Kimi K3 上线短短48小时便引爆流量，月之暗面团队紧急发布公告，宣布因算力资源紧张，暂停新用户注册，将有限算力优先保障现有老用户。为此，团队对会员体系进行了拆分，将权益划分为Kimi主权益与Code权益，以更精准地分配资源。这并非会员体系的根本调整，而是算力瓶颈下的用户体验平衡之举。简而言之，K3的火爆已触发算力“熔断”，只能婉拒新客，集中力量服务存量用户。
Kimi的“韬定律”
当前，各大模型厂商纷纷通过免费或降价争夺用户规模。相比之下，Kimi的“反向操作”显得颇为“凡尔赛”。然而，模型能力越强，算力消耗越大。当K3的请求量逼近现有算力集群的极限时，Kimi也遭遇了类似字节跳动“豆包”式的烦恼：C端用户激增但收入贡献不明显，GPU却已不堪重负。
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。在独特核心架构的支持下，它实现了华为在芯片领域提出的“韬定律”效果。该架构被视为超级引擎，融合了KDA混合线性注意力、注意力残差和高稀疏度MoE三项关键技术，将算力效率推向极致。
过去，芯片行业依赖摩尔定律，靠缩小晶体管提升性能，但先进制程逼近物理极限，单纯堆硬件走入瓶颈。华为提出的“韬定律”转向“时间缩微”，通过逻辑折叠、三维堆叠等优化，在成熟制程上实现能效跃升。在我看来，K3的KDA混合线性注意力机制正是AI领域的“韬定律”实践。标准Transformer的注意力机制随序列长度呈平方级增长，计算复杂度极高。KDA机制将其降至线性级，将KV缓存占用削减最高75%，100万上下文下的解码吞吐量提升6倍。配合注意力残差与高稀疏度MoE，训练效率提升约25%，成本不到2%。这是对“模型生产效率”的重构。如果说硅谷主流路线是“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报告指出，KDA将推理速度提升300%，在长上下文处理上保持接近Transformer的性能。这意味着同等算力下，K3能产出更多有效智能。开发者实测也显示，K3在长流程Agent任务和代码生成上表现突出，具备与国际头部模型竞争的实力。
从根本上说，K3遵循Scaling Law，但剔除了粗糙的算法浪费。当硅谷企业囤卡堆算力时，Kimi通过重构算法链路、精简计算冗余，在有限算力下实现了性能与效率的平衡，走出了一条“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，像惊诧DeepSeek一样，质疑硅谷数千亿美元投资是否得到回报，美国AI领先优势是否被削弱。同时，开发者开始关注AI使用成本，并采用“模型路由”服务自动选择成本最低的模型。
杨植麟摸高
回过头看，Kimi算力被击穿是技术成功的副作用：效率提升降低了单次成本，反而刺激了需求暴涨。7月11日，智谱创始人唐杰宣布“Touch High摸高计划”，直指“不登顶，就是失败”，未来两年不追求短期变现，集中资源攻坚AGI。如果说智谱是上市后的背水一战，杨植麟的Kimi决策则体现了三个维度的“摸高”：
一是算力摸高，从流量思维切换到价值思维。Kimi的API业务占比已突破70%，不同于此前靠C端订阅的模式。保老用户、拒新客，实则是将有限算力向高价值场景倾斜，避免泛C端流量挤占已是收入支柱的B端业务配额。代价是执行标准不透明可能导致信任稀释。长远看，Kimi需夯实弹性算力池、分级响应机制等基础设施。
二是定价摸高，Kimi在进行从廉价自助餐到价值分层的压力测试。拆分“Kimi主权益与Code权益”，既是应对算力短缺的短期调配，也可能预示着定价体系重构。过去用户写代码、查资料支付相同费用，高算力消耗的Code用户占比上升导致结构性错配。通过权益拆分，Kimi按使用场景重新定价，轻度用户享受基础服务，重度用户为高价值能力支付溢价。这是在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，但创下国产新高。Kimi意在告别廉价模式，传递高性能模型具备定价能力的信号。接下来大模型竞争将从“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，也更接近商业本质。
三是地位摸高，从地缘变量到定价锚点的身份跃迁。K3发布后引发全球关注。在Artificial Analysis发布的最新“智能指数”中，其综合得分57分，位列全球第三，仅次于Claude Fable 5和GPT-5.6 Sol，领先Claude Opus 4.8。这一成绩打破了“开源落后闭源半代”的行业共识。K3的影响力溢出技术圈，被视为AI发展的“拐点”，加州大学伯克利分校教授称其将中美差距拉小至2到3个月。资本市场反应剧烈，K3发布首日，英伟达市值蒸发约1111亿美元，摩根大通策略师称之为“DeepSeek 2.0”。月之暗面ARR到6月接近3亿美元，海外增速400%，涨价后收入反增。加上寻求香港上市的消息，估值半年内从43亿美元飙升至315亿美元。这些数据表明资本在为“能跑通单位经济模型的SOTA”下注，Kimi拥有了独立的估值逻辑。
K3距离AGI还有很长的路。虽然只比Fable 5低3分，但仍有差距。Kimi在技术报告中也承认了部署层面的缺陷：一是K3保留了完整思考历史，切换模型或未正确传递推理过程会导致输出质量下降；二是任务模糊时会“过度主动”，在需要精确执行的工程流程中容易出错。此外，Artificial Analysis指出K3的幻觉率比上一代K2.6反而有所上升。
K3的光鲜与隐忧，是全行业算力供需失衡的缩影，也是中国AI产业在算力受限、商业化未闭环、用户预期过高等重压下的集体阵痛。这些过载与“熔断”都是中国AI“摸高”必须迈过的坎儿。可以确定的是，新的竞争周期已开启，大模型将从拼能力跨越到拼算力。谁能在算法、算力储备等基建上建立优势，谁才能笑到最后，并将定义下一代AI公司的生存标准。