■面对不必要的额度消耗，发布致歉

■并及时发布补偿方案

■独立模型厂商的商业化平衡点在哪？

  作者 | 汪时雨

编辑 | 陈秋

另镜 ID：DMS-012

10 月 26 日，距离 Kimi 新一代旗舰模型 K3.1 Pro 上线还未满 48 小时，@月之暗面 Kimi 在官方微博中发文表示：" 对于近期 Kimi 会员使用 K3.1 Pro 时出现的限流及不必要的额度消耗，我们向大家致歉。"

在发文中，Kimi 承认了两件事：一是会员使用 K3.1 Pro 时遭遇了限流，二是不必要的额度消耗。其原因是新模型 K3.1 Pro 配置出问题，会过度调用子 Agent、输出过长，导致用户被限流、额度消耗过快。有用户反映，只发一句话，十几分钟的时间，额度就见底了。

在致歉的同时，Kimi 公布了补偿方案：为所有档位的订阅会员进行一次额度重置，即所有有效期内的会员都将获得月度总额的 25% 作为补偿，相当于一周用量；如果当前用量不足月度总额的 25%，则直接清零重置为零。

事实上，这是今年 4 月以来，Kimi 第三次因新模型上线后的体验问题，向付费用户公开道歉。与此同时，资本市场正在为它的 Pre-IPO 轮敲定价格：投前估值 500 亿美元。而在 2025 年 12 月，Kimi 的 C 轮投后估值仅为 43 亿美元，不到一年时间，Kimi 的估值量级便实现了大幅跃升。

在 Artificial Analysis 榜单上，Kimi 大模型取得的了全球第四、开源第一的模型跑分，但在付费体验端，面临的却是 199 元月费用户的现实窘境。仅一句项目架构审查，十几分钟内额度便消耗殆尽……这家被高盛评价为 " 正从成本效率竞争向定价权跃迁 " 的头部大模型公司，为何反复在最不该失手的付费体验上道歉？

额度补偿只能临时止血，真正亟待厘清的核心矛盾，是超大参数量模型的成本结构、订阅模式下的计费逻辑，以及在国内大模型价格战的环境中，独立模型厂商的商业化平衡点究竟在哪里。

三度致歉：

从排队、误扣到 " 不必要消耗 "

Kimi 这一次道歉并非孤例，而是业内大模型厂商接连致歉浪潮的延续。回看全年，Kimi 的首次公开道歉发生在 4 月 22 日。今年 4 月 20 日，Kimi 刚发布并开源主打长时编码的新模型 K2.6，流量短时间内暴增，不少用户遇到会员排队、功能短暂不可用的问题。更棘手的是，后台系统在统计 Agent 额度时出现偏差，导致部分用户权益被异常扣减。当晚 20 点 30 分，Kimi 将所有用户当月额度全额恢复，已消耗额度一并清零。

第二次道歉在 7 月 19 日。7 月 17 日凌晨，月之暗面正式发布新一代旗舰大模型 Kimi K3，这是当时全球参数规模最大的开源模型，发布后 48 小时内用户请求量大幅超出预估。Kimi 连夜发布《致 Kimi 用户：关于算力紧缺与会员暂停开放的说明》，直接暂停 C 端新用户订阅，把算力全部留给存量付费会员并公开致歉。算力从增量战场退回到存量保供，这次事件成为了值得留意的关键信号。

最新这一次道歉发生在 10 月。10 月 24 日，Kimi 官网更新国内会员定价表，会员连续包月分为 49 元、99 元、199 元、699 元和 1399 元五档，这套体系的核心规则是全功能共享同一个月度额度池，按实际 Token 消耗扣减，额度一满，所有功能同步受限，且当月额度无法结转。对订阅用户而言，额度就是用户所付出的订阅成本，这一矛盾在 K3.1 Pro 上线后集中爆发。有 199 元档月费套餐用户称，只发了一句 " 审查项目架构 "，模型就拉起 5 个子 Agent，十几分钟后额度直接见底；还有用户在致歉发文下留言，一个简单问题就烧掉了 25% 额度。不少老用户发现，Kimi 的额度消耗节奏对比以往变得愈发不经用。

对此，Kimi 在致歉信中坦然承担责任：" 问题出在我们，我们也本应更早修复。" 同时，Kimi 披露了整改方案：平台已调整模型配置，削减非必要的子 Agent 调用与冗余输出长度，让同等额度可以支撑更多任务；后续还上线开关，交由用户自主决定是否开启子 Agent 功能。一位接近月之暗面的人士向媒体解释，此次问题的直接原因是新模型配置出了偏差，K3.1 Pro 的默认策略倾向于拆分任务，调用多个子 Agent 协同执行，输出量随之放大，快速耗尽订阅共享额度池。

放到行业视角来看，Kimi 的处境并非个例。今年 2 月，智谱就 GLM-5 发布后的额度消耗争议公开致歉；6 月，Mini Max 上新 M3 后也为变更用户套餐认错；10 月 15 日，DeepSeek 系统故障近 5 小时，事后按用户前一周消耗全额返还赠金。

总体来看，新模型越强、Agent 的任务拆解链路越长，Token 计量与算力就越容易成为付费体验的短板。区别只在于，Kimi 是其中 Pre-IPO 估值最高、模型参数最大的一家，因此，任何一次额度翻车，都会被资本市场和用户群体用放大镜加倍审视。

额度计量困局：

Token 消耗提速的真相

拆解这次额外消耗不难发现，背后绕不开一个技术事实是，Kimi K3.1 Pro 模型本身输出倾向更长。

第三方评测机构 Artificial Analysis 的模型页数据显示，K3.1 Pro 跑完整套 Intelligence Index 测试，累计输出约 1.5 亿个 Token，而同期参测模型的中位数约为 8700 万 Token，相当于中位水平的 1.7 倍。

作为对照，GPT-6.1 Sol 同套测试输出约 6700 万 Token，GPT-6 Astra 约 6000 万 Token。按 Orca Router 的测算，完成同样任务时，K3.1 Pro 的输出量大约是 Astra 的 2.5 倍，Artificial Analysis 也因此在评测体系里被打上了高 Token 消耗和输出冗长的标签。

这种输出冗长的特性在订阅模式下自然被进一步放大。订阅用户买的是一个固定额度池，对一个任务要跑多久、烧多少钱格外敏感。模型越擅长长链路搜索、工具调用与自我校验，任务流程就越复杂，也就更容易触达额度上限。

更关键的是，Artificial Analysis 评测显示，K3.1 Pro 只支持思考模式，关闭思考环节的指令会被直接拒绝，这意味着，用户每一次调用都需要为推理付费。与此同时，其生成速度也低于同类参测模型的中位数，约每秒 70 至 80 个 Token。尽管高速版本已经上线，但官方说明，高速版只加快模型输出，任务中的工具调用与脚本执行耗时不受影响，重度任务的整体提速并不明显。

值得一提的是，K3.1 Pro 的 API 定价是每百万 Token 输入 13 元、输出 68 元，比上代 K3 便宜了约 30%，大约是 Claude Opus 5.5 的一半，但成本的矛盾并未因降价而消失。Artificial Analysis 测算，K3.1 Pro 平均单次任务花费约 2.11 美元，而 GPT-6 Astra 约为 3.26 美元，也就是说 K3.1 Pro 的 Token 单价本只有 Astra 的五分之一，落到实际单次花费上，却只省了大约 35%。其中原因正是超长输出稀释了单价优势。

在国内致知猫榜的 Agentic 测试里，这种差距展现得更为直观：Rust App 任务中，DeepSeek V4.1 Flash 花费 12.32 元，K3.1 Pro 花费 221.21 元；Animation 任务中，Kimi 约花费 38.77 元、DeepSeek 花费 10.77 元；Science 任务中，Kimi 花费约 25.80 元、DeepSeek 约 6.21 元。猫榜规则对超长思考设置了扣分机制，K3.1 Pro 的评分恰好在这一项上吃亏。

不少产业分析人士认为，这一主要矛盾来源于两层因素叠加。一方面是底层约束，Kimi 3 万亿参数底座抬升了单 Token 成本，后训练拉长思考链路，且推理仍主要依赖海外芯片，算力供给偏紧，而 DeepSeek 智谱已基本落地国产芯片推理；另一方面是产品设计倾向，K3.1 Pro 存在过度主动的特点，用户意图模糊时容易自主推演、产出冗余内容，冗余自检对性能提升有限。

这与 DeepSeek 形成鲜明路线差异，同期 DeepSeek 推出的 V4.1 Flash-1017 在不涨价的前提下提速、精简输出，主打轻量化 Agent 调用。对于订阅用户而言，后者额度体验更耐用，对比之下，Kimi 本次新增子 Agent 开关、压缩冗余输出，也是顺应用户体验的方向进行调整。

500 亿美元估值背后：

收入成本曲线与定价权

事实上，道歉和额度补偿只是短期修复，真正支撑月之暗面 500 亿美元估值的是收入与成本能否形成正向收敛。截至 2026 年 6 月中旬，Kimi 的 ARR（年度经常性收入）已突破 3 亿美元，3 个月内翻了 3 倍。在收入结构中，API 业务主要来自数据平台类客户，占整体收入约 70%，商业模式直接对标海外头部 AI 企业。

反观 2025 年，根据光锥智能估算，2025 年月之暗面 C 端订阅收入约为 2 亿元人民币，加上 API 收入全年也难以触及 1 亿美元也就是说，2026 年以来的收入增长主要由 B 端 API 与海外业务拉动，C 端订阅更像是模型能力的展示窗口而非利润支柱。

眼下，这条收入曲线的含金量，正在接受 C 端用户流失的考验。据 QuestMobile 发布的榜单显示，Kimi 月活从峰值约 3600 万跌至 2026 年一季度约 833.8 万，连续四个季度下滑；另据 36 氪援引数据，6 月 Kimi 月活约 729 万，在 AI 原生应用中排位第九。而同一时期，豆包的月活逼近 3.5 亿，背靠抖音、淘宝、钉钉等生态，大厂正在用生态与补贴优势碾压独立应用。

面临高企的获客成本高企、用户持续使用意愿偏低，以及今年 4 月发生的用户数据串访引发的泄露争议，Kimi 的 C 端业务陷入投入越高、亏损越多的局面。

多重压力之下，海外市场成为了最被看重的核心增量。月之暗面 B 端负责人黄震昕在 6 月的亚马逊云科技中国峰会上表示，Kimi 海外付费用户增长 400%，API 收入增长 400%，产品已进入 200 多个国家和地区。在今年 2 月初，Kimi 在和投资人沟通时也曾透露其海外收入已超过国内。今年 9 月，Kimi K3 落地亚马逊云旗下 Bedrock 平台，同时公司团队正与多家海外云厂商推进收入分成合作，云厂商在其平台上架模型并按调用量分成的合作模式，这在国内大模型出海中尚属首次。

当然，价格优势仍是 Kimi 出海的敲门砖。公开定价对比显示，Kimi K2.5 缓存输入定价约为 1.5 元 / 百万 Token，约为同期 OpenAI GPT-4o 缓存输入价格的十分之一。但是，出海并没有化解 Kimi 在成本与定价上的两难问题。3 万亿级参数模型的单 Token 成本、主要依赖海外芯片的算力结构，以及子 Agent 冗长输出带来的无效消耗，共同抬升了 Kimi 的成本线。

从 2026 年上半年的行业数据来看，轻量模型成本整体下降约 35% 至 40%，而旗舰模型成本反而上涨约 60% 至 233%，模型档位价差持续拉大。而 Kimi 曾在 5 月上调 K2.6 单价约 58% 试探定价空间，但智谱 GLM-5.2、DeepSeek V4-Pro 缓存版等竞品却维持极具竞争力的低价。可以看到，旗舰模型越想涨价留住利润，订阅用户就用脚投票并流向更便宜的 Flash 版本。

高盛在研报中称，K3 标志着中国开源模型智能水平达到全球普及的关键节点，中国 AI 公司正从成本效率竞争向定价权跃迁。摩根士丹利同样指出，Kimi 在规模、性能与定价三个维度对美国领先者形成追赶。但定价权的兑现，并不是跑分榜单赋予的，最终还是要取决于用户持续为模型能力付费的意愿。

此外，外部市场的估值预期已然开始降温。近期，Anthropic 的 IPO 预期估值已经从 2 万亿美元下调至 1.5 万亿美元，直接原因是其三季度营收环比增速从 146% 回落至 45%。当 AI 赛道的叙事回归到基本面，对于推进 Pre-IPO 轮的 Kimi 而言，能否把高消耗的技术能力，变成一套可计量、可解释、可持续续费的商业化账单，才是 500 亿美元估值能否站稳的关键所在。

END

洞见具有时代价值的商业见闻

•未经允许 谢绝转载•

标签：