Kimi致歉刷屏，它却在金融圈抢活

10 月 26 日凌晨，Kimi 智能助手发出一封致歉信：近期会员使用 K3.1 Pro 时出现限流和不必要的额度消耗，" 问题出在我们，我们也本应更早修复 "。

天亮之后，#Kimi 致歉并宣布补偿方案冲上微博热搜。补偿方案跟着落地：所有订阅会员额度重置，再补偿月度总额的 25%，相当于一周用量。

普通用户在评论区算账的时候，另一批人正在签合同。月之暗面披露，已有数十家金融机构基于 Kimi 模型开展业务，覆盖券商、商业银行、风险投资基金和投研数据机构。新模型 K3.1 Pro 的重点升级方向，正是金融研究。

一边是 C 端用户追着要说法，一边是 B 端机构排队进场。这两件事撞在同一周，不是巧合，是一家大模型公司收入结构换轨的动静。

热搜那头的账：限流、额度与 25% 的补偿

先把热搜这头说清楚。

K3.1 Pro 发布后，会员遇到两个问题：被限流，以及额度被不必要地消耗。原因出在模型侧，子 Agent 调用和输出长度把同样的额度吃得更快了。

Kimi 的处理是三步：致歉认账，" 问题出在我们 "；额度重置，用量不足月度总额 25% 的直接清零重来；再补 25%，约等于一周用量。同时调整配置，减少不必要的子 Agent 调用。

有订阅用户当天就在账户页面看到了更新后的额度。动作算快，姿态算低。对一家正在冲生产力的公司来说，C 端口碑是不能塌的底盘，因为 B 端客户选型时，看的恰恰是同一套模型的稳定性。

分数涨了 11.6，价格降了 33%

再看模型本身。K3.1 Pro 延续 K3 的骨架：2.8 万亿总参数、1040 亿激活参数、100 万 Token 上下文。增量全部加在后训练阶段，强化学习环节投入了更多算力。

分数变化如下：官方测试里，考察真实金融文档复杂分析的 OfficeQA Pro v2 拿到 64.4 分；内部金融研究测试从 58.8 升到 70.4，涨了 11.6 分；金融建模从 50.4 升到 57.6。第三方机构 Artificial Analysis 的智能指数给了 55 分，在其跟踪模型中位列第四，较 K3 提高 11 分。

编程上，Terminal-Bench 4.0 拿到 65.7%，高于 GPT-6 Astra 的 58.2%，低于 Claude Opus 5.5 的 66.4%；在 Artificial Analysis 的独立评测中位列该项已测模型首位。按官方时间表，完整模型权重将在 11 月 4 日前公开。

▲金融研究得分涨 11.6 分，单任务成本约 1.98 美元、目录价较 K3 降约 33%

价格反着走。按美元第一方目录价，K3.1 Pro 的输入、输出和缓存命中价格较 K3 降低约 33%。Artificial Analysis 测算，新模型平均单项任务成本约 1.98 美元，K3 约 2.00 美元。

涨分、降价，这套组合在模型圈是标准进攻动作。不同的是，这一次的落点不是通用对话，是金融。

中信建投的试点：30 分钟的报告，10 分钟出

金融这盘棋，9 月 17 日就摆开了。当天公布的金融行业方案，接入 Wind 万得、东方财富、标普全球、财联社、财新数据等 10 余个数据源，内置 9 项金融技能和 5 项合规安全措施，覆盖持仓早报、财报点评、项目筛选、深度研究和组合复盘。

效率数字很硬。月之暗面披露，投行及私募股权案例里，财务建模的人力投入由 5 至 7 人天降到 0.5 至 1 人天；行业研究案例里，深度报告的研究周期由 10 至 20 天缩短到约 2 天。

落地最快的是中信建投。双方共建的 " 风险评估网关 " 包含数据分类分级、个人信息保护、访问授权、内容核验与人工复核、审计与责任追溯五项措施。首个验证场景是临时受托管理报告：试点覆盖 50 余家发行人、100 余只存续公司债券的 60 余份报告，原计划 2 个月的系统接入，实际 3 个工作日完成；单份报告人工制作时间由约 30 分钟缩到 10 分钟，人工投入下降 67%。

▲中信建投试点三项效率指标：接入、报告耗时、建模人力

注意流程的尾巴：模型生成初稿之后，业务人员继续负责复核与决策。报告上的签字，还是人的。

幻觉降了但没消失，门槛从来不在分数

金融场景要的不是聪明，是别出错。

两组数据对照着看。月之暗面内部压力测试显示，在用户标记过事实错误的高难度样本中，K3.1 Pro 单项事实陈述错误率由 23.35% 降到 6.85%。第三方 AA-Omniscience 评测里，幻觉率由 K3 的 53% 降到 44%，准确率由 48% 升到 51%。

降了一半，但还有 44%。企业业务负责人黄震昕 7 月接受 21 世纪经济报道等媒体采访时说得坦白：幻觉 " 无法杜绝、只能降低 "。应对办法是在智能体集群里专设 " 事实校验员 " 子 Agent 做数据核验，关键数字可回到原始出处核对，再叠加人工复核和责任追溯。

这套 " 机器生成、数据核对、人工兜底 " 的结构，决定了 AI 目前在金融圈的真实位置：它能抢走研究员的熬夜，但抢不走分析师的签字权。

中信建投试点之外，这条业务线能不能持续，看的不是发布会的分数，是接下来几个更无聊的指标：报告修改量、系统稳定性、续费率、项目能不能复制到别的机构。

写在最后

10 月 26 日这一天，Kimi 的评论区里，会员在算 25% 的补偿够不够用；同一家公司的销售系统里，金融机构在问 9 项技能怎么接进自己的业务流程。

一句 " 问题出在我们 "，是给 C 端的交代；一句 " 难而正确 "，是给 B 端的路线。7 月黄震昕说公司不做娱乐化场景，聚焦编程、金融、法律、科研，这次热搜反倒把这句话坐实了：真正费算力、费额度的，正是那些生产力场景。

道歉上热搜，签约在楼下。大模型公司的成年礼，大概就是学会在同一周里同时应付这两件事。