跑分不等于定价权，Kimi多次致歉的产业信号-另镜网

首页 > 科技

跑分不等于定价权，Kimi多次致歉的产业信号

2026-10-30 科技来源：另镜科技 | 作者：汪时雨 5

摘要：独立模型厂商的商业化平衡点在哪

【另镜网】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。

评论区