Entreprises d'IA qui sauvent constamment la situation en réinitialisant leurs quotas.
À la fin octobre, OpenAI a à nouveau ajusté ses règles de quota, en réponse aux critiques des utilisateurs concernant la réduction des quotas du forfait Pro 200. Après avoir mentionné « avoir reçu des retours bienveillants », Tibo, responsable de Codex, a annoncé que les limites d'utilisation de tous les forfaits Pro et Business Premium étaient doublées. La communauté a salué cette décision avec enthousiasme.
Des événements similaires ont également récemment touché Kimi, mais le scénario semble encore plus « dramatique ».
Moonscape a lancé son nouveau modèle Kimi K3.1 Pro, et moins de 12 heures plus tard, les controverses ont commencé. D’un côté, des blogueurs étrangers ont dévoilé que le modèle fournit des modèles de promotion tout en exigeant de cacher les étiquettes de collaboration payante ; de l’autre, les utilisateurs se plaignent massivement de la consommation rapide des quotas : à peine les tâches lancées, ils constatent qu’ils approchent déjà la limite d’utilisation.
Deux jours plus tard, Moonshot a présenté des excuses publiques concernant les limites de débit et la consommation inutile de quota sur le K3.1 Pro, a rétabli une fois pour toutes 25 % du quota mensuel à tous les abonnés, et a indiqué qu'elle réduirait les appels inutiles aux sous-Agents ainsi que la longueur des sorties.
Bien qu'il s'agisse de la troisième excuse de Kimi en six mois, cet « incident de quota » n'a pas véritablement été clos.
Le « trou noir de quota » continue
Parmi les grands modèles chinois, Kimi se distingue toujours par sa capacité à traiter des textes longs et à générer du contenu, ce qui lui a permis de rassembler une base d'utilisateurs fidèles et de rivaliser directement avec les grandes entreprises étrangères dotées de puissantes ressources informatiques et de importantes réserves financières.
Mais depuis le début de l'année, les plaintes concernant la consommation trop rapide de ses abonnements n'ont pas cessé. « Ceux qui n'ont pas d'argent ne peuvent pas se le permettre, tandis que ceux qui en ont trouvent plus de valeur à utiliser des modèles étrangers », a déclaré un utilisateur intensif d'IA. À prix équivalent, le quota offert par Kimi est bien inférieur à celui de GPT et Claude. D'autres utilisateurs comparent avec d'autres modèles : « Avec 199 yuans sur DeepSeek, on a de quoi utiliser le modèle pendant un mois ; avec Kimi, ça ne suffit qu'à une journée. »
Pour ces utilisateurs, le modèle de grande taille n'est pas un outil de discussion ouvert occasionnellement, mais un produit de productivité intégré à leur processus de travail quotidien. Ainsi, leur perception de la consommation de quota est très intuitive.
Après le lancement de K3.1 Pro, ce contraste est devenu encore plus marqué. Le nouveau modèle connaît une amélioration significative dans des domaines tels que le code, les tâches à long terme et la modélisation 3D, avec une réaction très positive du marché. L'indice d'intelligence attribué par Artificial Analysis s'élève à 55 points, le plaçant au quatrième rang mondial et le rendant le modèle open source le mieux noté de la liste. L'organisme d'évaluation tiers ModelCompare a même déclaré, en raison de l'apparition de ce modèle : « L'écart entre la Chine et les États-Unis en matière d'IA est passé de plusieurs mois à seulement 31 jours ».
En regardant uniquement les prix de l'API, Kimi continue de maintenir l'avantage coûts typique des modèles nationaux : le K3.1 Pro a réduit ses prix d'environ un tiers par rapport à la génération précédente, avec une entrée passant de 20 yuans par million de tokens à 13 yuans, et une sortie passant de 100 yuans à 68 yuans. Toutefois, pour les utilisateurs ayant souscrit un forfait, bien que les capacités du modèle aient été améliorées, il faut désormais être plus prudent dans le calcul de leur quota lors de l'utilisation réelle.
Un abonné de longue date de Kimi, après comparaison, a constaté que bien que le prix unitaire soit plus bas, le nouveau modèle consomme davantage de tokens pour accomplir une tâche unique, ce qui rend le coût global à peu près équivalent. Selon les tests d'Artificial Analysis, le K3.1 Pro a généré environ 150 millions de tokens pour l'ensemble de l'indice Intelligence, tandis que la médiane des modèles testés n'a atteint que 87 millions de tokens. En termes équivalents, la production de tokens du K3.1 Pro est environ 72 % supérieure à la médiane.
Les cas réels sont encore plus alarmants. Dans la communauté, un utilisateur ayant souscrit au forfait Kimi de 199 yuans n'a envoyé qu'une seule instruction : « Examiner l'architecture du projet ». K3.1 Pro a lancé cinq sous-Agents, et quinze minutes plus tard, la fenêtre de 5 heures de quota était entièrement épuisée. Face à la question classique « Le pélican fait du vélo », K3.1 Pro a généré une réponse de 1 heure et 47 minutes, consommant 87 % du quota de 5 heures.
Plus problématique encore, la compensation de quota n’a pas entièrement apaisé l’insatisfaction des utilisateurs. Ces derniers jours, de nombreux utilisateurs ont signalé que, même avec un quota disponible, Kimi ne fonctionne pas.
Kimi est actuellement en période de pointe, veuillez réessayer plus tard ou passez à un abonnement premium pour accélérer. Même après avoir payé un abonnement, ce message frustrant apparaît encore plusieurs fois dans les boîtes de discussion de nombreux utilisateurs, y compris ceux qui ont déjà upgradé leur forfait en raison d’un quota insuffisant.
Kimi a poussé les capacités du modèle à leur limite supérieure, mais les utilisateurs font désormais face non seulement à un problème de consommation de quota, mais aussi à un écart entre la capacité de service pendant les périodes de pointe et les avantages payants.
« Pas osé donner tout », Kimi commence-t-il à activer sa mémoire ?
Pour alléger la pression sur les quotas, Kimi semble commencer à ajuster sa fonction de mémoire, autrefois sa fierté. Le 10 août, Kimi a mis à jour son architecture de mémoire sans prévenir les utilisateurs, en introduisant un mécanisme de « mémoire onirique » qui consomme des quotas payants, lisant automatiquement le contenu des conversations en arrière-plan et l'écrit dans la base de mémoire.
Plusieurs utilisateurs ont signalé que l’espace mémoire de Kimi ne charge pas normalement ces derniers jours, ce qui laisse penser que l’équipe officielle est en train de mettre à jour et de modifier le mécanisme de mémoire. Actuellement, la nouvelle version de la mémoire tend à regrouper et à synthétiser les instructions passées en préférences utilisateur, au lieu d’exécuter chaque instruction mémoire individuellement comme auparavant. L’avantage est une possible réduction de la consommation de tokens. Toutefois, ce changement affecte la capacité de mémoire plus fine précédemment disponible.
Cependant, cela ne peut finalement soulager qu'une partie de la consommation. Le problème de coûts auquel Kimi est confronté provient avant tout du modèle lui-même.
K3.1 Pro est un modèle de 3 billions de paramètres. Les informations précédemment diffusées sur l'architecture de la série K3 indiquaient une taille de modèle d'environ 2,8T de paramètres et environ 104B de paramètres activés. En comparaison, certains modèles présentant une taille de paramètres plus petite et une efficacité d'activation plus élevée offrent un avantage en matière de contrôle des coûts. Des entreprises comme DeepSeek et Zhipu cherchent à travers l'optimisation de l'architecture du modèle et du traitement d'inférence un équilibre plus approprié entre performance et coût.
Ensuite, il y a la consommation de calcul due à des tâches complexes. Kimi K3.1 Pro active par défaut le mode réflexion sur toute la durée, ce qui génère des chaînes de réflexion plus longues et davantage de déductions intermédiaires. Un contexte long augmente la charge de calcul pour le traitement des entrées, et les raisonnements complexes ainsi que les appels multiples à des agents accroissent encore davantage la consommation totale. Une tâche d'agent nécessitant plusieurs appels au modèle, l'exécution de plusieurs sous-agents, suivis de vérifications et modifications répétées peut consommer bien plus de ressources que ce que l'utilisateur perçoit intuitivement comme une seule question.
Pour Kimi, ce qui doit vraiment être démontré, ce n’est peut-être pas la capacité à continuer d’augmenter le nombre de paramètres du modèle, mais plutôt la capacité à améliorer l’efficacité d’inférence tout en renforçant les performances. Un développeur qui suit Kimi a déclaré que, plutôt que de s’engager uniquement dans la compétition pour les modèles haut de gamme, Kimi devrait probablement investir des ressources dans le développement de modèles plus légers et plus efficaces.
Ce n'est pas un problème de Kimi seul.
Tous les fournisseurs offrant des modèles de pointe à un abonnement mensuel fixe font face à la même tension structurelle : l'amélioration des capacités du modèle s'accompagne souvent d'une augmentation同步 ou même supralinéaire des coûts d'inférence, tandis que le prix d'abonnement est rigide et que les utilisateurs s'attendent à ce que « ce qu'ils paient soit suffisant ». La différence réside dans le fait que certaines entreprises font de l'efficacité des tokens une composante de leur capacité produit, tandis que d'autres font de la percée technologique un actif de marque, laissant les abonnés coincés au milieu, payant des coûts d'exécution supérieurs à ce qu'ils attendaient pour « une intelligence puissante ».
En outre, les ressources de calcul de Moonshot dépendent fortement de fournisseurs externes. Bloomberg a rapporté qu'elle entretient un accord avec Alibaba lui permettant d'utiliser un cluster composé d'environ 20 000 puces NVIDIA, ce qui représente une part considérable des ressources de calcul globales de Moonshot. Auparavant, 48 heures après son lancement, Kimi a suspendu les nouvelles abonnements en raison d'une saturation approchante de sa capacité GPU.
Lorsque la puissance de calcul d'une entreprise est elle-même sous pression, offrir des quotas généreux aux utilisateurs finaux abonnés n'est pas financièrement rationnel.
À qui les modèles nationaux devraient-ils gagner de l'argent ?
Si la capacité de calcul d'une entreprise est limitée, elle doit décider d'une question pratique : où prioriser les ressources ? Former et itérer le prochain modèle, investir dans des services d'inférence en temps réel destinés à un grand nombre d'utilisateurs individuels, garantir les demandes d'appel API pour les développeurs, ou offrir des quotas plus généreux aux utilisateurs abonnés ?
Derrière chaque choix se trouve une priorité commerciale différente. La controverse sur les quotas de Kimi révèle également la véritable position de Moonshot AI à l’égard des abonnements grand public sous contrainte de puissance de calcul.
De août à septembre 2026, plusieurs médias ont rapporté que Moonshot a négocié avec Microsoft, Amazon et Google afin de proposer K3 sur Azure, AWS et Google Cloud, et de percevoir jusqu'à 30 % de revenus générés par la vente de services K3 via ces plateformes. En outre, la licence open source de K3 n'est pas la licence MIT standard, mais un accord personnalisé établi par Moonshot : les hébergeurs MaaS dont le chiffre d'affaires annuel dépasse 20 millions de dollars doivent signer un accord de licence commerciale distinct.
En combinant ces deux éléments, on voit que Moonshot explore une voie commerciale différente de la simple exploitation d’abonnements grand public : plutôt que de construire une infrastructure de déduction grand public à grande échelle, il est beaucoup plus adapté à ses ressources de « grossir » les capacités du modèle en priorité auprès de fournisseurs de cloud possédant des ressources de calcul et des canaux de distribution, plutôt que de les « vendre en détail » à des millions d’utilisateurs abonnés.
Lorsque la partie C assume davantage les rôles d'entrée utilisateur, de retour produit et de démonstration des capacités du modèle, plutôt que d'être la principale source de revenus, son pool de quotas pourrait différer des attentes des utilisateurs.
Actuellement, les entreprises chinoises de grands modèles recherchent également leurs propres moyens de générer des revenus les plus adaptés.
La compétitivité de DeepSeek provient largement de la combinaison des capacités du modèle, de l'efficacité de l'inférence et de son écosystème ouvert. Actuellement, ses revenus proviennent presque entièrement des frais d'appel à l'API du modèle, tandis que l'application de chatbot reste gratuite et sans publicité. Selon The Information, le taux annuel de revenus de DeepSeek a dépassé 1 milliard de dollars, plus que doublant par rapport au chiffre inférieur à 500 millions de dollars il y a quelques mois. Le PDG Liang Wenhong a clairement indiqué lors d'une récente réunion avec les investisseurs que la hausse des prix de l'API n'a pas entraîné de perte de clients, la demande des utilisateurs restant forte.
Zhipu connaît une transition de son modèle économique, passant d'une dépendance au déploiement local à un modèle basé sur l'abonnement à des API. Les résultats financiers du premier semestre 2026 montrent que les revenus provenant de la plateforme ouverte et des API de Zhipu représentent 86,5 % du total, en hausse de 2735,7 % en glissement annuel, tandis que la part des revenus issus du déploiement local est passée de 84,8 % à 13,5 %. Cette évolution est largement stimulée par l'explosion de la demande en codage.
MiniMax, qui a démarré avec des produits B2C destinés au marché international, cherche à élargir ses frontières commerciales. Outre ses efforts continus dans le développement de modèles, d'API et de produits destinés aux utilisateurs individuels, elle intensifie également son expansion sur le marché B2B, en étendant ses capacités vers la génération vidéo ainsi que les domaines des agents, du raisonnement et du codage. Son objectif est d'intégrer les capacités de ses modèles dans un plus grand nombre de scénarios entreprises et développeurs, afin de réduire sa dépendance excessive à un seul produit ou groupe de clients.
Par rapport aux modèles directs de monétisation de ces entreprises, les géants d’Internet bénéficient d’un autre avantage : ils possèdent déjà une gamme de produits matures, une vaste base d’utilisateurs et des ressources client entreprises, leur permettant d’intégrer les grands modèles dans leur écosystème existant et de générer des revenus grâce à la valorisation des produits et aux services entreprises. Par exemple, Tencent tente de transformer ses produits et ses scénarios de travail en utilisant des grands modèles. Des produits tels que WeChat et WeCom intègrent progressivement des capacités de modèles comme Yuanbao, Hunyuan et DeepSeek, tandis que des agents d’office intelligents comme WorkBuddy accélèrent leur expansion auprès des utilisateurs.
Après avoir intégré les capacités des produits QoderWork, MuleRun et Wukong, Alibaba a lancé Qianwen Office, une plateforme unifiée d'agents d'entreprise généraux. Lors de la conférence Cloud栖 en septembre, DingTalk a effectué une mise à niveau de sa version commerciale, en conservant la version standard gratuite et en ajoutant quatre versions payantes : AI Basic, AI Advanced, AI Premium et AI Flagship, toutes entièrement intégrées à Qianwen Office.
On ne peut pas construire un business durable uniquement en se basant sur des prix bas et du trafic ; les capacités des modèles peuvent continuellement progresser, mais la volonté des utilisateurs à payer ne croît pas indéfiniment. La vraie question est de savoir si chaque entreprise peut trouver un modèle économique adapté à ses compétences techniques, à ses ressources de calcul et à sa position sur le marché.
Kimi n’est pas la seule à se trouver au bord du précipice des coûts.
Twitter : https://twitter.com/BitpushNewsCN
Groupe de discussion BitPush sur Telegram : https://t.me/BitPushCommunity
Abonnez-vous à BitPush sur Telegram : https://t.me/bitpush