希鸥网AI产业观察
2026年10月26日凌晨4点，月之暗面发布了一则致歉公告。公告承认，Kimi K3.1 Pro上线期间，会员遭遇了“限流及不必要的额度消耗”，“问题出在我们，我们本应更早修复”。补偿方案是：所有订阅会员获得月度总额25%的额度重置。
这是Kimi在半年内的第三次道歉。4月K2.6因限流与额度计算错误道歉，7月K3发布48小时后因“需求逼近GPU容量极限”暂停新用户订阅，10月K3.1 Pro又因“烧额度”被推上风口浪尖。
一家刚刚在跑分上冲进全球第四、被第三方评测机构称为“中美AI差距缩减到仅剩31天”的中国大模型公司，却在用户最基本的需求——“付了钱能不能好好用”——上反复栽跟头。这背后，远不止一次运营失误那么简单。
跑分全球第四，用户却在不受控制的“燃烧额度”
10月24日，Kimi K3.1 Pro发布。Artificial Analysis给出智能指数55分，位列全球第四，排在Claude Opus 5.5、Claude Sonnet 5.5和Meta一款未开放API的模型之后。在最考验长程Agent执行能力的Terminal-Bench 4.0测试中，K3.1 Pro拿下67%的成绩，是该评测框架下的历史最高值。
从技术角度看，这是一次跳变式的升级。K3.1 Pro基于7月发布的K3构建，3万亿总参数，每个Token激活896个专家中的16个、约1040亿参数；KDA混合线性注意力与全注意力层按3:1交替，支持100万Token上下文。最大的变化来自后训练阶段——Kimi大幅增加算力，将强化学习扩展到数百个下游领域，RL框架、长上下文推理、沙箱基础设施、调度系统整个技术栈都翻新了一遍。
一位AI创业者打了个比方：“底盘没换，驾驶技术提升了。”独立开发者杳晦向媒体展示了一次日常使用：她让K3.1 Pro从零生成一款电脑软件，界面风格指定为“洛可可、莫奈与慕夏的融合”。模型自己搜集加工图片素材，自己写前后端代码，遇到版本对不上、文件放错位置、启动程序没下载成功等问题，逐一排查修复。任务持续约6小时，推进10项任务，消耗其周额度的14%、月额度的2.68%。
但并非每个用户都这么“幸运”。K3.1 Pro上线后，社交平台被“烧额度”刷屏。有订阅199元档会员的用户表示，发布了一条“审查项目架构”的指令，模型拉起5个子Agent，十几分钟便耗尽了5小时额度。有699元档会员分享，不到2小时用完5小时额度，终端里还在持续弹出“限流”报错。面对经典的“鹈鹕骑单车”考题，K3.1 Pro生成了1小时47分钟，消耗掉87%的5小时额度。
官方口径里，Token单价确实降了——输入从每百万Token 20元降至13元，输出从100元降至68元，较K3下调约33%。但开发者实测显示，在运行同一任务的前提下，K3.1 Pro消耗约144万Token，K3只需61万，1.6至2.4倍的消耗轻松吃掉了33%的单价下调。Artificial Analysis的测试也印证了这一点：K3.1 Pro完成整套Intelligence Index累计输出约1.5亿Token，而参与测试模型的中位数只有8700万Token，高出约72%。
“权重大，推理成本高，Kimi的Infra能力又不算强，加上很缺算力，实际上就变成了靠控价来保服务的行为。”一位AI硬件开发者如此评价。
Token效率：Agent时代的新战场
用户们希望Agent能多干活，还要少吃草。
K3.1 Pro的“烧额度”问题，根源在于模型设计取向与计费模式之间的结构性错位。
K3.1 Pro默认全程开启思考模式，会输出更长的思考链和更多中间推导内容。长上下文增加输入处理的计算开销，复杂推理和多轮Agent调用进一步推高总消耗。一个Agent任务如果需要多次调用模型、运行多个子Agent、反复检查和修改，最终消耗的资源可能远远超过用户直观感受到的那一次提问。
“K3.1 Pro是一台为长程任务调校的机器，却被放进了按额度计费的日常工具里。”一位产品人士的这句话，点出了这场口碑风波最深的一层原因。按单次问答质量衡量，Kimi的能力提升有限；按端到端的长程任务闭环衡量，进步巨大。但绝大多数订阅用户并不是在做长程Agent任务，他们只是写文档、查资料、改代码——而这些场景下，K3.1 Pro的“多做几步，确保做对”反而成了负担。
北京航空航天大学在读博士、Agent方向研究者Neumyor认为，责任不全在工程：“Kimi的技术底座就是更激进的高耗能方案。K3.1 Pro也不是Kimi的主打产品，主要是为了证明他们能做到，而不是真让大家使劲用。”
据中国信通院口径，Agent任务的Token消耗可达普通对话的10至100倍。“烧Token是全行业的新常态，Kimi只是因为模型最重、算力最紧、用户预期最高，最先把这个矛盾烧穿了。”前述AI创业者分析道。
这不是Kimi一家的问题。所有以固定月费提供前沿模型服务的厂商，都面临同一个结构性张力：模型能力的提升往往伴随着推理侧开销的同步甚至超线性增长，而订阅价格是刚性的、用户预期是“付了钱就该够用”的。区别在于，有的公司把Token效率做成了产品能力的一部分，有的公司把能力突破做成了品牌资产，而订阅用户被夹在中间，为“强大智能”支付了超出预期的运行时成本。
算力紧箍咒：2万张芯片与500亿美元估值
Kimi的额度问题，表层是Token效率，底层是算力供给。
据彭博社报道，月之暗面通过阿里巴巴获得约2万枚英伟达芯片的使用权，相关算力占其整体运算资源的相当大一部分。7月K3发布后48小时内，Kimi因GPU容量逼近上限暂停新订阅——这是国内大模型公司第一次因为算力不足主动“关门”。
技术上，Kimi的线性注意力架构本为省算力而生，但效率的提升带来更多需求，反而让缺口扩大。这是AI圈著名的“杰文斯悖论”在一家公司身上的具体演绎：省算力的技术让模型更便宜，更便宜的价格吸引更多用户，更多用户消耗更多算力，最终算力缺口反而更大。
与此同时，Kimi的资本步伐却在加速。外媒报道，Kimi已完成投前估值约500亿美元的最后一轮融资，并保密递表港交所，最快或将在2027年一季度挂牌。ARR从3月的约1亿美元增至8月的超10亿美元，内部目标是年底达到20亿美元。高盛在9月的报告中称，K3的溢价定价“打破了国产大模型的低价内卷”；摩根士丹利则指向更长的时间轴：K3不是一夜奇迹，而是“累积进步的证明”。
但资本市场的乐观与C端用户的体感之间，存在一道需要被正视的裂缝。Kimi的C端订阅在2025年9月才正式上线，而在Agent时代，一个复杂长程任务的真实算力成本动辄数十元人民币，固定月费加额度的商业模型，天然无法覆盖Kimi的算力开销。当算力本身处于紧张状态，向C端订阅用户开放慷慨额度，在财务上是不理性的。
于是，Kimi开始调整策略。8月10日，Kimi在没有提前通知用户的情况下更新记忆架构，引入会消耗付费额度的“梦境记忆”机制，在后台自动读取对话内容并写入记忆库。近期多位用户爆料称，Kimi的记忆空间无法正常加载，疑是官方正在升级和修改记忆机制。新版记忆倾向于将过去的记忆指令统一归纳、提炼成用户偏好，而不是像此前一样逐条执行记忆内容——好处是Token消耗可能更少，代价是原本更细致的记忆能力受到影响。
Kimi也开始“动记忆了”，这本身就是一个信号：当算力有限时，连曾经最引以为傲的长文本记忆能力，也需要为成本让路。
从“零售”到“批发”：Kimi的商业化转身
如果一家公司的算力供给有限，就必须决定一个现实问题：把资源优先投向哪里？训练下一代模型、投入面向大量个人用户的实时推理服务、保障开发者API的调用需求，还是给订阅用户提供更充裕的额度？
Kimi的额度争议，暴露了月之暗面在算力约束下对C端订阅的真实定位。
2026年8月至9月，多家媒体报道月之暗面与微软、亚马逊、谷歌谈判，计划将K3上架Azure、AWS和Google Cloud，并从这些平台销售K3服务产生的收入中抽取最高30%的分成。9月18日，K3以收入分成模式上线Amazon Bedrock；10月1日，经由Baseten，K3进入OpenAI编程工具Codex的企业付费结算体系——这是中国开源模型第一次进入OpenAI企业客户的主流付费通道。此外，K3的开源许可不是标准MIT协议，而是月之暗面自拟的条款：年营收超过2000万美元的MaaS托管方须另行签署商业授权协议。
这两件事放在一起，能看出月之暗面正在探索一条不同于单纯经营C端订阅的商业路径：相比自建大规模C端推理基础设施，把模型能力优先“批发”给拥有算力和分发渠道的云厂商，远比“零售”给数百万订阅用户更符合其资源情况。当C端订阅更多承担用户入口、产品反馈和模型能力展示的角色，而非最主要的收入来源，那么它的额度池就可能与用户期待有所不同。
Kimi不是没有意识到C端体验的重要性。10月底，Kimi发布“游戏开发与创意工作解决方案”，基于K3.1 Pro、Kimi Code与Kimi Work系列Agent产品，以及Unity、Unreal Engine、Blender等专业工具插件，帮助游戏团队更快验证玩法创意、推进工程和美术制作。这是一条典型的B端路线：用高价值、长尾的专业场景来消化模型能力，而不是在通用对话场景里和DeepSeek拼性价比。Kimi Code也在持续迭代，内置浏览器、远程控制、分叉会话等功能陆续上线，试图在开发者群体中建立粘性。
但这些B端努力能否撑起500亿美元估值，仍是未知数。Kimi在海外的声量部分源于社区的“开源崇拜”，其海外营收和用户数量大概率不及智谱。Anthropic已经成为Kimi在海外最大的竞争对手，且二者正同时寻求登陆资本市场——10月26日，Anthropic正式递交S-1文件，计划以代码“ANT”在纳斯达克上市，估值1.5万亿至2万亿美元。
国产大模型的分化：谁在赚钱，赚谁的钱？
Kimi的困境不是孤例，但它把国产大模型商业化的结构性难题暴露得最为彻底。
DeepSeek的竞争力很大程度上来自模型能力、推理效率与开放生态的结合，收入几乎全部来自模型API调用收费，对话机器人App保持免费、无广告。据The Information报道，DeepSeek年化营收运行率已突破10亿美元，较数月前不足5亿美元的数字翻了一番有余。CEO梁文锋在近期投资者会议上明确表示，API价格上调并未造成客户流失，用户需求依旧强劲。10月17日，DeepSeek发布V4.1-Flash，错峰输入价低至约1元/百万Token，与K3.1 Pro的输入价差约13倍，发布一周后全球单周调用量33.6万亿Token，环比增长801%，登顶全球第一。
智谱则在经历商业模式转型，从依赖本地化部署转向API订阅服务。2026年上半年财报显示，智谱开放平台及API业务收入占比达86.5%，同比增长2735.7%，本地化部署收入占比从84.8%降至13.5%。Coding需求的爆发是重要推动力。
以海外ToC产品起家的MiniMax在尝试拓宽商业化边界，除了模型、API和面向个人用户的产品，也在加大B端市场开拓力度，将能力延伸至视频生成、Agent、Reasoning、Coding等方向，避免收入过度依赖单一产品或客户群体。
互联网巨头则有另一种优势：成熟的产品矩阵、用户规模和企业客户资源。腾讯正在用大模型改造微信、企业微信等产品，WorkBuddy等AI办公智能体加速拓展用户；阿里整合QoderWork、MuleRun、悟空等产品能力后推出千问办公，钉钉在9月云栖大会上完成商业版本升级，新增四个付费版本并全面接入千问办公能力。
“用户心中只有两种合法定价。”一位AI创业者的总结很直白：“要么是Claude、GPT式的智力溢价，要么是DeepSeek式的极致性价比。”Kimi选择了顶尖智能的小众路线，但这条路线在C端订阅场景下，正遭遇“月费+额度”这套上一代SaaS计费语言的解释困境。
站在成本悬崖边上的，远不止Kimi
回看Kimi半年三次道歉，表面是额度事故，深层是三重矛盾的叠加：
第一，模型能力提升与推理效率之间的张力。K3.1 Pro证明了Kimi能做到全球第四的智能水平，但“更强”和“更贵”在当前的架构下几乎是一件事。Token效率没有成为产品能力的一部分，而是被转嫁给了用户。
第二，C端订阅期待与算力供给之间的错配。用户期待“付了钱就该够用”，但Kimi的算力资源严重依赖外部供给，向C端开放慷慨额度在财务上不理性。当C端订阅从收入来源退化为“用户入口和品牌展示”，额度池与用户期待之间的落差就成了结构性矛盾。
第三，技术路线与商业定位之间的错位。K3.1 Pro是一台为长程Agent任务调校的机器，却被放进了按额度计费的日常工具里。Kimi在海外以开源声量和云厂商分成打开局面，在国内却要面对DeepSeek式极致性价比的用户预期。
杨植麟今年在GTC演讲中说过一句话：“Lossless long context is everything.”这句话本是说给模型听的，如今更像说给Kimi自己：资本市场最终会为长程的稳定性买单，而不是单次的跑分。
希鸥网认为，Kimi需要证明的，或许不是自己能否把模型参数继续做大，而是在能力升级的同时把推理效率也做上去的水平。一位关注Kimi的开发者说得直白：与其一味参与高端模型的竞争，Kimi或许更应该投入资源研发更轻量、更高效的模型。
站在成本悬崖边上的，远不止Kimi一家。当模型能力可以不断向上突破，用户的付费意愿却不会无限增长，真正的问题是：每家公司能否找到与自身技术能力、算力资源和市场位置相匹配的商业模式。Kimi的答案是“批发优先、零售展示、B端突破”，但这个答案是否成立，不取决于下一次跑分，而取决于下一个付费周期里，用户打开Kimi时，还会不会看到那句让人抓狂的提示——
“Kimi正在高峰期，请稍后再试或升级会员加速。”