AI 公司,天天靠重置額度救火。
10 月底,OpenAI 再次調整了配額規則,回應用戶對 Pro 200 套餐配額被削減的抱怨。在一句「收到了大家友善的反饋」後,Codex 負責人 Tibo 宣布,所有 Pro 及 Business Premium 套餐的使用限額翻倍。社區中為此歡呼不斷。
近日,類似的事情也發生在 Kimi 身上,但畫風似乎更加「慘烈」。
月之暗面旗下的新模型 Kimi K3.1 Pro 上線不到 12 個小時,爭議就接踵而至。一邊被海外博主發帖曝光,其提供宣傳模板還要求推廣時藏起付費合作標籤;另一邊,是用戶對額度快速消耗的集中抱怨:任務剛運行沒多久,就發現已經接近使用上限了。
兩天後,月之暗面就 K3.1 Pro 的限流和不必要的額度消耗公開致歉,為所有套餐訂閱者一次性恢復 25% 的月度額度,並表示將減少不必要的子 Agent 調用和輸出長度。
雖然這是 Kimi 在半年內的第三次道歉,但這場「額度事故」並未就此真正翻篇。
「額度黑洞」,仍在繼續
在中國自研大模型中,Kimi 一直是一個特別的存在。憑藉長文本處理和文本創作能力,它不僅累積了一批忠實用戶,也有能力在全球前沿模型的競爭中,與擁有龐大算力和資金儲備的海外大廠正面交鋒。
但自今年以來,對於其訂閱套餐迅速用罄的抱怨從未停止過。「沒錢的用不起,有錢的用海外模型更划算。」一位重度AI用戶表示,同樣的價格,Kimi 提供的配額遠不如 GPT 和 Claude。還有用戶將其他模型作對比:「199 充值 DeepSeek 足夠用一個月,付給 Kimi 只能用一天。」
對這批用戶來說,大模型並不是一個偶爾打開的聊天工具,而是一個嵌入日常工作流程的生產力產品。因此,他們在額度消耗上的體感十分直觀。
K3.1 Pro 上線後,這種矛盾變得更加突出。新模型在代碼、長程任務和 3D 建模等能力上都迎來一波明顯升級,市場反應也相當積極。Artificial Analysis 給出的智能指數是 55 分,位列全球第四,成為榜單裡得分最高的開源權重模型。第三方評測機構 ModelCompare 甚至因該模型的出現表示,“中美 AI 差距從數月縮減到僅剩 31 天”。
單看 API 定價,Kimi 依然在努力維持國產模型一貫的成本優勢,K3.1 Pro 相較上一代下调約三分之一,輸入從每百萬 Token 20 元降至 13 元,輸出從 100 元降至 68 元。但對於購買訂閱套餐的用戶來說,模型能力提升了,真正使用時卻需要更加謹慎地計算額度。
一位 Kimi 的長期訂閱者在對比後發現,雖然單價降低了,但新模型完成單個任務所消耗的 Token 數量增加了,綜合計算下來整體成本相差無幾。根據 Artificial Analysis 的測試,K3.1 Pro 完成整套 Intelligence Index 累計輸出約 1.5 億 Token,而參與測試模型的中位數僅為 8700 萬 Token。換算下來,K3.1 Pro 的 Token 輸出量比中位水平高出約 72%。
實際任務案例更為觸目驚心。在社區中,一名訂閱了 Kimi 199 元套餐的用戶僅發送了一句「審查項目架構」的指令,K3.1 Pro 就啟動了 5 個子 Agent,十幾分鐘後 5 小時的配額窗口即被用盡。面對經典的「鵜鶘騎單車」考題,K3.1 Pro 生成了 1 小時 47 分鐘,耗費了 87% 的 5 小時配額。
更麻煩的是,額度補償也未能完全平息用戶的不適。這幾天,不斷有用戶反映,Kimi 現在有額度也用不了。
“Kimi 正處於高峰期,請稍後再試或升級會員以加速。”即使已花錢訂閱,這句令人煩躁的提示仍多次出現在大量用戶的聊天框中,當中還包括因配額不足而已升級過一次套餐的用戶。
Kimi 將模型推向了更高的能力上限,但隨之而來的已不僅是配額消耗問題,還有高峰時段服務能力與付費權益之間的落差。
「不敢給夠」,Kimi 開始動記憶了?
為緩解配額壓力,Kimi 似乎開始調整其曾經最引以為傲的記憶功能。8 月 10 日,Kimi 在未提前通知用戶的情況下更新了記憶架構,引入了會消耗付費配額的「夢境記憶」機制,會在後台自動讀取對話內容並寫入記憶庫。
目前,多位用戶爆料稱,Kimi 的記憶空間近幾天無法正常載入,疑似官方正在升級和修改記憶機制。目前表現為,新版記憶傾向於將過往的記憶指令統一歸納、提煉為用戶偏好,而非像以往那樣逐條執行記憶內容。好處是,Token 消耗可能會更少。但代價是,原本更細緻的記憶能力也會受到影響。
不過,這終究只能緩解一部分消耗。Kimi 面臨的成本問題,首先來自模型本身。
K3.1 Pro 是一款 3 萬億級參數模型,此前業內流傳的 K3 系列架構資訊顯示,其模型規模約為 2.8T 參數,激活參數約為 104B。相比之下,一些參數規模相對更小、激活效率更高的模型,在成本的工程控制上更具優勢。DeepSeek、智譜等廠商均透過模型架構與推理工程優化,尋找能力與成本之間更合適的平衡點。
其次是複雜任務帶來的推理消耗。Kimi K3.1 Pro 默認全程開啟思考模式,會輸出更長的思考鏈和更多的中間推導內容。長上下文會增加輸入處理的計算開銷,複雜推理和多輪 Agent 調用也會進一步推高總消耗。一個 Agent 任務如果需要多次調用模型、運行多個子 Agent,再進行反覆檢查和修改,最終消耗的資源可能遠遠超過用戶直觀感受到的那一次提問。
對 Kimi 來說,真正需要證明的,或許不是自己能否繼續擴大模型參數,而是在提升能力的同時,也能提升推理效率的水準。一位關注 Kimi 的開發者表示,與其一味參與高端模型的競爭,Kimi 或許更應該投入資源研發更輕量、更高效的模型。
這不是 Kimi 一家的問題。
所有以固定月費提供前沿模型服務的廠商,都面臨同一個結構性張力:模型能力的提升往往伴隨著推理側開銷的同步甚至超線性增長,而訂閱價格是剛性的,用戶預期是「付了錢就該夠用」。區別在於,有的公司把 Token 效率做成了產品能力的一部分,有的公司把能力突破做成了品牌資產,而訂閱用戶被夾在中間,為「強大智能」支付了超出預期的運行時成本。
此外,月之暗面的算力資源嚴重依賴外部供應。彭博社曾報道稱,其與阿里巴巴存在算力協議,可使用約2萬枚英偉達晶片組成的叢集,相關算力佔月之暗面整體運算資源的相當大一部分。此前,K3發布後48小時內,Kimi因GPU容量逼近上限而暫停了新訂閱。
當一家公司的算力本身處於緊張狀態時,向 C 端訂閱用戶提供慷慨配額在財務上是不理性的。
國產模型們,應該賺誰的錢?
如果一家公司的算力供應有限,就必須決定一個現實問題:將資源優先投入哪裡?訓練和迭代下一代模型、投入面向大量個人用戶的實時推理服務、保障開發者 API 的調用需求,還是給訂閱用戶提供更充裕的額度?
背後的不同選擇,對應著不同的商業化優先級。Kimi 的配額爭議,也暴露出月之暗面在算力限制下對 C 端訂閱的真實定位。
2026年8月至9月,多家媒體報道月之暗面與微軟、亞馬遜、谷歌進行談判,計劃將K3上架Azure、AWS和Google Cloud,並從這些平台銷售K3服務所產生的收入中抽取最高30%的分成。此外,K3的開源許可並非標準MIT協議,而是月之暗面自擬的條款:年營收超過2000萬美元的MaaS託管方須另行簽署商業授權協議。
將這兩件事放在一起看,可以看出月之暗面正在探索一條不同於單純經營 C 端訂閱的商業路徑:相比自建大規模 C 端推理基礎設施,將模型能力優先「批發」給擁有算力和分發渠道的雲廠商,遠比「零售」給數百萬訂閱用戶更符合其資源狀況。
而當 C 端訂閱更多承擔用戶入口、產品反饋和模型能力展示的角色,而非最主要的收入來源,那麼它的額度池可能就與用戶期待有所不同。
目前,國內大模型公司也都在尋找各自更適合的盈利方式。
DeepSeek 的競爭力在很大程度上來自模型能力、推理效率與開放生態的結合,目前收入幾乎全部來自模型 API 調用收費,對話機器人 App 仍保持免費、無廣告。據 The Information 報導,DeepSeek 年化營收運行率已突破 10 億美元,較數月前不足 5 億美元的數字翻了一番有餘。CEO 梁文鋒在近期投資者會議上明確表示,API 價格上調並未造成客戶流失,用戶需求依舊強勁。
智譜正經歷商業模式轉型,從依賴本地化部署轉向 API 訂閱服務。2026 年上半年財報顯示,智譜開放平台及 API 業務收入佔比達 86.5%,同比增長 2735.7%,而本地化部署收入佔比從 84.8% 下降至 13.5%。這一變化背後,Coding 需求的爆發是重要推動力。
以海外 ToC 產品起家的 MiniMax,正嘗試擴展商業化邊界。除了持續佈局模型、API 及面向個人用戶的產品外,它也加大對 B 端市場的開拓力度,將能力延伸至視頻生成,以及 Agent、Reasoning、Coding 等方向。其思路是讓模型能力進入更多企業和開發者場景,避免收入過度依賴單一產品或客戶群體。
與這些模型公司的直接變現路徑相比,互聯網巨頭還具備另一項優勢:它們已擁有成熟的產品矩陣、用戶規模和企業客戶資源,可將大模型嵌入既有生態系統,並透過產品增值和企業服務尋找收入。例如,騰訊正嘗試利用大模型改造旗下產品及辦公場景。微信、企業微信等產品陸續接入元寶、混元和 DeepSeek 等模型能力,WorkBuddy 等 AI 辦公智能體也在加速擴展用戶。
阿里在整合 QoderWork、MuleRun、悟空等產品能力後,推出一站式企業級通用 Agent 平台千問辦公。在 9 月的雲棲大會上,釘釘完成商業版本升級,在保留免費標準版的基礎上,新增 AI 基礎版、AI 高級版、AI 尊享版和 AI 旗艦版四個付費版本,並全面接入千問辦公能力。
僅靠低價和流量無法換取長久的生意,模型能力可以不斷突破上限,但用戶的付費意願卻不會無限增長。真正關鍵的問題是,每家公司能否找到與自身技術能力、算力資源和市場定位相匹配的商業模式。
站在成本懸崖邊上的,遠不止 Kimi 一家。
Twitter:https://twitter.com/BitpushNewsCN
比推 TG 交流群:https://t.me/BitPushCommunity
比推 TG 訂閱:https://t.me/bitpush



