Kimi K3.1 Pro额度引吐槽：顶级AI的API价格，已贵过打工人时薪？

10月24日，月之暗面发布Kimi K3.1 Pro。这是一款参数规模达3万亿级、上下文支持100万Token的旗舰模型，编程、长程智能体等任务上的表现受到关注。可新模型上线没多久，用户议论的焦点就从性能转向了另一件事：月之暗面给的K3.1 Pro额度太少。

10月26日凌晨，Kimi就此事公开道歉，并给出补偿方案——有效期内的订阅会员，可获相当于月度总额度25%的用量；配置也做了调整，减少不必要的子Agent调用和输出长度。

一个新问题由此摆到AI企业面前：模型不能只顾着证明自己多聪明，还得琢磨怎么让它少干活、少烧Token。

过去几年，AI行业讲的故事一直是能力在进步。可当模型开始接手更复杂、周期更长的任务，另一道坎冒了出来：AI不能只比人聪明，还得让企业用得起。

顶级模型的API价格一摆出来，老板们发现，本想拿AI替员工干活，结果有些AI的使用成本，已经不得不和员工工资搁一块儿算了。打工人上班领工资，AI上班烧Token。从前老板怕员工摸鱼，如今还得盯紧AI的账单。

01 AI的定价，开始超越打工人的身价

大模型之家注意到，眼下国内外一些顶级模型，API价格确实远高于人类员工的“时薪”。

拿来比较的是OpenAI的GPT-6 Astra、Anthropic的Claude Fable 5.1，以及月之暗面的Kimi K3.1 Pro。三家厂商对高端模型的定价思路，在这三款产品上各有体现。

AI到底有多贵？先算笔账。

以GPT-6 Astra为例，输入100万Token、输出100万Token，按标准价格算是60美元。Claude Fable 5.1同样是这个价。Kimi K3.1 Pro用人民币计价，同样规模的输入加输出要81元；换成高速版，则要162元！

当然，100万Token不等于100万字，一次普通对话也花不掉这么多钱。可对于要处理长文档、写代码、反复调用工具的Agent来说，输入、输出加上中间推理消耗的Token，是会累加起来的。

对话式任务里，AI单次调用也许花不了几个钱。但企业一旦规模化使用，让它进入业务流程、每天处理几千份报告，效率是上去了，成本同样会炸。

这些模型凭什么这么贵？

先说第一层：它们卖的不只是一个答案，而是处理复杂任务的能力。简单问答交给便宜模型就行；任务一旦涉及大型代码库、长文档分析、多轮推理、工具调用和连续执行，企业关心的往往是能不能把事做完，而不是能不能回一句漂亮话。

第二层，推理过程本身就有成本。模型答得复杂，不代表一定更贵；但在长时间推理、反复调用工具的任务里，Token消耗可能明显上涨。所以模型越是被用于复杂工作，企业越不能只盯每百万Token的标价，还得看完成一件事到底用掉多少Token。

第三层，厂商在训练、推理基础设施和服务能力上也要投钱。顶级模型的定价，既体现它想提供的能力，也体现厂商对高价值任务的商业判断。

AI厂商觉得自己的能力值这个价，企业却未必认为每项工作都值得掏这个钱。说到底，老板买的是生产力，不是模型排行榜上的名次。

把“薪水”折算成时薪来看，顶级AI的收入水平已经超过不少上班族。国家统计局的数据显示，2025年全国城镇私营单位就业人员年平均工资7.16万元，摊到每小时大约34元；规模以上企业专业技术人员年平均工资也只有15.55万元，折合下来每小时约75元。

按部分顶级模型的标准API价格，输入100万Token、输出100万Token，单次费用就可能达到数十美元，抵得上普通员工数十小时的平均工资。

模型费用当然不等于人类工时成本。但当AI开始承接长链条、高消耗的复杂任务，企业自然会追问：这笔钱花出去，究竟能换回多少生产力？

企业并不怕为能力付费，怕的是花了大价钱，最后发现这活根本用不着这么贵的模型。

02 老板想让AI上班，AI却要先付账单

从前老板招一名员工，得付对应的工资；现在老板养一个AI，同样要付钱。区别在于，前者的成本通常按月结算，后者可能随任务复杂度一路变化。

过去老板担心员工上班摸鱼，现在反倒要担心AI上班太“认真”。

员工开会拖太久，老板还能催一句"说重点"，把时间成本压下来。AI就不一样了，任务边界要是没划清，检索、推理、调工具、反复改稿能一口气全跑完。报告质量先放一边，Token账单可能直接Double。

网上甚至有人编了段子：AI过上了打工人梦想的日子——上级指令必须明确，出了错领导全权负责，钱到账才开工，少一分晚一秒就罢工。

不过，模型走进千行百业，也让企业头一回有机会把一部分知识工作拆成可调用、可计量的服务。过去发工资，买的是员工一段时间的劳动；如今调模型，买的是一段段具体的能力。

听着挺先进，可真落到企业账本上，还是那句老话：花了多少钱，办了多少事？

中小企业尤其如此，预算通常不宽裕。高端模型偶尔用一下，未必心疼；可一旦接进客服、编程、营销、研究这些流程，每天成百上千次调用，成本就没法再拍脑袋估了。

这个节骨眼上，老板想要的恐怕不是一个样样精通的AI，而是一个分得清轻重缓急的AI：简单任务别上满配，复杂任务也别为省几个钱把事办砸。不然，本想招个不用休息的数字员工，结果却多养了一支不知疲倦、每开一次工都要计费的团队。

03 企业需要更多"大肥鱼"

最近AI圈里最忙的，可能不是哪家大模型公司的CEO，而是一条蓝色大肥鱼——DeepSeek的拟人化形象。

它顶着"鲸鱼娘"的形象，钻进表情包、同人漫画和桌面宠物里。有人给它做动画，有人把它养在电脑桌面上，还有开发者把它做成能互动的桌面宠物。到了B站，这条鱼的存在感越来越强，二创从AI圈一路游进了二次元社区。

有意思的是，这条鱼不只长得讨喜，人设也接地气：爱吃白饭，偶尔犯傻，干活干到一半还惦记着歇会儿。它不像无所不能的超级智能，倒像个能力不差、脾气有点怪、养起来却不贵的员工。难怪不少AI爱好者乐意给它画图、写段子，甚至做成桌面上的宠物。

这条鱼凭什么火？表面看是网友玩梗玩出了感情；往深里说，是大家终于给一个抽象的大模型安上了具体的性格。

DeepSeek并不总是最聪明、最稳定的那一个，有时甚至显得笨笨的。可它足够便宜，在不少任务上又确实能干活。

于是，模型的短板被网友编成段子，低成本的优势则被浓缩成"好养活"三个字。大肥鱼看着是在卖萌，其实替用户说出了一种很现实的偏好：不必事事满分，但别太贵，关键时刻还得顶得上。

这也是"大肥鱼"这个形象容易让人记住的原因。顶级模型解决的是"能不能把复杂工作做好"，DeepSeek吸引企业的地方还多一个问题：能不能用更低的成本，把足够多的工作做好。

这种形象背后，藏着企业采购逻辑的一次变化。

以前企业挑大模型，往往先看能力排名，谁更强谁就更容易进候选名单。可随着AI从试用走向生产环境，企业开始更关心另一组问题：完成一项任务要烧多少Token？每天跑几千次，一个月得花多少钱？任务量扩大十倍，成本会不会跟着失控？

DeepSeek的低价策略，恰好让这些问题变得具体起来。

以DeepSeek V4.1 Flash为例，公开价格显示，非高峰时段每百万Token输入0.15美元、输出0.60美元；高峰时段分别是0.30美元和1.20美元。跟前面几款高端模型的标准价格一比，价差相当明显。

这不代表DeepSeek在所有任务上都能替代顶级模型，也不意味着低价就一定带来更低的实际成本。同一个任务交给不同模型，Token消耗量、成功率和工具调用次数都可能不一样。但它至少多给了一种选择：企业不必每项工作都按顶级模型的价格买单。

据OpenRouter最新数据测算，上周（10月19日至25日）全球AI大模型总调用量为188万亿Token，环比增长14.63%。上榜的AI大模型中，中国AI大模型周调用量达93.54万亿Token，同期美国AI大模型周调用量为22.47万亿Token，中国大模型周调用量连续二十六周超过美国，稳居全球首位。

全球调用量排名前五的，全是中国AI大模型。其中DeepSeek V4.1-Flash-1017排在第一，周调用量达33.6万亿Token，环比增长801%。

这也是"DeepSeek斩杀线"成立的原因：价格差不多的模型，性能没它强；性能相当的其他模型，价格又比它贵得多。

一旦出现价格更低、能力又足够接近的选项，企业就不得不把换模型这件事摆上桌面。

"大肥鱼"能赢得广泛青睐，靠的不是性能拔尖，而是足够便宜、能吃苦耐劳，还不必每次都动用最贵的那部分能力。对企业来说，这类模型未必能赢下所有排行榜，却可能在真实业务里拿到大量使用机会。

04 AI的工资单，最后还是要由生产力买单

模型越用越贵，员工的位置未必就更稳；模型价格往下走，也不代表明天就得收拾东西走人。企业要盘算的，其实是AI能不能把事稳稳当当地做成，同时成本还压得住。

说到底，企业一旦开始细算模型的账，人力这本账迟早也会被摆上桌面。

对普通打工人而言，真正该留意的不是哪家模型又提价、哪家突然降价，而是自己手头每天的活儿，有多少能被拆开、做成标准流程，再交给AI去干。

AI按Token收费，员工按月拿薪水，可这两笔最后都要记进企业的经营账本。老板要的不是最聪明的AI，而是花出去的钱能换来产出。这活儿最终归模型还是归人，排行榜给不了答案，得看成本与产出怎么比。