Kimi K3爆火致算力告急，新用户订阅暂停

界面新闻记者 | 查沁君

界面新闻编辑 | 文姝琪

因需求激增，Kimi K3发布不足一周，月之暗面便紧急暂停新用户注册。

7月19日晚，月之暗面宣布，受算力资源限制，暂时关闭新用户订阅通道，优先保障现有用户的稳定服务。

7月20日，月之暗面向界面新闻回应称，此次调整仅限新用户接入，老用户权益不受影响，原有套餐继续有效，自动续费功能正常运行。

针对此前手动关闭自动续费的老用户，公司将逐步恢复续订选项，套餐升级功能也将陆续开放；新套餐因算力不足暂未上线，具体恢复时间尚未公布。

从官方表态看，此举实为在有限资源下平衡新老用户体验，而非对会员体系进行结构性调整。

K3上线后，全球开发者社区迅速掀起测评热潮，不少人将其与Claude、GPT等顶尖模型对比，推理成本、GPU负载与服务稳定性成为AI圈新热议话题，取代了传统Benchmark。

K3迅速登上全球AI模型讨论榜首。

独立评测机构Artificial Analysis发布的最新“智能指数”显示，Kimi K3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），高于Claude Opus 4.8（56分）。

同时，K3单次任务平均成本约0.94美元，与GPT-5.6 Sol持平，仅为Claude Opus 4.8的一半。

更关键的是，K3成为首个进入该榜单前三的开源模型。长期以来，“开源模型落后闭源半代”被视为行业共识，而K3的出现，显著缩小了这一差距。

除评测表现外，K3的参数规模也引发关注。它是月之暗面首款万亿级MoE模型，总参数达2.8万亿。

一位国产AI芯片企业人士告诉界面新闻，今年以来，随着Anthropic等海外厂商不断推出更大模型，国内竞争重回“大参数、长上下文”赛道，万亿参数与百万级上下文正成为头部模型的核心战场。

在他看来，K3迅速走红，不仅因性能出色，更因它标志着国产开源模型首次迈入这一量级。“2.8T本身就是一个里程碑信号。”

这一热度迅速蔓延至开发者圈层。

在X（Twitter）、Reddit、OpenRouter、Linux.do、V2EX等平台，开发者密集分享使用体验，不少人将K3接入Cursor、Cline、OpenCode等AI编程工具，测试代码生成、Agent任务与工具调用能力。过去数日，K3几乎成为AI圈讨论最热的模型。

讨论焦点集中于三点：能否替代Claude用于编程？是否真正跻身国际第一梯队？值不值得迁移？

多数开发者认为，K3最大优势不在对话，而在长流程Agent与代码生成场景。部分用户反馈，在复杂代码重构与工具调用中，K3已可与Claude、GPT等顶级模型抗衡。

但也有反馈指出，真实工程任务中，模型仍会遗漏细节，需人工修正；复杂统计推理任务表现尚不稳定。

另一类争议聚焦成本。有用户指出，尽管K3单价具优势，但长任务Token消耗大，实际开销未必更低，尤其在Agent流程中更为明显。

K3的热度也迅速波及海外AI圈。

美国投资机构Atreides Management创始人Gavin Baker称K3是AI发展的“转折点”，认为高质量开源模型正加速AI能力扩散，影响将超越厂商本身，惠及整个应用生态。

也有学者持保留态度。

宾夕法尼亚大学沃顿商学院教授Ethan Mollick在X上表示，他曾让Kimi K3审计其学术研究，结果模型“多处出错”，包括误用统计方法。

Mollick认为，K3已接近顶尖水平，但专业任务中的可靠性仍需真实场景验证，不能仅凭榜单判断。

这一观点折射出AI社区的普遍共识：K3在代码与Agent场景广受认可，但在复杂专业任务中的稳定性，仍需长期真实测试。

正是在开发者蜂拥接入、调用量飙升的背景下，月之暗面遭遇了新瓶颈——算力短缺。

过去两年，行业焦点多在“训练需多少GPU”“参数多大”，而非因用户太多而暂停注册。

事实上，训练完成≠算力投入结束。尤其在AI Coding、Agent等场景下，模型需持续调用工具、读取上下文、多轮推理，单次请求占用GPU时间远超传统聊天。模型越强、上下文越长、调用越频繁，推理负载越高。

“当前最大难题仍是缺算力，尤其是高质量推理资源。”上海国投孚腾资本投资总监陈雨沁此前对界面新闻表示，即便是头部厂商，也开始取消无限量服务、上调价格，反映推理资源依然紧张。“基础设施不解决，应用公司不敢大规模推广。”

“国内AI算力长期供不应求，头部模型集中发布，加剧了紧张局面。”上述芯片厂商人士称。

他介绍，月之暗面、智谱、MiniMax等独立模型公司主要靠租用公有云或自建集群获取算力。前者资源有限，后者重资产、周期长，供给始终承压。

“业内共识是，支撑万亿参数模型训练与推理，万卡集群已是基础门槛。”他表示，2024年以来，真正具备万卡部署能力的厂商仍属少数，多数大规模集群项目落地周期以年计，供需缺口长期存在。

今年WAIC期间，一个细节令国产芯片厂商印象深刻。

他告诉界面新闻，各厂商展示超节点产品时，被问最多的两个问题是：“能否支持万卡集群？”“能否训练万亿参数模型？”

相比过去聚焦单卡性能，如今产业链更关注超大规模集群能力与支撑头部模型持续运行的基础设施。

这一转变，折射出大模型竞争逻辑的升级。

过去，比拼的是参数、训练与Benchmark；如今，随着模型进入真实生产环境，推理效率、服务稳定、成本控制与基础设施，成为新竞争维度。

K3暂停新用户订阅，或许只是短暂调整，却首次让外界清晰看到：大模型竞争已进入新阶段——模型能力决定能否吸引用户，而算力、基建与持续服务能力，才决定能否承载真实规模的应用。