（文/赖家琪 编辑/吕栋）
“实在是不能忍了。10月15日买了Kimi 1908元的年会员，10月16日让K3.0做一个5分钟视频，20分钟后告诉我100%的月额度用光了，视频也没干出来。”
10月26日，科技评论人、风云学会陈经在微博上吐槽自己使用Kimi经历。他找客服投诉，得到的回复是：任务期间生成了20多个中间结果视频，确有对应支出。月额度一旦归零，“连别的大活也没法干了”。
这种“肉疼”在数天后被新模型放大。
10月24日，月之暗面发布迄今最强的3万亿级参数模型K3.1 Pro，跑分直逼最顶尖的闭源模型，但好评没能维持48小时，大量付费用户反映额度“几分钟就烧光”。10月26日，Kimi公开致歉，向所有有效期内订阅会员补偿月度总额25%的额度（约一周用量），同时着手减少不必要的子Agent调用和输出长度。
一边是全球第四、开源第一的模型能力，一边是单价只有美国旗舰模型五分之一、用户却直呼“用不起”的账单。Kimi的纸面单价并不贵，实际费效比为何这么低？
延续成本优势，但真用起来并不便宜
K3.1 Pro确实延续了中国模型一贯的成本优势。按官方定价，其API每百万Token缓存命中输入1.3元、未命中13元、输出68元，整体比上一代K3便宜约30%。Artificial Analysis测算，其平均每项任务成本约2.11美元，而Claude Opus 5.5约5.98美元、GPT-6 Astra约3.26美元。
能力上，Terminal-Bench 4.0得分65.7%，超过GPT-6 Astra的58.2%，逼近Opus 5.5；Intelligence Index榜单位列全球第四、开源第一，较K3跃升12位。
但单价便宜，不等于费效比高。矛盾就藏在“Token单价”和“完成任务实际花了多少Token”之间。
Artificial Analysis发现，K3.1 Pro跑完一套评测累计输出约1.5亿个Token，约为参测模型中位数8700万的1.72倍、GPT-6 Astra的2.5倍，被贴上“非常冗长”的标签。
它只开放思考模式，用户为每次调用都支付完整推理开销。结果是：Token单价虽约为Astra的五分之一，单任务实际花费却只便宜约35%。
在更看重“花钱办多少事”的第三方“猫榜”上，同一道Rust App任务，K3.1 Pro花了221.21元，DeepSeek V4.1 Flash仅12.32元，相差近18倍。Simple Model上，Kimi花了12.60元，DeepSeek是5.88元。Animation上，Kimi是38.77元，DeepSeek是10.77元。Science上，Kimi是25.80元，DeepSeek是6.21元。
到了订阅制产品里，这种冗长被进一步放大。API用户按实际用量付费，订阅用户买的却是“固定额度”，对一项任务跑多久、烧多少钱格外敏感。模型越擅长长程搜索、调用工具、写代码和自我检查，任务持续时间越长，越容易撞上“额度墙”。
海外一位99美元月费用户称，仅一个会话、未启用Agent群组，47分钟便触发5小时限制；国内一位199元档用户只发一句“审查项目架构”，模型就拉起5个子Agent，十几分钟额度告罄；还有开发者用两个699元账号测算，旧套餐能换到的API价值约为新套餐的1.94倍。
更损伤信任的是计费透明度——点击“生成”前，用户几乎无法预判一条指令会牵连出多少子Agent、多少中间结果，陈经那条“20多个中间结果视频”的账单，就是产生于这样的黑箱。
更关键的是，这次额度虚耗的症结并不在底层基模，而在基模之上的“编排层”，即子Agent调度、工具调用、输出长度与返工策略。
为追求长程任务严谨，K3.1 Pro倾向反复检查、自我修正，官方技术报告也承认其“过度主动”，遇到模糊意图便自行加码；哪怕简单任务也会拉起大量子Agent“思考”，产出未见变好，额度却照付。
Agent基础设施公司Composio实测，同一模型、同一任务，仅因Agent框架不同，Token消耗最多相差30倍。
Kimi的修复动作就是最有力的说明，它没有改动模型权重，只是表示已调整配置，并正在减少不必要的子Agent调用和输出长度，让同样的额度完成更多实际任务。
说到底，费效比是“基模效率×编排效率”两道乘法：Kimi在第一道上追到世界前沿，却在第二道上欠了账，而这笔账梁文锋似乎比杨植麟算的更好。
费效比背后，算力还是瓶颈
如果说编排层是近在眼前的产品问题，其背后还站着更结构性的约束：算力。
这已是月之暗面半年内第二次面对服务承载压力。今年7月，K3上线仅48小时，请求量便大幅超出预期、逼近集群承载极限，公司连夜暂停C端新用户订阅，将有限算力优先留给存量会员。
7月是“用户增长太快、算力撑不住”，10月是“模型更强、单人消耗更多”，表象不同，内核却是同一道算术题——算力约束已渗透研发与商业化的每个环节。
这道题的难度，创业起步时便已注定。
OpenAI、Anthropic背后，分别绑定微软、谷歌以及亚马逊的超大规模算力集群：Anthropic已锁定约14.8GW、签下数千亿美元长期协议，仅向谷歌云就承诺五年约2000亿美元；OpenAI在手合同算力超过10GW，与AWS达成380亿美元协议，可调用数十万颗英伟达GPU。对它们而言，推理算力近乎能随业务持续扩容。
而中国大模型创业潮兴起之时，恰逢海外高端AI芯片管制持续收紧。据行业测算，仅稳定跑通K3、支撑百万字长文本与多智能体并行，就需至少64颗加速卡组成超级节点。
对月之暗面这样的独立公司，算力始终处在分配博弈中：一部分留给下一代模型训练，维持技术不掉队；一部分支撑线上推理，保障付费用户体验。训练、推理、生态三重需求叠加，一端吃紧，另一端立刻承压。
开源因此成为现实解法。
开放权重后，云厂商、推理服务商和企业可借各自基础设施部署模型，模型公司有限算力不再是生态唯一来源；但也抛出更尖锐的问题：当人人都能自行部署，最初投入巨资研发的公司，又该如何从模型本身获得足够收入？
正因如此，衡量一款付费大模型的成色，早已不能只看榜单分数。除了模型能力，决定付费用户口碑的，还有推理算力供给、额度计费透明度和系统稳定性这些“看不见的基本功”。
K3.1 Pro以开源之身跻身全球第一梯队，打破了“开源模型只能主打性价比、顶尖能力只掌握在闭源模型手中”的固有格局，为国产AI拓宽了普惠路线。但陈经“要注意Agent任务帮客户节省token”的提醒，也佐证着：技术强不等于费效比高。
对开发者和付费用户而言，大家要的不只是榜单分数，而是每花出去一份钱、每消耗一份额度，能拿到足够扎实的结果。
本文系观察者网独家稿件，未经授权，不得转载。
