K3迅速蹿红，Kimi却不得不按下暂停键。
7月19日深夜时分，月之暗面Kimi团队发布公告，称Kimi K3上线仅48小时，用户请求量大幅超出预估，由于算力资源紧张，暂停开放新用户订阅，将有限算力优先保障现有订阅用户体验。
会员体系随之拆分为Kimi主权益与Code权益，意图精准分配资源。稍后官方回应显示，Kimi并未调整会员体系，只是在有限算力下对用户体验做了重新平衡。
换言之，K3之火爆达成算力“熔断”，只能婉拒新访客，专心服务老用户。
Kimi的“韬定律”实践
目前，各大模型厂商都在拼命扩大用户规模，通过免费或降价吸引新用户。相较之下，Kimi的反向操作就特别。
但模型能力越强、上下文越长、用户调用越频繁，对推理算力的需求也越高。在“K3请求量快要触及现有算力集群极限”状况下，Kimi也遭遇了“豆包式”的烦恼：C端用户虽多，对收入贡献有限，但GPU已不堪重负。
作为月之暗面首款3万亿参数级MoE模型，K3总参数达2.8万亿。通常认知里，这个规模模型每次输出都需极大算力。但在其独特核心架构帮助下，达到华为芯片领域提出的“韬定律”效果。
这个架构被视为强大引擎，应用了三项关键技术：KDA（Kimi Delta Attention）混合线性注意力、注意力残差（Attention Residuals）和高稀疏度MoE，将每单位算力转化为模型效果的效率推向极致。
芯片行业长期遵循摩尔定律，靠缩小晶体管尺寸提升性能。但先进制程逼近物理极限、成本飙升，单纯堆叠硬件的增长模式已入瓶颈。
华为近期提出的“韬定律”，突破传统思路，转向“时间缩微”：通过逻辑折叠、三维堆叠、全链路架构优化，压缩信号传输时延、减少数据搬运，在成熟制程上实现能效跃升。
其核心方法是：在硬件受限或成本约束下，借助系统级架构创新达成性能提升。
在我看来，K3采用的KDA混合线性注意力机制，正是AI领域的“韬定律”实践。
要知道，Transformer架构在注意力机制上最耗算力。标准注意力随序列长度呈平方级增长，百万级上下文任务中，大部分算力消耗在维持长序列的注意力矩阵上。KDA机制将大部分注意力层的计算复杂度从平方级降至线性。
根据月之暗面先前发布的技术报告，在实验模型上采用KDA与MLA混合比例，KV缓存占用可削减最高75%，100万上下文长度下的解码吞吐量提升至六倍。配合注意力残差与高稀疏度MoE技术，训练效率提高约25%，额外成本不足2%。
这是对“模型生产效率”的重塑。如果说硅谷主流的Transformer路线是“大力出奇迹”的燃油车，KDA更像是追求“热效率极致”的混动引擎。
SemiAnalysis的报告显示，KDA将推理速度提升300%，同时在长上下文处理上保持接近Transformer的性能。这意味着同等算力投入下，K3能产出更多有效智能。
开发者社区的实测反映，K3在长流程Agent任务和代码生成方面表现优异，具备与国际头部模型竞争的实力。
从根本上说，K3依然遵循Scaling Law（缩放定律），但将刀锋对准了算法浪费。当硅谷AI企业还在不断囤卡、堆算力时，Kimi通过重构算法链路、精简计算冗余，在有限算力条件下，实现性能与效率的平衡，走出一条“每瓦特智能产出比”最大化的路径。
这让华尔街观察人士和投资者感到意外，他们如惊诧DeepSeek一般，再度质疑硅谷数千亿美元投资AI是否能得到相应回报、美国AI领先优势是否被削弱。
与此同时，企业用户和开发者也开始关注AI使用成本。部分开发者已用上“模型路由”（Model Routing）服务，根据不同任务自动选择最低成本、最高效率的AI模型，其中当然包括Kimi在内的中国模型。
杨植麟挑战
回过头看，Kimi算力被击穿是技术成功的副作用：模型效率提升降低单次使用成本，反而刺激了需求总量激增。
值得一提的是，7月11日，智谱创始人唐杰宣布“Touch High摸高计划”，直言“不登顶即失败”，并明确表示未来两年不追求短期变现，而是集中资源攻坚AGI的四大核心方向，并拟募集资金，计划投入百亿级资源突破机械可解释性技术。
若说智谱“摸高”是上市后背水一战。其希望通过冲击技术天花板，夯实“全球大模型第一股”叙事，并缓解现实焦虑。
也在杨植麟决策中，看到Kimi在三个维度的“摸高”：
一是算力摸高，从流量思维转为价值思维。公开资料显示，Kimi的API业务比重已超70%，与此前靠C端订阅模式截然不同。保老用户，拒新客，实则将有限算力向高价值场景倾注，避免泛C端流量挤占此已成为收入支柱的B端业务配额。
代价也是显而易见的。比如“优先保障存量用户”的标准不透明，哪些请求获优先响应、哪些被降级处理，一旦处理不当，都会消解用户信任。
长远看，Kimi要完成从技术明星向成熟AI头部企业的蜕变，就必须夯实弹性算力池、分级响应机制、动态调度能力等基础设施。
二是定价摸高，Kimi在实施从廉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”，既是应对算力短缺的短期策略，也可能预示着其定价体系重构的开端。
以往，无论用户写代码、查资料还是闲聊，都支付相同费用、消耗相同算力。当高算力消耗的Code用户比重上升，这种模式必然导致结构性错配。
Kimi借此进行会员权益拆分，实则按使用场景重新定价：轻度用户享基础服务，重度用户为高价值能力付溢价。
这是通过价值用户分层，在尝试争夺模型产品的定价权。目前，K3收费标准已达每百万Token 2.3美元，虽低于海外顶尖模型，却创下国产模型新高。
或许，Kimi也想告别廉价模式，对外传递一个理念：高性能模型具备定价能力。接下来，大模型竞争也将从“拼参数”转向“拼基础设施”、“拼成本定价”。
这一步，比登顶榜单更难，也更贴近商业本质。
第三，地位摸高，Kimi从地缘变量到定价锚点的身份转变。
K3发布后迅速引发全球瞩目。在独立AI模型评测机构Artificial Analysis最新发布的“智能指数（Intelligence Index）”中，其综合得分达57分，位列全球第三，仅次于Claude Fable 5（60分）和GPT-5.6 Sol（59分），领先Claude Opus 4.8（56分）。
这一成绩也打破了“开源落后闭源半代”的行业论断。
同时，K3影响力已超出技术圈。美国科技投资机构视其为AI发展的拐点，认为高质量开源模型正加速能力扩散；加州大学伯克利分校计算机科学教授声称，K3将中国开源模型与美国先进模型的差距，缩小至2至3个月。
资本市场反应同样剧烈，K3发布首日，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”。
这个加速度，才真正改变定价逻辑。
此外，月之暗面ARR到6月已近3亿美元，海外增速400%，涨价60%后收入反增，三组数据叠加，显示Kimi的“开源+效率”模式可规模化变现。
加上有消息称，月之暗面正计划最快六个月在香港上市，估值半年内从43亿美元飙升至315亿美元，涨幅超7倍。
这些是资本市场为一条非硅谷主流路径的“确权”。它们为“能跑通单位经济模型的SOTA”下注时，也证明Kimi拥有独立估值逻辑，无需对标OpenAI或Anthropic证明自身价值。
但K3距离AGI仍远。比如跑分，虽仅比Fable 5低3分，但背后仍存差距。
另外，Kimi在技术报告里承认了两个部署缺陷：一是K3训练中保留了完整思考历史（thinking history），若调用方未正确传递推理过程，或在会话中从其他模型切换到K3，输出质量会显著降低；二是K3在任务模糊时易“过度主动”，更倾向于替用户做决定。这种“自作主张”在需要精准执行的工程流程中，易引发连锁错误。
还有一个易被忽视却至关重要的问题：幻觉。Artificial Analysis测评特别指出，K3的幻觉率比上一代K2.6反而有所上升。
某种程度上，K3的亮眼与隐忧，是全行业算力供需失衡的缩影，也是中国AI产业在算力卡脖子、商业化未闭环、用户预期过高等压力下的集体阵痛。
这些AI厂商的每次过载、每次“熔断”，都是中国AI“摸高”需要跨越的障碍。可以确定的是，一个新的竞争周期已经来临，大模型将 从拼能力转向拼算力。
谁能在算法、算力储备等基建上建立优势，谁才能笑到最后，并定义下一代AI公司的生存标准。
参考资料：
字母榜，《K3发布48小时》
锦缎，《都怪Kimi》
我是唐辰同学，关注互联网科技及AI新经济。原创内容，未经许可，谢绝转载。
「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
文章配图-1
