Kimi K3以2.8万亿参数和开源姿态登顶编程榜，却因算力挤爆暂停新用户订阅。技术跃迁与商业落地的错位，暴露出大模型赛道'叫好不叫座'的深层矛盾。本文拆解K3的定价、成本与战略选择，探讨月之暗面能否跨越算力鸿沟。

Kimi又被挤爆了。

7月16日，月之暗面发布Kimi K3。2.8万亿参数、100万Token上下文、原生视觉能力，主攻长程编程与端到端知识工作；在前端编程等评测中，K3已经冲到全球第一。更难得的是，Kimi没有把这张牌攥在自己手里，而是宣布开放权重，完整模型在7月27日前放出。

Kimi K3官方主视觉（来源：月之暗面）

从技术上来看，K3的发布无疑是一次开源模型的胜利。

K3真正的跃迁，是把稀疏MoE推到2.8万亿参数：KDA降低百万上下文的计算和缓存压力，AttnRes改善深层信息传递，Stable LatentMoE再从896个专家中仅激活16个；月之暗面称，整体Scaling效率较K2提高约2.5倍。它并非纯粹堆卡，却仍以更大参数池换能力上限。

至于“超越Fable 5”的说法，虽然K3在前端和长程任务上占优，但官方承认，综合表现和实际体验仍有差距。更准确地说，K3已坐上同一张牌桌，并在若干代码场景拿到局部优势，而非全面取代Fable 5。

K3在多项代码任务上的表现并不均衡（来源：Kimi官方评测）

成本方面，K2.6每百万Token的非缓存输入和输出价为6.5元、27元，K3升至20元、100元，分别上涨208%和270%；缓存输入也由1.1元涨至2元。同时，总参数由1万亿增至2.8万亿、上下文由25.6万增至100万。旗舰能力，已经被明码标价。

7月19日，Kimi宣布暂停C端新用户订阅，原因是过去48小时请求量远超预估，逼近现有集群极限。次日，Kimi又把通用会员与Code权益拆开销售。若用户同时需要网页端和编程服务，最低年费由旧方案的468元升至1536元，门槛提高228%；

这就制造了一种很微妙的战略张力：K3越开源，传播得越快；Kimi就越有可能面对来自云厂商的竞争。

这是因为：在以往的开源阵营中，无论是Meta、阿里、还是马斯克的XAI，都是自有算力的巨头，其算力完全可以撑起庞大的调用量。

而那些不具备自有算力的开源模型，例如DeepSeek V4、GLM-5.2等，虽然同样需要调用云端算力，但这里的关节区别在于：DeepSeek有幻方量化的资金支撑，不急着从C端抠钱，它烧的是幻方的利润和外部融资的钱，不是C端用户的会员费。

而GLM则有B端的基本盘，智谱2025年总收入7.24亿元，其中企业级通用大模型收入3.66亿元，企业级智能体收入1.66亿元，中国前10大互联网公司中，有9家深度集成了GLM模型。

而Kimi的商业模式，则更偏向C端个人订阅。

K3爆火后，ARR（年化收入）创了历史最大单日增幅，但其新增收入主要来自个人用户涌入。个人用户的付费意愿和留存率波动大，且对服务中断极度敏感。Kimi一旦接不住新用户，这些用户不会等，会直接流失。

而这些流失的用户，往往会转投云厂商的API接口。

目前，OpenRouter、硅基流动和OrcaRouter等第三方推理平台，均已开放K3 API。

这些平台背后的算力集群更大，还能凭采购规模和渠道折扣压价。这等于Kimi承担研发与市场教育成本，平台承接调用量，把K3的热度变成推理收入：上游做出爆品，掌握基础设施和入口的一方，更容易拿走规模效应。

算力，成为了当下更关键的问题。

01 模型越强，成本越高

算力告急，对月之暗面而言是喜忧参半。

喜的是，国产模型不再只是靠免费和情绪获得掌声。用户愿意排队、付费，说明K3的能力正在转化为真实需求。据媒体报道，月之暗面ARR已从3月的1亿美元升至6月的3亿美元，API收入占比超过70%。公司虽然没有正式确认这组数据，但如果大体属实，它至少证明Kimi正在摆脱单纯依赖C端会员的阶段。

《财经》报道，月之暗面计划于今年8月开启Pre-IPO轮融资，投前估值约500亿美元。更早之前，也有媒体报道月之暗面已启动赴港上市准备，并着手拆除红筹架构，预计最快于未来六个月内上市。

忧的是，IPO要证明的从来不是“服务器很忙”，而是“每增加一笔收入，公司能不能留下更多毛利”。

大模型恰恰有一个反常识的地方：SaaS卖得越多，软件复制成本越接近零；大模型卖得越多，GPU、显存、带宽和电力会跟着消耗。尤其是K3主打长程编程和Agent任务，一次任务不是问答一轮，而是模型反复读代码、调用工具、自我纠错。用户看到的是一个请求，后台可能跑了几十次推理。

这也是K3定价尴尬的根源。

截至7月21日，K3官方API的非缓存输入价为每百万Token 3美元，输出为15美元；GLM-5.2分别为1.4美元和4.4美元；DeepSeek V4 Pro更低，只有0.435美元和0.87美元。也就是说，K3输入价格约为GLM-5.2的2.1倍、DeepSeek V4 Pro的6.9倍，输出价格则分别达到3.4倍和17.2倍。

有投资人表示，“KimiK3目前证明的是技术能力进入前沿，还没有完全证明推理经济性、产品体验和商业模式同样成立。”

Kimi强调，其编程场景缓存命中率可以超过90%，命中后的输入价格仅0.3美元。这确实能大幅降低重复读取代码库的成本。但缓存只能解决重复输入，不能抹掉Agent不断生成、试错和调用工具带来的输出开销，也无法保证每一种企业工作负载都有90%的命中率。

Kimi Code Bench V2的任务成本—得分对比（来源：Kimi官方）

于是，Kimi必须回答一个很现实的问题：到底有哪些任务，用GPT-5.6 Sol或Claude Fable 5太贵，用GLM-5.2、DeepSeek V4又做不好，恰好只有K3能够以更低的“任务总成本”完成？

如果答案只是“前端编程榜第一”，还不够。因为榜单第一能带来流量，却未必能形成定价权；因为榜首会换人，开源模型也会被云厂商迅速复制供给。

真正能支撑高定价的，是更高的任务成功率、更少的人工返工、更稳定的长程执行，以及企业更换模型时难以带走的工作流、数据与工具链。

这也是月之暗面冲击IPO时最大的矛盾：K3证明了公司有能力追赶前沿，却也把公司推入了更重的资本游戏。模型规模继续向上，训练要钱；用户继续增长，推理也要钱。若涨价，用户可以去更便宜的开源模型；若不涨，收入增长可能被算力账单吃掉。

所以，“算力挤爆”只能算产品成功的证据，不能算商业模式成立的证据。对投资人而言，真正要看的不是Kimi有多少排队用户，而是三件事：API客户的续费率、单位Token毛利，以及每一美元新增ARR需要追加多少算力资本。

02 破局，不能只靠更大的参数

K3值得肯定，但这并不意味着Kimi在估值上已经站稳脚跟；

国内某智能体社区的技术顾问表示，K3的进步一方面是训练，生态数据，另外一方面是模型的参数量扩大了，参数量扩大，这本身就可以提升性能。

但这正是OpenAI、Anthropic的“重装路线”：用更大的参数、更多的芯片、电力去堆出更强的性能。

这条路线，恰恰是中国目前的短板。

工信部数据显示，2025年国内已有42个万卡智算集群，智能算力超过1590 EFLOPS。但芯片、带宽和利用率，仍与英伟达的先进算力有较大差距。根据Cloudscene数据，当前中国数据中心为449座，美国为5427座，二者相差12倍。虽然设施数不等于AI算力，却能折射供给纵深；

中美数据中心设施数量对比（来源：Cloudscene）

2026年，美国四大云巨头的AI与数据中心资本开支预计超过6000亿美元。月之暗面显然不可能复制这种投入规模。

Kimi不能照搬OpenAI和Anthropic的扩张节奏。但它能够借鉴的是另一件事：把有限算力优先放到付费意愿高、任务价值高、客户不容易迁移的业务里。

因为企业用户，远比只是简单用聊天机器人的C端用户，有着更长期、更刚性的需求。

而唯有形成长期、稳定的现金流，Kimi才能缓解算力成本上涨的压力。

长期看，企业是否与Kimi签长期合同，取决于Kimi进入业务流程有多深。只提供一个API，客户更换模型很容易；一旦模型读懂企业代码库、依赖关系和修改历史，接入内部评测、权限、审查与交付，替换成本才会提高。

换句话来说，这要求Kimi做到“垂直闭环”。Kimi要读懂企业代码库、依赖和修改历史，接入内部评测；

这才是Anthropic值得借鉴之处。Claude Code的壁垒不只在“会写代码”，还在掌握上下文、开发规范和权限边界，进入审查与交付。企业买的不是聊天框或便宜Token，而是更短的周期、更少返工和可审计的风险。

现在Kimi已有Code、Work和企业版，但缺的是部署深度、长期留存和可量化ROI这些闭环证据。

K3在内部知识工作评测中的表现（来源：Kimi官方评测）

总体来看，这次算力告急，对月之暗面更像是压力测试，而非生死线。

按3亿美元ARR粗算，月度收入节奏约2500万美元；再加上超过55亿美元的累计融资、仍然打开的融资窗口，以及涨价、限流和扩容这些手段，一次由需求激增造成的容量短缺，尚不足以构成生存危机。

另一方面，kimi也已经将Agent通用额度与Kimi Code额度分开，高档套餐显著增加Code用量，本质上是在减少轻度用户对重度用户的补贴，并对高成本任务实行更精细的分层定价。这能改善单位经济性。

但熬过去不等于商业闭环成立。

下一阶段，Kimi真正重要的不是再拿个榜单第一，而是让收入增速持续快于算力成本的增长，让企业客户在真实业务中留下来，将模型嵌入一个迁移成本很高的企业工作流。

这才是Kimi未来能否撑起K3、撑起数百亿美元估值的真正问题。