공급업체 설정은 Kimi 가이드를 따릅니다. 추론 수준 high는 Codex의 추론 설정 필드에 Kimi Responses 스키마가 허용하는 값을 명시한 것입니다.
API 키가 들어 있는 터미널에서 실행합니다.
export KIMI_API_KEY="$MOONSHOT_API_KEY"
codex --profile kimi-k31/status를 열어 공급업체가 kimi, 모델이 kimi-k3.1-pro인지 확인하세요. Codex는 https://api.moonshot.ai/v1/responses로 요청을 보냅니다. 따라서 Claude Code 설정과 달리 기본 URL에 /v1이 포함됩니다.
두 코딩 클라이언트 중 어느 쪽이든 작은 저장소를 열고 다음 요청을 입력하세요. 최상위 파일과 테스트 설정을 읽은 뒤 진입점과 테스트 실행 명령을 설명하도록 하되, 파일을 수정하거나 테스트를 실행하지 않도록 하는 요청입니다.
Read the repository's top-level files and its test configuration.
Explain the entry point and the command for running its tests.
Cite the relevant file paths. Do not edit files or run the tests.클라이언트가 실제로 파일을 읽고, 도구 결과가 돌아온 뒤 최종 답변을 만드는지 확인합니다. 인사말 하나를 주고받는 것보다 코딩 연동의 더 많은 부분을 점검할 수 있습니다.
Codex에서 /v1/responses에 대해 404가 반환되면 정확한 기본 URL과 기존 로컬 라우터 설정을 확인하세요. Kimi는 모델이 Codex의 내장 카탈로그에 없어 모델 메타데이터 경고가 나타날 수 있다고도 설명합니다. 컨텍스트 창을 명시하면 카탈로그에 없는 용량 정보를 클라이언트에 제공할 수 있습니다.
이미 Kimi Code를 구독하고 있나요?
공식 Kimi Code CLI에서 /model로 K3.1 Pro를 선택한 뒤 새 세션에서 시험하세요. 10월 23일 릴리스 노트는 이전 모델에서 전환할 때 새 세션을 시작할 것을 권장합니다.
현재 요금제에서는 Plus 이상에서 표준 K3.1 Pro를 사용할 수 있고, Pro 이상에서 전체 1M 컨텍스트와 Highspeed가 제공됩니다. 이전 요금제에서 이에 해당하는 등급은 각각 Moderato와 Allegretto입니다. 모델 가이드에 따르면 Highspeed는 구독 사용 한도를 약 2× 소비합니다. 이는 사용 한도 차감 배수이며, API 요금표와는 별개입니다.
직접 API의 기본값이 클라이언트에도 동일하게 적용된다고 가정하지 말고 추론 수준을 명시적으로 선택하세요. 사고 모드는 켜 두어야 합니다. Kimi Code의 오류 레퍼런스는 이를 끄면 HTTP 400과 함께 “K3.1 Pro does not support disabled thinking mode.”라는 메시지가 반환된다고 설명합니다.
모델 ID는 정확히 복사하세요. Kimi Code는 ID를 잘못 입력하면 추론이 꺼진 K2.8 Preview로 대체될 수 있다고 경고합니다. 한편 오류 레퍼런스에는 400을 반환하는 잘못된 ID도 나옵니다. 따라서 오타를 언제나 자동 감지되는 오류로 여기지 말고, 요청이 다른 모델로 전달될 위험으로 다뤄야 합니다.
Kimi Code 키는 해당 서비스와 함께 사용해야 합니다. 예를 들어 구독용으로 따로 제공되는 Claude Code 연결 안내는 https://api.kimi.ai/coding/을 사용합니다. 이 키를 위의 Moonshot 종량제 설정에 넣는다고 구독 사용 한도가 적용되는 것은 아닙니다.
Claude Opus 5.5를 대체해도 될까요?
기존 Opus 작업 방식을 옮기기 전에 저장소의 대표적인 작업으로 K3.1 Pro를 시험하세요. 공개된 결과는 시험해 볼 근거가 되지만, 모든 상황에 적용되는 품질 순위나 작업 완료 비용 순위를 확정하지는 않습니다.
Moonshot이 발표한 Terminal-Bench 4.0 결과는 K3.1 Pro 65.7%, Claude Opus 5.5 66.4%, **GPT-6 Astra 58.2%**입니다. 벤치마크 각주에 따르면 K3.1 Pro는 Claude Code 하네스, 즉 평가 실행 환경을 사용했고, 비교 점수는 공급업체 보고서나 리더보드에서 가져왔습니다. 모든 모델을 같은 조건의 단일 통제 실험으로 평가한 결과가 아닙니다.
Artificial Analysis의 독립 출시 보고서는 별도로 Terminal-Bench 4.0 약 67%, Intelligence Index 55를 보고합니다. 각 수치는 해당 평가 조건과 함께 해석해야 합니다. 동일한 조건에서 나온 것처럼 Moonshot의 비교 표에 섞어 사용하지 마세요.
직접 시험할 때는 저장소 상태, 작업, 권한, 인수 테스트를 동일하게 유지하세요. 추론 설정, 총 청구액, 소요 시간, 재시도 횟수, 최종 변경 사항의 리뷰 통과 여부를 기록합니다. 표준 K3.1 Pro가 필요한 품질을 만족하면서 비용도 적절한 작업에 채택하고, 생성 대기가 시간을 대부분 차지하는 작업에는 Highspeed를 시험하세요. 수정과 재시도 횟수가 적거나 필요한 클라이언트 기능 덕분에 기존 방식이 더 효과적인 작업은 Opus를 유지하세요.
