上线不到12小时，争议接踵而至。10月底，月之暗面旗下Kimi K3.1 Pro甫一发布，用户关于“额度被快速吞没”的抱怨便集中爆发，迫使公司在两天后公开致歉，并为所有套餐订阅者一次性恢复25%的月度额度。这已是Kimi半年内的第三次道歉，但额度争议并未随补偿方案落地而消散。
从产品层面看，K3.1 Pro无疑是一次显著跃升。Artificial Analysis给出的智能指数为55分，位列全球第四，是榜单中得分最高的开源权重模型；ModelCompare甚至据此断言“中美AI差距从数月缩减到仅剩31天”。API定价也在延续国产模型的成本优势：输入从每百万Token 20元降至13元，输出从100元降至68元，较上一代下调约三分之一。
然而，对于掏出真金白银购买订阅套餐的用户而言，单价下降并未带来实际成本的等比例回落。问题出在消耗侧：K3.1 Pro完成整套Intelligence Index累计输出约1.5亿Token，比参与测试模型中位数高出约72%。社区案例更为直观，一名199元套餐用户仅输入“审查项目架构”一句指令，K3.1 Pro便拉起5个子Agent，十几分钟后5小时额度窗口即告用满；在“鹈鹕骑单车”经典考题中，模型运行1小时47分钟，消耗掉87%的5小时额度。单价降了，单任务消耗却上去了，用户账面上的“性价比”被悄然抹平。
额度告急之外，付费权益与峰值服务能力之间的落差同样在放大用户的不安。即便额度尚未耗尽，“Kimi正在高峰期，请稍后再试或升级会员加速”的提示仍频繁出现在付费用户的聊天框中，其中不乏已经因额度不足升级过一次套餐的用户。
更深层的矛盾指向成本结构。K3.1 Pro是一款3万亿级参数模型，模型规模约2.8T参数、激活参数约104B，在工程成本控制上天然面临更大压力。更关键的是推理消耗：K3.1 Pro默认全程开启思考模式，输出更长的思考链和中间推导内容，复杂推理与多轮Agent调用进一步推高总资源消耗，一次Agent任务涉及的多次模型调用和子Agent运行，最终开销可能远远超出用户直觉中的“一次提问”。
算力供给的约束则将这一矛盾推至台前。彭博社曾报道，月之暗面与阿里巴巴存在算力协议，可使用约2万枚英伟达芯片组成的集群，相关算力占其整体运算资源的相当大一部分；K3发布后48小时内，公司曾因GPU容量逼近上限而暂停新订阅。当算力本身处于紧平衡，向C端订阅用户开放慷慨额度，在财务回报上并不划算。
这并非Kimi一家的困境。所有以固定月费提供前沿模型服务的厂商，都面临同一个结构性张力：模型能力的提升往往伴随着推理侧开销的同步甚至超线性增长，而订阅价格是刚性的，用户预期却是“付了钱就该够用”。区别只在于，有的公司把Token效率做成了产品能力的一部分，有的公司把能力突破做成了品牌资产，而订阅用户被夹在中间，为“更强大的智能”承担了超出预期的运行时成本。
月之暗面的商业化天平已经在倾斜。2026年8月至9月，多家媒体报道其与微软、亚马逊、谷歌谈判，计划将K3上架Azure、AWS和Google Cloud，并从平台销售收入中抽取最高30%的分成；K3的开源许可亦非标准MIT协议，年营收超过2000万美元的MaaS托管方须另行签署商业授权。将模型能力优先“批发”给拥有算力和分发渠道的云厂商，远比“零售”给数百万订阅用户更符合当前的资源禀赋。
Kimi的额度事故，表面是一次产品运营的失准，实则揭示了一个更根本的财经命题：在推理成本尚未跟随能力同步下降的阶段，C端订阅制能否承载前沿模型的商业化期望。模型越强，答案反而越不确定。
