K3的火爆态势中，Kimi却被迫踩下了刹车。
8月19日深夜时分，月之暗面Kimi团队发布了官方声明。起因在于Kimi K3自启用后48小时里，用户请求量就远远超出了团队预估值。受限于算力资源，Kimi暂时叫停了新用户订阅服务，把宝贵的算力优先分配给现有订阅用户。会员体系也跟着调整，拆分成了Kimi主权益与Code权益两大板块，意图实现资源的精准投放。官方后续解释称，这并非对会员体系的改革，而是在算力紧张状况下的用户体验优化。
情况摆在眼前：K3成为引爆算力系统的导火索，使得新用户注册之路被堵，Kimi只能将重心放在老用户的维系上。
Kimi的“韬定律”策略
眼下的模型市场，众多厂商都在疯狂扩充用户基数，手段无非是免费试用、降价促销。相比之下，Kimi的操作显得格外特别，甚至带点“凡尔赛”的意味。
但道理也简单，模型性能越强大，能处理的上下文越长，用户每次调用消耗的算力就越大。当“K3请求量逼近现有算力集群的极限”的消息传开，Kimi也尝到了“豆包”式的苦头：C端用户数量激增，带来的收入增长却有限，反倒是GPU承受着巨大压力。
月之暗面首款3万亿参数级MoE模型K3，总参数量达到了2.8万亿。按一般认知，如此规模的模型，每完成一次输出，都会造成算力的指数级消耗。但K3的独特核心架构，起到了华为在芯片界提出的“韬定律”作用。
这套架构堪称一个强力引擎，它综合了三项关键技术：KDA（Kimi Delta Attention）混合线性注意力机制、注意力残差（Attention Residuals）以及高稀疏度MoE，将每一份算力都转化成了最有效的模型表现。
芯片产业长久以来依赖摩尔定律，依靠缩微晶体管来提升性能。可随着先进制程逼近物理边界，制造成本急速攀升，单纯依靠硬件堆砌的增长模式已难以为继。
华为今年抛出的“韬定律”，跳出了传统思路里“空间缩微”的模式，转向“时间缩微”：借由逻辑折叠、三维堆叠、全链路架构优化等手段，缩短信号传输时间、减少数据搬运中的冗余，使得在成熟制程上就能获得媲美先进制程的能效提升。
其核心要义在于：即便硬件受限或成本居高不下，依然可以通过系统性架构创新，突破性能瓶颈。
在我看来，K3所采用的KDA混合线性注意力机制，正是AI领域的“韬定律”生动实践。
要知道，Transformer架构在处理注意力时会消耗大量算力。标准注意力机制的计算复杂度随着序列长度呈平方级增加，在百万级别的上下文任务里，大部分算力都被用来维持长序列的注意力矩阵。KDA机制则将大部分注意力层的计算复杂度从平方级降为线性。
根据月之暗面先前发布的技术文档，实验显示采用KDA与MLA混合比例后，KV缓存内存最高可减少75%，在100万上下文长度的解码吞吐量能提升六倍。与此同时，借助注意力残差与高稀疏度MoE技术，训练效率提升了25%，而额外成本不足2%。
这是对“模型生产效率”的根本性重塑。如果硅谷主流的Transformer路线是“消耗惊人”的燃油车，那么KDA更像是一款追求“热效率极限”的混动系统。
SemiAnalysis的报告明确指出，KDA能将推理速度提升300%，同时在长上下文处理上依然能维持接近Transformer的表现。这意味着在相同算力条件下，K3能创造更多的智能价值。
开发者社区的实测反馈也印证了这一点。在长流程Agent任务和代码生成方面，K3的表现尤为亮眼，足以与国际顶尖模型试比高下。
K3本质上依旧遵循Scaling Law（缩放定律），但目标是精准打击算法层面的浪费。当硅谷AI企业还在忙于囤积GPU、疯狂堆砌算力时，Kimi通过重构算法链路、精简计算冗余，在有限算力的基础上，达成性能与效率的完美平衡，开创了一条“每瓦特智能产出比”最大化的新路径。
这一举动让华尔街观察家与投资界感到震惊，他们与DeepSeek一样，再次对硅谷千亿美元AI投资的实际回报率表示疑虑，开始质疑美国AI是否已经失去先发优势。
与此同时，企业用户和开发者们都开始关注AI的使用成本。部分开发者已经启用了“模型路由”（Model Routing）服务，依据不同任务自动选用最经济又最高效的AI模型，这其中当然包含Kimi在内的新兴中国模型。
杨植麟挑战极限
回溯来看，Kimi算力供应吃紧，实则是技术突破带来的副作用：模型效率的提升压低了单次使用成本，反而驱动了需求总量的爆炸式增长。
7月11日，智谱创始人唐杰公开宣布“Touch High摸高计划”，直言“不登顶等于失败”，并明确表示未来两年不考虑短期商业变现，而是要集中人力攻坚AGI的四大核心方向，并计划融资，目标投入百亿级资源攻克机械可解释性技术。
可以说，智谱“摸高”是公司上市后的逆水行舟之策。他们希望通过冲击技术巅峰，来巩固“全球大模型第一股”的地位，缓解现实中的经营压力。
我也在杨植麟的决策中，窥见Kimi在三个维度的“摸高”：
其一，算力维度上的摸高，从追求流量转向重视价值。公开数据显示，Kimi的API业务占比已突破70%，这与早期依靠C端订阅的模式大不相同。保存量用户、拒新注册，本质上是将有限算力向高价值场景倾斜，避免C端用户流量挤占已作为收入支柱的B端业务资源。
代价同样明显。比如“优先保障存量用户”的实施细则不透明，哪些请求能优先得到响应，哪些会被降级处理，处理不当极易削弱用户信任。
长远来看，Kimi要从技术网红转型为成熟AI企业，必须打好弹性算力池、分级响应机制、动态调度能力等基础建设。
其二，定价维度上的摸高，Kimi正在进行从低价自助餐到价值分层的压力测试。公告中提及的“拆分Kimi主权益与Code权益”，短期看是应对算力短缺的调配举措，长期看或许预示着定价体系的重塑。
过去无论用户写代码、查资料还是闲聊，都支付同等费用，消耗同等算力。当高算力消耗的Code用户比例上升，这种模式必然造成结构性失衡。
Kimi借此机会拆分会员权益，也是按照使用场景重新定价：普通用户享用基础服务，重度用户为高级能力支付额外费用。
这是通过价值用户分层来争夺模型产品的定价主动权。目前，K3收费标准已达每百万Token 2.3美元，虽低于海外头部模型，但已创下国产模型新高。
或许，Kimi也想摆脱廉价形象，向外界传递一个信息：高性能模型同样具备市场定价能力。未来大模型竞争，将不再只比拼参数规模，而是比拼基础设施实力和成本控制。
这一步，难度比登顶榜单更陡峭，也更贴近商业规律。
其三，地位维度上的摸高，Kimi从地缘变量跃升为定价基准点。
K3问世后迅速吸引了全球目光。在独立AI模型评测机构Artificial Analysis发布的最新“智能指数（Intelligence Index）”里，其综合得分57分，位列全球第三，仅次于Claude Fable 5（60分）和GPT-5.6 Sol（59分），甚至领先Claude Opus 4.8（56分）。
这个成绩也随手打破了“开源模型落后闭源模型半代”的行业定论。
同时，K3的影响力已超出技术圈范畴。美国科技投资机构视其為AI发展的重要转折点，认为高质量开源模型正加速全球能力扩散；加州大学伯克利分校计算机科学教授更声称，K3将中国开源模型与美国领先模型的差距，缩小至两三个月。
资本市场的反应同样激烈，K3发布的首个交易日，英伟达单日市值蒸发约1111亿美元；摩根大通策略师在报告中直接称其为“DeepSeek 2.0”。
这种加速度，才是真正改变定价规则的关键因素。
此外，月之暗面ARR（年化收入）到6月已接近3亿美元，海外增速400%，在提价60%后收入反而增加，这三组数据叠加，证明Kimi的“开源+效率”模式具备规模化盈利潜力。
再加上有消息透露，月之暗面正计划最快六个月内在香港上市，估值在半年内从43亿美元飙升至315亿美元，涨幅超过7倍。
这些都是资本市场为非硅谷主流路线“确权”的信号。它们在为“能实现单位经济模型的SOTA（State-of-the-Art）”下注时，也表明Kimi已经拥有了独立的估值逻辑，无需参照OpenAI或Anthropic来证明自身价值。
不过，K3距离AGI还有很长的路要走。比如跑分测试显示，K3与Fable 5相比只低了3分，但背后仍有明显差距。
同时，Kimi在技术报告中也坦承了两个部署层面的缺陷：其一，K3在训练中保留了完整的思考历史（thinking history），如果调用方未能正确传递之前的推理过程，或在会话中从其他模型切换至K3，输出质量会大打折扣；其二，K3在任务模糊时会“过于主动”，更倾向替用户做决定，这种“自作主张”在需求精确执行的工程流程中，容易引发连锁错误。
还有一个极易被忽视但至关重要的隐患：幻觉问题。Artificial Analysis在测评中特别指出，K3的幻觉率反而比上一代 K2.6有所提高。
某种程度上，K3的亮眼表现与潜在风险，折射了全行业算力供需失衡的实况，也是中国AI产业在算力卡脖子、商业化未完成、用户预期过高等多重压力下的集体挑战。
这些AI企业的每一次超负荷运转、每一次“熔断”，都是中国AI“摸高”路上必须跨越的障碍。可以断言，新的竞争周期已经开启，大模型将要从比拼能力转向比拼算力储备。
谁能在算法、算力储备等基础设施上建立优势，谁才能笑到最后，并将定义下一代AI企业的生存准则。
参考资料：
字母榜，《K3发布48小时》
锦缎，《都怪Kimi》
我是唐辰同学，专注互联网科技及AI新经济领域。原创内容，欢迎转发，谢绝未经许可的转载。
「唐辰同学」
钛媒体、36氪、老虎财经热榜
澎湃新闻2024年最澎湃创作者
老虎财经2024年度优秀专栏
河南日报·顶端新闻2024年度影响力作者
界面新闻优质榜单
老虎财经2024年度优秀专栏
腾讯新闻年度优质热问答主
2023搜狐新闻年度优质创作者
人人都是产品经理2023年度优秀作者
2023网易新闻年度内容合伙人
界面、36氪、钛媒体、澎湃、21财经、蓝鲸、老虎财经等平台专栏认证作者