同一工作量比較

這組工作量
能換多少 token?

相同 token 組成套用各方案的單價與模型額度;方案共用池與時間窗口另在方案頁核對。

比較示例:每次 12,000 tokens · 快取讀取 83%

比較示例(共 12,000 tokens/次)

輸入
1,000
快取讀取
10,000
輸出
1,000
快取寫入
0

02價格與額度

把單價、請求與方案窗口放在同一張證據表

展開後可核對四類 token 單價、同基準每次成本、模型額度,以及此工作量下的理論 request 數。

展開價格、容量與方案窗口
指標 OpenCode Go Kimi K3 Command Code GOAT Kimi K3 OpenCode Zen Kimi K3
Input/每 1M$3.00$3.00$3.00
Cache read/每 1M$0.30$0.30$0.30
Output/每 1M$15.00$15.00$15.00
Cache write/每 1M$0.000000$0.000000$0.000000
每次成本 重算 $0.02100012,000 tokens/request$0.02100012,000 tokens/request$0.02100012,000 tokens/request
模型額度 官方公布 $15依此模型的方案額度換算$20依此模型的方案額度換算按量計費沒有方案額度,逐次請求計費
每月估算 request 重算 714以上述 12,000 tokens 組成估算952以上述 12,000 tokens 組成估算按量計費沒有方案額度,改以單價比較
5 小時上限 官方公布 $12方案窗口$14方案窗口按量計費
每週上限 官方公布 $30方案窗口$35方案窗口按量計費
每月上限 官方公布 $60方案窗口$70方案窗口按量計費

03官方參考列

每個方案的官方參考組成

各方案的參考請求組成與公布數字,可在下方對照。

OpenCode Go 查看官方參考組成 以官方公布 request estimate 作為容量基準
Kimi K3
參考 Input/次1,050
參考 Cache read/次76,500
參考 Output/次300
參考 Cache write/次0
參考處理量/次77,850
每次請求成本$0.030600
模型月額度$15
官方公布請求數/月490
官方公布容量/月38.1M
容量基準以官方公布 request estimate 作為容量基準
計算方式

每次請求成本 = 四類 token 各自的數量 × 單價後加總(每 1,000,000 token 為單位)。

floor($15 ÷ $0.030600) = 490

官方來源: OpenCode Go · 快照擷取日期: 2026-09-06

Command Code GOAT 查看官方參考組成 以官方公布 request estimate 作為容量基準
Kimi K3
參考 Input/次800
參考 Cache read/次50,000
參考 Output/次200
參考 Cache write/次0
參考處理量/次51,000
每次請求成本$0.020400
模型月額度$20
官方公布請求數/月980
官方公布容量/月50.0M
容量基準以官方公布 request estimate 作為容量基準
計算方式

每次請求成本 = 四類 token 各自的數量 × 單價後加總(每 1,000,000 token 為單位)。

floor($20 ÷ $0.020400) = 980

官方來源: Command Code GOAT · 快照擷取日期: 2026-09-06

OpenCode Zen 查看官方參考組成 官方頁面未列參考組成,改用本站共同工作量
Kimi K3
參考 Input/次1,000
參考 Cache read/次10,000
參考 Output/次1,000
參考 Cache write/次0
參考處理量/次12,000
每次請求成本$0.021000
模型月額度按量計費
容量基準官方頁面未列參考組成,改用本站共同工作量

官方來源: OpenCode Zen · 快照擷取日期: 2026-09-06

04Artificial Analysis 外部分數

外部評測,保留來源版本

評測來自 Artificial Analysis,來源版本與對應模型如下。

intelligence59.7Intelligence 名次: 17
coding76.2Coding 名次: 21
agentic54.3Agentic 名次: 19

Artificial Analysis · 資料版本 4.1 · 資料日期 2026-09-04 · Kimi K3 (max)

評測反映該模型在指定測試中的表現;你的任務成果也取決於工具、提示與執行環境。