Компанії з штучним інтелектом щодня вирішують кризи, скидаючи ліміти.
Кінець жовтня OpenAI знову змінила правила лімітів, відповідаючи на скарги користувачів щодо зменшення ліміту для пакета Pro 200. Після фрази «Отримали дружні відгуки» керівник Codex Тібо оголосив, що ліміти використання для всіх пакетів Pro та Business Premium подвоюються. У спільноті це викликало величезне захоплення.
Подібне теж сталося з Kimi на днях, але сцена здається ще «більш жахливою».
Нова модель Kimi K3.1 Pro, що належить Moonshot, з’явилася менш ніж за 12 годин, і вже виникли суперечки. З одного боку, зарубіжні блогери оприлюднили пости, в яких зазначалося, що модель надає шаблони для реклами та вимагає приховувати позначки про платні партнерські зв’язки під час просування; з іншого боку, користувачі масово скаржаться на швидке вичерпання лімітів: щойно завдання починає виконуватися, вже виявляється, що майже досягнуто ліміту використання.
Два дні потому «Місячна темна сторона» публічно вибачилася за обмеження та непотрібне споживання квот K3.1 Pro, відновивши всім підписникам пакетів 25% місячної квоти одноразово та заявивши, що зменшить непотрібні виклики суб-Agent’ів та довжину виводу.
Хоча це вже третє вибачення Kimi за останні шість місяців, цей «інцидент з лімітом» досі не закритий.
«Дірка ліміту» продовжується
Серед китайських великих моделей Kimi завжди був особливим. Завдяки здатності обробляти довгі тексти та створювати текст, він не лише здобув собі відданих користувачів, але й має можливість прямо конкурувати з зарубіжними великими компаніями, які мають величезні обчислювальні ресурси та фінансові резерви.
Але з початку цього року скарги на те, що пакети підписки закінчуються занадто швидко, не припиняються. «Ті, хто не має грошей, не можуть собі цього дозволити, а ті, хто має — мають більш вигідніше використовувати зарубіжні моделі», — сказав інтенсивний користувач ШІ. За ту саму ціну, обсяг, який надає Kimi, значно менший, ніж у GPT і Claude. Інші користувачі порівнюють з іншими моделями: «199 гривень на DeepSeek вистачає на місяць, а на Kimi — лише на один день».
Для цих користувачів велика модель — це не інструмент чату, який використовується випадково, а продукт продуктивності, вбудований у їхній щоденний робочий процес. Тому їхнє сприйняття витрати ліміту дуже наочне.
Після запуску K3.1 Pro цей контраст став ще більш помітним. Нова модель отримала значне покращення в таких областях, як кодування, довготривалі завдання та 3D-моделювання, а ринкова відповідь була дуже позитивною. Інтелектуальний індекс, присвоєний Artificial Analysis, становить 55 балів — це четверте місце у світі та найвищий результат серед відкритих моделей. Треті сторони, такі як ModelCompare, навіть заявили, що через цю модель розрив у штучному інтелекті між Китаєм та США скоротився з кількох місяців до лише 31 дня.
Оглядаючи лише ціни на API, Kimi продовжує підтримувати традиційну перевагу в витратах китайських моделей: K3.1 Pro знизив ціну приблизно на третину порівняно з попередньою версією — введення з 20 юанів за мільйон токенів до 13 юанів, виведення з 100 юанів до 68 юанів. Але для користувачів, які купують підписку, потужність моделі зросла, але під час реального використання потрібно більш обережно розраховувати ліміти.
Довгостроковий підписник Kimi, порівнявши, виявив, що хоча ціна за одиницю знизилася, нова модель витрачає більше Token на виконання однієї задачі, тому загальні витрати майже однакові. За тестами Artificial Analysis, K3.1 Pro під час виконання повного набору Intelligence Index згенерував приблизно 150 мільйонів Token, тоді як медіанне значення серед усіх тестованих моделей становило лише 87 мільйонів Token. У перерахунку обсяг виведених Token K3.1 Pro вищий на приблизно 72% порівняно з медіанним рівнем.
Приклади реальних завдань ще тривожніші. У спільноті користувач, який підписався на пакет Kimi за 199 юанів, надіслав лише одну команду: «Перевірити архітектуру проекту». K3.1 Pro запустив 5 під-Agentів, і через кілька хвилин ліміт на 5 годин був вичерпано. Під час класичного завдання «Пелікан їде на велосипеді» K3.1 Pro згенерував відповідь протягом 1 години 47 хвилин, використавши 87% ліміту на 5 годин.
Ще гірше те, що компенсація лімітів не змогла повністю згладити незручності користувачів. Протягом кількох днів користувачі постійно повідомляли, що зараз у Kimi є ліміти, але вони не можуть їх використовувати.
«Kimi перебуває у піковий період, будь ласка, спробуйте пізніше або оновіть підписку для прискорення». Незважаючи на те, що користувачі витратили гроші на підписку, це розлючаюче повідомлення неодноразово з’являється у чаті великої кількості користувачів, включаючи тих, хто вже раніше оновлював пакет через недостатній ліміт.
Kimi підняла межі здатностей моделі, але користувачі тепер стикаються не лише з проблемою витрати ліміту, а й з розривом між сервісними можливостями у пікові години та платними перевагами.
«Не наважуся давати достатньо», — Кімі почав використовувати пам’ять?
Щоб зменшити навантаження на ліміти, Kimi, схоже, почав налаштовувати свою раніше найбільш відому функцію пам’яті. 10 серпня Kimi без попереднього сповіщення користувачів оновив архітектуру пам’яті, впровадивши механізм «сонних спогадів», який споживає платні ліміти і автоматично читає вміст діалогів у фоновому режимі та записує їх у базу пам’яті.
Зараз кілька користувачів повідомили, що простір пам’яті Kimi протягом кількох днів не може нормально завантажуватися, що вказує на те, що офіційна команда, ймовірно, проводить оновлення та зміни механізму пам’яті. Зараз нова версія пам’яті тендує до узагальнення та виділення попередніх інструкцій пам’яті у користувацькі переваги, а не до виконання кожного запису окремо, як раніше. Перевагою є те, що споживання токенів може зменшитися. Але це має ціну — початкова більш детальна здатність пам’яті також постраждає.
Проте це зможе зменшити лише частину витрат. Проблема витрат, з якою стикається Kimi, походить перш за все від самої моделі.
K3.1 Pro — це модель з параметрами на рівні 3 трильйонів. Раніше інформація про архітектуру серії K3 свідчила, що її розмір становить приблизно 2,8 трлн параметрів, а активовані параметри — близько 104 млрд. Навпаки, деякі моделі з меншим розміром параметрів і вищою ефективністю активації мають переваги у керуванні витратами. Такі компанії, як DeepSeek і Zhipu, шукають оптимальний баланс між здатністю та витратами за допомогою оптимізації архітектури моделі та інженерії висновку.
Другим фактором є обчислювальні витрати, пов’язані зі складними завданнями. Kimi K3.1 Pro за замовчуванням завжди ввімкнений у режимі міркувань, що призводить до виведення довших ланцюжків міркувань та більшої кількості проміжних висновків. Довгий контекст збільшує обчислювальні витрати на обробку вхідних даних, а складні міркування та багатократні виклики агентів додатково збільшують загальні витрати. Якщо завдання агента вимагає кілька викликів моделі, запуску кількох підагентів, а також повторних перевірок та корекцій, загальні витрати ресурсів можуть значно перевищувати ті, які користувач сприймає як одне запитання.
Для Kimi справжнім викликом, можливо, є не здатність продовжувати збільшувати кількість параметрів моделі, а здатність одночасно підвищувати ефективність висновку під час оновлення здібностей. Один із розробників, який стежить за Kimi, вважає, що замість того, щоб безперервно брати участь у конкуренції на рівні високопродуктивних моделей, Kimi краще вкласти ресурси у розробку більш легких та ефективних моделей.
Це не проблема сім’ї Kimi.
Усі постачальники, які надають послуги з використанням передових моделей за фіксованою щомісячною платою, стикаються з однією структурною напругою: підвищення здатностей моделі часто супроводжується синхронним або навіть суперлінійним зростанням витрат на висновок, тоді як ціна підписки є жорсткою, а очікування користувачів полягають у тому, що «після оплати сервіс має бути достатнім». Різниця полягає в тому, що деякі компанії роблять ефективність токенів частиною продукту, інші — досягнення здатностей — частиною брендової вартості, а підписники залишаються посередині, сплачуючи за «потужний інтелект» час виконання, що перевищує очікування.
Крім того, обчислювальні ресурси Moonshot сильно залежать від зовнішніх постачань. Bloomberg раніше повідомляв, що Moonshot має угоду з Alibaba про використання кластера з приблизно 20 000 чіпів NVIDIA, який становить значну частину загальних обчислювальних ресурсів Moonshot. Раніше, через 48 годин після запуску K3, Kimi призупинив нові підписки через наближення до межі ємності GPU.
Коли потужність обчислень компанії сама по собі перебуває в напружених умовах, надання щедрих квот підписникам на C-ринку є фінансово нераціональним.
Китайським моделям, кому варто заробляти гроші?
Якщо у компанії обмежена потужність обчислень, потрібно вирішити практичне питання: куди в першу чергу інвестувати ресурси — у навчання та ітерацію наступного покоління моделей, у надання сервісів реального часу для великої кількості користувачів, у забезпечення запитів API для розробників чи у надання більшого ліміту підписникам?
За різними варіантами стоять різні пріоритети комерціалізації. Суперечки щодо ліміту Kimi також розкривають реальне позиціонування Moonshot у межах обмежених обчислювальних ресурсів щодо підписок для кінцевих користувачів.
З серпня по вересень 2026 року кілька ЗМІ повідомили, що Moonshot AI переговорює з Microsoft, Amazon та Google щодо розміщення K3 на Azure, AWS та Google Cloud, а також отримання до 30% від доходів, що генеруються від продажу послуг K3 через ці платформи. Крім того, ліцензія з відкритим кодом для K3 не є стандартною ліцензією MIT, а є умовами, розробленими Moonshot AI: хостери MaaS, чий річний дохід перевищує 20 мільйонів доларів США, повинні підписати окрему комерційну ліцензійну угоду.
Поклавши ці дві речі разом, можна побачити, що Moonshot шукає шлях, відмінний від простого ведення підписки на C-бізнес: замість створення масштабної інфраструктури для висновків на C-бізнес, пріоритетним є «оптова» передача здатностей моделей хмарним провайдерам, які мають обчислювальні ресурси та канали розповсюдження, що набагато краще відповідає їхнім ресурсам, ніж «рознична» продажа мільйонам підписників.
Коли C-бік більше виконує роль вхідної точки для користувачів, зворотного зв’язку щодо продукту та демонстрації можливостей моделі, ніж основного джерела доходу, його пул лімітів може відрізнятися від очікувань користувачів.
Зараз китайські компанії, що розробляють великі моделі, також шукають більш підходящі способи заробітку.
Конкурентоспроможність DeepSeek в значній мірі походить від поєднання здатностей моделі, ефективності міркувань та відкритої екосистеми. Наразі майже весь дохід походить від оплати за виклики API моделі, а додаток чат-бота залишається безкоштовним і без реклами. За даними The Information, річний обсяг доходу DeepSeek вже перевищив 1 мільярд доларів США, що більше ніж удвічі порівняно з показником кілька місяців тому, коли він був нижчим за 500 мільйонів доларів. Генеральний директор Лян Веньфен на останній зустрічі з інвесторами чітко зазначив, що підвищення цін на API не призвело до втрати клієнтів — попит користувачів залишається сильним.
ZhiPu переживає трансформацію бізнес-моделі, зміщуючись залежності від локального розгортання на підписку на API. За фінансовим звітом за першу половину 2026 року, дохід від відкритої платформи та API-послуг становить 86,5%, що на 2735,7% більше, ніж у попередній період, тоді як частка доходу від локального розгортання знизилася з 84,8% до 13,5%. Ця зміна значно сприяється вибухом попиту на Coding.
MiniMax, яка почала з продуктів для закордонного ринку ToC, намагається розширити межі комерціалізації. Крім постійного розвитку моделей, API та продуктів для індивідуальних користувачів, вона також активно розширює присутність на B2B-ринку, розширюючи свої можливості до генерації відео, а також напрямків Agent, Reasoning та Coding. Її стратегія полягає у тому, щоб інтегрувати можливості моделей у більше підприємств та сценарії розробників, щоб уникнути надмірної залежності від доходів від одного продукту чи групи клієнтів.
У порівнянні з прямими шляхами монетизації компаній, що розробляють моделі, інтернет-гіганти мають ще одну перевагу: вони вже мають зрілу продуктову матрицю, масштаб користувачів та ресурси корпоративних клієнтів, що дозволяє їм інтегрувати великі моделі в існуючі екосистеми та шукати доходи через додану вартість продуктів та корпоративні послуги. Наприклад, Tencent намагається за допомогою великих моделей модернізувати свої продукти та робочі сценарії. Продукти, такі як WeChat та WeCom, поступово інтегрують можливості моделей Yuanbao, Hunyuan та DeepSeek, а AI-роботи для офісної роботи, такі як WorkBuddy, швидко розширюють свою аудиторію.
Після інтеграції можливостей QoderWork, MuleRun, Вукона тощо, Алібаба запустила універсальну платформу для підприємств — Qianwen Office. На конференції Cloud栖 у вересні DingTalk оновила свою комерційну версію: зберігши безкоштовну стандартну версію, вона додала чотири платні версії — AI Basic, AI Advanced, AI Premium та AI Flagship — і повністю інтегрувала можливості Qianwen Office.
Низькі ціни та трафік самі по собі не забезпечать тривалого бізнесу; здатність моделей може постійно зростати, але готовність користувачів платити не зростатиме нескінченно. Справжнє питання полягає в тому, чи зможе кожна компанія знайти бізнес-модель, що відповідає її технологічним можливостям, обчислювальним ресурсам та ринковій позиції.
На краю стіни витрат знаходиться не тільки Kimi.
Twitter: https://twitter.com/BitpushNewsCN
Телеграм-група BitPush: https://t.me/BitPushCommunity
Підписка на BitPush у TG: https://t.me/bitpush