Компания ИИ ежедневно тушит пожары, сбрасывая лимиты.
В конце октября OpenAI вновь изменила правила лимитов в ответ на жалобы пользователей на сокращение лимитов в тарифе Pro 200. После фразы «мы получили доброжелательные отзывы» руководитель Codex Тибо объявил, что лимиты использования для всех тарифов Pro и Business Premium удвоены. В сообществе раздаются восторженные отзывы.
Подобное недавно произошло и с Kimi, но обстановка, похоже, была еще более «жестокой».
Новая модель Kimi K3.1 Pro, принадлежащая Moonshot, вышла менее чем через 12 часов, и сразу же возникли споры. С одной стороны, зарубежные блогеры опубликовали посты, в которых обвиняли ее в предоставлении шаблонов для рекламы и требовании скрывать метку о платном сотрудничестве при продвижении; с другой стороны, пользователи массово жалуются на быстрое исчерпание лимитов: едва запустив задачу, они обнаруживают, что уже приближаются к пределу использования.
Два дня спустя «Луна в темной стороне» официально извинилась за ограничение пропускной способности и ненужное потребление квот K3.1 Pro, восстановила 25% ежемесячной квоты всем подписчикам пакетов в один заход и заявила, что сократит ненужные вызовы суб-агентов и длину вывода.
Хотя это уже третья извинение Kimi за полгода, эта «инцидент с лимитом» еще не была полностью закрыта.
«Потеря лимита» продолжается
Среди отечественных крупных моделей Kimi всегда был особенным. Благодаря способности обрабатывать длинные тексты и создавать контент, она не только накопила группу преданных пользователей, но и способна напрямую конкурировать с зарубежными гигантами, обладающими огромными вычислительными ресурсами и финансовыми запасами, на переднем крае развития моделей.
С начала этого года жалобы на то, что подписочные пакеты заканчиваются слишком быстро, не прекращаются. «Те, у кого нет денег, не могут себе этого позволить, а те, у кого есть деньги, получают больше выгоды, используя зарубежные модели», — отметил тяжелый пользователь ИИ. При той же цене объем, предоставляемый Kimi, намного меньше, чем у GPT и Claude. Другие пользователи сравнивают с другими моделями: «За 199 рублей на DeepSeek хватит на месяц, а на Kimi — только на один день».
Для этих пользователей крупные модели — это не инструмент для чата, который используется время от времени, а продукт для повышения производительности, интегрированный в их ежедневные рабочие процессы. Поэтому они ощущают потребление лимитов очень наглядно.
После запуска K3.1 Pro эта противоречивость стала еще более очевидной. Новая модель получила значительное улучшение в таких областях, как кодирование, выполнение долгосрочных задач и 3D-моделирование, а реакция рынка была весьма позитивной. Интеллектуальный индекс, присвоенный Artificial Analysis, составляет 55 баллов, что выводит модель на четвертое место в мире и делает ее моделью с открытым исходным кодом с наивысшим баллом в рейтинге. Третья сторона, оценочная организация ModelCompare, даже заявила, что из-за появления этой модели «разрыв в ИИ между Китаем и США сократился с нескольких месяцев до всего лишь 31 дня».
С точки зрения цен на API, Kimi продолжает сохранять традиционное преимущество в стоимости китайских моделей: K3.1 Pro снизил цену примерно на треть по сравнению с предыдущей версией — ввод с 20 юаней за миллион токенов до 13 юаней, вывод с 100 юаней до 68 юаней. Однако для пользователей, приобретших подписку, несмотря на повышение возможностей модели, при реальном использовании необходимо более внимательно рассчитывать лимиты.
Долгосрочный подписчик Kimi, проведя сравнение, обнаружил, что, хотя цена за единицу ниже, новая модель потребляет больше токенов на выполнение одной задачи, в итоге общая стоимость примерно одинакова. Согласно тестам Artificial Analysis, K3.1 Pro при выполнении полного набора Intelligence Index выдал в общей сложности около 150 миллионов токенов, тогда как медианное значение у моделей, участвовавших в тестировании, составило всего 87 миллионов токенов. Пересчитанное соотношение показывает, что объем токенов, выданных K3.1 Pro, на 72% выше медианного уровня.
Фактические примеры задач еще более впечатляют. В сообществе один пользователь, подписавшийся на пакет Kimi за 199 юаней, отправил всего одну команду: «Проверить архитектуру проекта». K3.1 Pro запустил пять дочерних агентов, и через несколько минут весь лимит в 5 часов был исчерпан. При решении классической задачи «Пеликан на велосипеде» K3.1 Pro сгенерировал ответ за 1 час 47 минут, израсходовав 87% лимита в 5 часов.
Более того, компенсация лимитов не смогла полностью устранить неудобства пользователей. В последние дни все больше пользователей сообщают, что даже при наличии лимита Kimi невозможно использовать.
«Kimi сейчас в пиковой нагрузке, попробуйте позже или升级会员加速.» Даже после оплаты подписки это раздражающее сообщение неоднократно появляется в чатах множества пользователей, включая тех, кто уже ранее повышал тариф из-за нехватки лимита.
Kimi подняла потенциал модели на более высокий уровень, но теперь пользователи сталкиваются не только с проблемой расходования лимита, но и с разрывом между способностью сервиса в пиковые часы и платными преимуществами.
«Не осмеливаюсь дать достаточно», — Кими начал использовать память?
Чтобы снизить нагрузку на лимиты, Kimi, похоже, начал изменять свою ранее самую гордую функцию памяти. 10 августа Kimi без предварительного уведомления пользователей обновил архитектуру памяти, внедрив механизм «сновидческой памяти», потребляющий платные лимиты, который автоматически считывает содержание диалогов и записывает их в базу памяти на фоне.
Сейчас несколько пользователей сообщили, что пространство памяти Kimi последние дни не загружается нормально, предположительно из-за того, что официальная команда проводит обновление и изменение механизма памяти. Текущая версия памяти склонна объединять и обобщать прошлые команды памяти в предпочтения пользователя, вместо того чтобы выполнять содержимое памяти по отдельным пунктам, как раньше. Преимущество заключается в том, что потребление токенов может снизиться. Однако цена этого — снижение точности и детализации функций памяти.
Однако это в конечном итоге может лишь частично снизить расходы. Проблема с расходами, с которой сталкивается Kimi, в первую очередь связана с самой моделью.
K3.1 Pro — это модель с параметрами объемом 3 триллиона. Ранее распространенная информация о архитектуре серии K3 указывала, что ее размер составлял около 2,8 трлн параметров, а активированных параметров — около 104 млрд. Сравнительно, модели с меньшим количеством параметров и более высокой эффективностью активации имеют преимущество в управлении затратами. Компании, такие как DeepSeek и Zhipu, стремятся найти оптимальный баланс между возможностями и стоимостью за счет оптимизации архитектуры модели и инженерии вывода.
Во-вторых, это вычислительные затраты, связанные со сложными задачами. Kimi K3.1 Pro по умолчанию всегда включает режим мышления, выводя более длинные цепочки рассуждений и больше промежуточных выводов. Длинный контекст увеличивает вычислительные затраты на обработку входных данных, а сложные рассуждения и многократные вызовы агентов дополнительно повышают общие затраты. Задача агента, требующая нескольких вызовов модели, запуска нескольких подагентов, а также повторной проверки и корректировки, может потребовать ресурсов, значительно превышающих те, которые пользователь ощущает при одном лишь вопросе.
Для Kimi настоящим вызовом, возможно, является не способность продолжать увеличивать параметры модели, а способность одновременно повышать эффективность вывода при улучшении возможностей. Один разработчик, отслеживающий Kimi, отметил, что вместо того чтобы постоянно участвовать в конкуренции на уровне высокопроизводительных моделей, Kimi стоит сосредоточить ресурсы на разработке более легких и эффективных моделей.
Это не проблема только Kimi.
Все поставщики, предлагающие доступ к передовым моделям по фиксированной ежемесячной плате, сталкиваются с одной и той же структурной напряженностью: повышение возможностей модели часто сопровождается пропорциональным или даже суперлинейным ростом затрат на вывод, в то время как цена подписки является жесткой, а ожидания пользователей заключаются в том, что «заплатил — и должно хватать». Разница в том, что одни компании делают эффективность токенов частью продукта, другие превращают прорыв в возможностях в брендовую ценность, а подписчики оказываются посредине, платя за «мощный интеллект» расходы на выполнение, превышающие ожидания.
Кроме того, вычислительные ресурсы Moonshot сильно зависят от внешних поставок. Bloomberg ранее сообщал, что у Moonshot есть соглашение с Alibaba о использовании кластера из примерно 20 000 чипов NVIDIA, доля которого составляет значительную часть общих вычислительных ресурсов Moonshot. Ранее, через 48 часов после запуска K3, Kimi приостановил новые подписки из-за приближения к пределу емкости GPU.
Когда вычислительная мощность компании сама по себе ограничена, предоставление щедрых квот конечным подписчикам является финансово необоснованным.
Китайским моделям, чьи деньги они должны зарабатывать?
Если у компании ограниченные вычислительные ресурсы, необходимо решить практический вопрос: куда направить ресурсы в приоритетном порядке — на обучение и итерацию следующего поколения моделей, на обеспечение сервисов реального времени для массовых пользователей, на удовлетворение запросов разработчиков через API или на предоставление подписчикам более высоких лимитов?
Различные варианты соответствуют различным приоритетам коммерциализации. Споры вокруг лимитов Kimi также раскрывают реальное положение Moonshot в условиях ограничений вычислительных мощностей для подписок на стороне клиента.
С августа по сентябрь 2026 года несколько СМИ сообщили, что «Лицо луны» ведет переговоры с Microsoft, Amazon и Google о размещении K3 на Azure, AWS и Google Cloud, а также о получении до 30% комиссии с доходов, генерируемых продажей услуг K3 через эти платформы. Кроме того, открытая лицензия K3 не является стандартной лицензией MIT, а представляет собой условия, разработанные самой «Лицом луны»: хостинг-провайдеры MaaS с годовым доходом более 20 миллионов долларов США должны заключить отдельное коммерческое лицензионное соглашение.
Совместный анализ этих двух событий показывает, что Moonshot стремится найти бизнес-путь, отличный от простой эксплуатации подписок на стороне C: в условиях своих ресурсов гораздо более целесообразно «оптово» предоставлять возможности модели облачным провайдерам, обладающим вычислительными мощностями и каналами распространения, чем «рознично» продавать их миллионам подписчиков.
Когда конечные пользователи подписываются на C, чтобы выполнять функции входной точки, обратной связи по продукту и демонстрации возможностей модели, а не в качестве основного источника дохода, их лимитный пул может отличаться от ожиданий пользователей.
В настоящее время китайские компании, разрабатывающие крупные языковые модели, также ищут более подходящие способы заработка.
Конкурентоспособность DeepSeek во многом обусловлена сочетанием возможностей модели, эффективности вывода и открытой экосистемы. В настоящее время почти весь доход поступает от платы за вызовы API; приложение чат-бота остается бесплатным и без рекламы. Согласно сообщению The Information, годовой темп доходов DeepSeek превысил 1 миллиард долларов США, что более чем вдвое превышает показатель несколько месяцев назад, когда он составлял менее 500 миллионов долларов. Генеральный директор Лян Вэньфэн на недавней встрече с инвесторами четко заявил, что повышение цен на API не привело к оттоку клиентов, а спрос пользователей остается высоким.
Чжипу перешла на трансформацию бизнес-модели, перейдя от зависимости от локального развертывания к подписке на API-услуги. Согласно финансовому отчету за первую половину 2026 года, доход от открытой платформы и API-услуг Чжипу составил 86,5%, что на 2735,7% больше по сравнению с прошлым годом, в то время как доля дохода от локального развертывания снизилась с 84,8% до 13,5%. Важным драйвером этого изменения стало резкое увеличение спроса на Coding.
MiniMax, которая начала как продукт для зарубежного B2C-рынка, пытается расширить свои коммерческие границы. Помимо постоянного развития моделей, API и продуктов для конечных пользователей, она также усиливает усилия по освоению B2B-рынка, расширяя свои возможности в направлениях генерации видео, агентов, рассуждений и программирования. Её стратегия заключается в том, чтобы интегрировать возможности моделей в больше корпоративных и разработческих сценариев, чтобы избежать чрезмерной зависимости от одного продукта или группы клиентов.
В отличие от прямых путей монетизации компаний, разрабатывающих модели, интернет-гиганты обладают еще одним преимуществом: у них уже есть зрелая матрица продуктов, масштаб пользователей и ресурсы корпоративных клиентов, что позволяет интегрировать крупные модели в существующую экосистему и искать доходы за счет повышения ценности продуктов и корпоративных услуг. Например, Tencent пытается модернизировать свои продукты и рабочие сценарии с помощью крупных моделей. Продукты, такие как WeChat и WeCom, постепенно интегрируют возможности моделей Yuanbao, Hunyuan и DeepSeek, а AI-рабочие агенты, такие как WorkBuddy, активно расширяют свою базу пользователей.
После интеграции возможностей продуктов QoderWork, MuleRun, Вукун и других, Алибаба запустила универсальную корпоративную платформу агентов Qianwen Office. На конференции Cloud栖 в сентябре DingTalk завершила обновление коммерческой версии: помимо бесплатной стандартной версии, были добавлены четыре платные версии — AI Basic, AI Advanced, AI Premium и AI Flagship — и полностью интегрированы возможности Qianwen Office.
Низкие цены и трафик не могут обеспечить долгосрочный бизнес. Способности модели могут постоянно совершенствоваться, но готовность пользователей платить не будет расти бесконечно. Главный вопрос в том, сможет ли каждая компания найти бизнес-модель, соответствующую ее технологическим возможностям, вычислительным ресурсам и рыночной позиции.
На краю уступа стоимости находятся не только Kimi.
Twitter: https://twitter.com/BitpushNewsCN
Телеграм-чат BitPush: https://t.me/BitPushCommunity
Подписка на Telegram от BitPush: https://t.me/bitpush