Kimi半年三次道歉背后：大模型变强引发算力成本困局

月之暗面旗下的新模型 Kimi K3.1 Pro 上线不足 12 小时便引发密集争议。大量付费用户反映任务刚执行不久额度即告耗尽。两天后，月之暗面公开就限流和不必要的额度消耗致歉，为订阅用户一次性恢复 25% 的月度额度，并承诺减少不必要的子 Agent 调用和输出长度。这已经是 Kimi 在半年内的第三次致歉。

额度补偿并未彻底平息争议。在各大社区中，不少长期订阅用户抱怨，新模型在长程任务和代码处理上能力显著提升，但调用成本急剧上升。有用户测试，仅发送一条架构审查指令，K3.1 Pro 便启动了 5 个子 Agent，十几分钟内就消耗掉 5 小时的额度窗口；在经典测试中，模型持续推导近两小时，消耗了 87% 的周期额度。此外，即便在付费状态下，高峰期“系统繁忙、请稍后再试”的提示依然频发。

评测数据显示，K3.1 Pro 在第三方测试中拿下高分，甚至被评价大幅拉近了与海外顶尖模型的差距。但代价十分直接：由于默认开启深度思考模式并生成更长的推导链，其完成整套基准测试累计输出约 1.5 亿 Token，比参测模型的中位数高出 72%。尽管官方调低了 API 单价，但任务消耗的 Token 总量激增，用户实际支出并未减少。

面对算力重负，Kimi 甚至被曝调整了原有的长期记忆机制。新版本倾向于将用户的历史指令集中归纳为偏好标签，不再逐条比对执行，以期降低上下文占用的 Token 数量。

成本困局的根源在于模型架构与算力供应。业内信息显示，K3 系列总规模达到约 2.8T 参数，激活参数约 104B。超大参数量叠加上下文增长与多轮 Agent 反复验证，使单次交互背后的真实计算开销呈指数级膨胀。同时，月之暗面的算力高度依赖外部供给，曾因高负载逼近硬件上限而一度暂停新订阅。在算力受限的前提下，向 C 端订阅用户无上限开放前沿模型，在商业逻辑上面临严峻考验。

这一矛盾正在推动大模型公司调整变现策略。据悉，月之暗面近期推进将 K3 上架微软 Azure、亚马逊 AWS 和谷歌云等海外平台，以此获取最高 30% 的分销收入，并在开源协议中对高营收 MaaS 服务商设置了商业授权门槛。比起自建大规模集群去承载数百万 C 端用户的密集推理，将模型能力批发给云厂商和企业级客户显然更具财务防守性。

国内其他大模型厂商也在加速商业分化：

• DeepSeek 依靠高推理效率与开放生态，收入几乎全部来自 API 调用，对话应用持续免费，年化营收运行率已突破 10 亿美元；
• 智谱全面转向 API 驱动，今年上半年相关业务收入占比超过 86%，本地化部署比重显著降低；
• 阿里、腾讯等巨头则依托既有的办公软件与企业生态，将自研模型内嵌至钉钉、企业微信等成熟产品中，通过生态增值实现变现。

固定月费的 C 端订阅模式，正受到模型推理成本膨胀的剧烈冲击。对所有前沿大模型团队而言，如何在提升模型智能上限的同时，通过工程优化压低推理成本并找到健康的造血渠道，已成为比单纯扩大参数更紧迫的命题。