AIREITER想在終端機裡用 Kimi K3 寫程式，不需要碰設定檔，也不用填 API Base URL。透過 OpenCode，只要三個指令就能完成；雖然它的牌價落在 Sonnet 級距，每百萬 input／output token 為 $3／$15，但受惠於大量 prompt 快取，實際 OpenCode 工作階段平均只要 $1.79。
三步驟在 OpenCode 啟用 Kimi K3
OpenCode 是開源的終端機程式開發 agent，內建 Kimi 驗證流程，因此不必手動設定 Base URL 或修改 config。以下流程依據 OpenCode 1.18.3 與 Kimi 官方整合文件整理。
1. 設定 API Key
執行 opencode auth login，供應商選擇 Moonshot AI，再貼上從 Kimi Open Platform 取得的 Key。這一步有兩個常見陷阱：帳戶必須有實際餘額，新用戶代金券不能用於 K3；另外，別把 Key 放進設定檔、截圖或 git repo。OpenCode 將它存進自己的憑證系統，自有其必要性。
2. 選擇 kimi-k3 模型
進入 OpenCode 後執行 /models，選取 kimi-k3。模型會以完整的 1M-token context window 載入，單次輸出上限為 131K tokens。完成後，狀態列應顯示「Kimi K3」與「Moonshot AI」。
3. 調整推理強度
使用 /variants 控制 K3 回答前投入多少推理。預設為 max，也能改成 high 或 low；如後文成本分析所示，這是影響帳單最明顯的一項設定。
Kimi K3 實際跑一個工作階段要多少錢？
K3 的牌價是每百萬 input tokens $3、每百萬 output tokens $15，高於 Claude Sonnet 5 的 $2／$10 促銷價格。
不過實務上的 K3 成本低得多，因為大部分 token 都是便宜的快取讀取。OpenCode 的公開使用資料（如下方各模型頁面所示）統計 66,379 個已完成工作階段，每個平均使用 2.9M tokens，Kimi K3 的每個工作階段平均成本為 $1.79。換算後，實際用掉的每百萬 tokens 約為 $0.62，遠低於 $3 的牌價。關鍵在於 93% 的 input tokens 命中快取：快取命中每百萬 tokens 只要 $0.30，而非 $3.00，相當於九折優惠。（Artificial Analysis 報出的混合成本是每百萬 $2.31，但那是以僅 70% 快取率計算；OpenCode 實際 93% 的快取率，正是工作階段成本更低的原因。）
牌價仍在 Sonnet 級距；開放權重發布，也就是在 2026 年 7 月 27 日前釋出完整權重，改變的是你能如何自行部署，而不是透過 API 呼叫時的費用。各模型每百萬 tokens 的費率如下比較：
按 OpenCode Go 的 token 使用量計算，K3 排名第 9；依 OpenCode 的動能資料，截至 7 月 20 日的八週內，它的使用量翻了一倍。帳面價格不低，但面對高難度任務，需求依然強勁。
K3 為何容易燒 token？三招把成本拉回來
使用者最常抱怨的，往往不是單一 token 的價格，而是 K3 消耗的 token 總量。由於預設使用 max 推理強度，K3 在採取行動前會進行長篇推理；若只是簡單修改，這些推理就成了不必要的花費。一位 OpenCode 使用者在 2026 年 7 月於 X 直言，面對較輕量模型能更快完成的工作，它可能「沒有完成多少事」就燒掉大量 token。
以下三個做法能有效控制：
- 降低 variant。 日常工作可在
/variants切換成low或high。max適合架構設計與跨多檔案重構，不值得拿來改函式名稱。 - 善用快取。 K3 能把工作階段成本壓低，靠的就是 93% 快取命中率。盡量在同一個長工作階段持續處理，不要反覆重開；每次重開都會重新傳送未快取的 context，並以原價計費。
- 精簡 agent 環境。 agent scaffold 過於嘈雜時，K3 更容易過度思考。刪減永遠啟用的指令檔、未使用的 MCP servers，以及冗長的工具說明，能減少工具往返次數，也減少它陷入推理迴圈的空間。
也要接受一項取捨：在 OpenCode 裡，K3 的體感速度比輕量模型慢，這就是推理帶來的代價。若延遲比推理深度更重要，應切換模型。
Kimi K3 對上 Kimi K2.7 Code：便宜模型何時更划算
K3 的價格約是 Kimi K2.7 Code 的三倍，因此真正的問題是：哪些情境值得付出這段差價？
為了確認較便宜選項的實力，我在 2026-07-20 透過 API 呼叫 K2.7 Code，交給它一個小任務：撰寫 Python merge_intervals 函式並分析複雜度。它在 10.7 秒內回傳正確且符合慣例的程式碼，採先排序再線性合併的做法，時間複雜度為 O(n log n)、空間複雜度為 O(n)，共使用 52 個 prompt tokens 與 341 個 completion tokens。對修 bug、小型函式、測試骨架等日常開發工作而言，這已足夠應付大多數人的需求，token 帳單也只占 K3 的一小部分。
把 K3 留給它真正擅長的任務：足以填滿 1M window 的長 context 工作、棘手的多檔案推理，以及輕量模型屢次失敗的問題。如果你是在挑選日常主力，而不是重度任務模型，這篇 K2.7 Code 與 GLM 5.2 的正面比較也很有參考價值。
直連 API、OpenRouter 或訂閱方案：怎麼選才能少花錢
K3 的接入路徑，同時會影響可靠性與成本。
直接使用 Kimi API。直接連到 Kimi Open Platform 是最可靠的途徑。OpenRouter 上的 K3 僅由單一供應商提供服務，負載高時可能頻繁回傳 429（rate-limit）錯誤；直連可避開這個瓶頸。
OpenCode Go 訂閱。月費方案約為 $10–19，可把 K3 變成固定費率的「第二個池」，在主力模型卡住時再拿出來用。有數位使用者正是這樣使用它：Claude 工作階段在任務中斷時，才將它作為備援，而不是全天候主力。
API gateway。若你已透過一把 Key 路由多個模型，像 AIReiter 這類相容 Anthropic 與 OpenAI 的 gateway，可讓你以隨用隨付的價格，將 K3 與其他模型一起呼叫，並享有同樣能壓低單一工作階段成本的快取效益。這篇 Kimi K3 pricing breakdown整理了逐 token 的計算方式，方便你在決定路徑前比較。
在 OpenCode 用 Kimi K3 值得嗎？
有兩類人該先三思。如果你運行的是便宜、高量的 agent loops，選 K2.7 Code 或更輕量的模型，幾乎不犧牲多少品質就能省下成本。若你需要即時俐落的回應，K3 的 max 推理在降 variant 前都會顯得偏慢。
至於其他人，答案是肯定的：一款登上排行榜頂端、具備 1M-token context 的模型，三個指令就能設定完成，真實工作階段成本低於 $2；如果你正想離開那種做到一半就卡住的 assistant，它也是一個能讓你完全掌握的選擇。
常見問題
在 OpenCode 使用 Kimi K3 免費嗎？
不免費。K3 採隨用隨付模式，需要 Kimi Open Platform 帳戶有可用餘額，新用戶代金券不適用。OpenCode 本身則是免費開源軟體，你只需支付 K3 的 token 費用。
Kimi K3 每百萬 tokens 多少錢？
牌價為每百萬 input tokens $3、每百萬 output tokens $15。但實際支付的金額低得多：快取命中每百萬 tokens 為 $0.30，而 OpenCode 的真實工作階段因 93% 快取命中率，平均成本為 $1.79。
Kimi K3 是開源的嗎？
它是開放權重模型。Moonshot 將在 2026 年 7 月 27 日前釋出完整模型權重，使它成為首個 3-trillion-parameter 級別的開放模型。不過託管 API 仍須付費。
Kimi K3 的程式能力能和 Claude 相比嗎？
在 Arena 的程式排行榜中，K3 目前排名頂尖，Artificial Analysis Intelligence Index 得分為 57，在 187 個模型中排名第 4。實務上，面對高難度程式任務，它能與前沿的專有模型競爭，牌價也相近。
為什麼使用 Kimi K3 時會遇到 429 錯誤？
頻繁的 429 通常來自經由 OpenRouter 路由，該處的 K3 只由單一供應商提供服務。透過 OpenCode 內建驗證直接連線至 Kimi Open Platform，可避開這項限制。