Kimi K3.1 Pro额度风波：顶级AI的API账单，比打工人时薪还贵？

（本文作者为 大模型之家，钛媒体经授权发布）

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引来不少关注。可新模型上线没几天，用户议论的焦点就从性能转向了额度——不少人抱怨月之暗面给的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：所有有效期内的订阅会员，可获得相当于月度总额度25%的用量。与此同时，官方还调整了配置，减少不必要的子Agent调用和输出长度。

这件事把一个新问题摆到了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进步。可现在模型开始接手更复杂、周期更长的任务，另一个问题随之冒出来：AI不只要比人聪明，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，本来想让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放在一起算了。打工人上班拿工资，AI上班烧Token。从前老板怕员工摸鱼，如今还得盯着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”。

这里拿OpenAI的GPT-6 Astra、Anthropic的Claude Fable 5.1和月之暗面的Kimi K3.1 Pro来比。三家厂商对高端模型的定价策略，各有各的路数。

AI现在到底有多贵？先算笔账。

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

100万Token当然不等于100万字，一次普通对话也花不掉这么多钱。可对需要处理长文档、编写代码、反复调用工具的Agent来说，输入、输出加上中间推理，Token会一点点累积起来。

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，成本也会涨得相当吓人。

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；可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，企业更在意的往往是模型能不能把事做完，而不是能不能给出一句漂亮的回答。

再者，推理过程本身就有成本。模型回答得复杂，不代表它一定更贵；但在长时间推理、反复调用工具的任务里，Token消耗可能明显上升。所以模型越是被用来干复杂活，企业就越不能只盯着每百万Token的标价，还得看完成这件事到底用掉了多少Token。

还有一层，厂商得为训练、推理基础设施和服务能力掏钱。顶级模型的定价，既体现了它想提供的能力，也体现了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花这个价。说到底，老板买的是生产力，不是模型排行榜上的名次。

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，折算下来每小时约34元；规模以上企业专业技术人员年均工资也只有15.55万元，每小时约75元。这么一比，顶级AI按“薪”计算，确实比不少“打工人”还贵。

照部分顶级模型的标准API价格算，处理100万Token输入、生成100万Token输出，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开始承担长链条、高消耗的复杂任务，企业自然会追问：这笔钱花出去，到底能换回多少生产力？

企业不怕为能力付费，怕的是花了大价钱，最后发现这活其实没必要用这么贵的模型。

02 老板想让AI上班，AI却要先付账单

从前老板招一个员工，得付对应的工资；现在老板养一个AI，同样要付钱。区别只在于，前者的成本通常按月结算，后者可能随着任务复杂度不断变化。

过去老板怕的是员工出工不出力，如今反过来了，怕的是AI干起活来太卖力。

人开会拖久了，老板还能喊一句“拣重要的说”，时间就省下来了。AI不一样，任务边界没划清，它可能把检索、推理、调工具、来回修改全跑一遍。报告质量先放一边，Token账单没准直接Double（翻倍）。

有网友把这事编成了段子：AI过上了打工人梦寐以求的日子——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。

企业把AI用进各行各业，第一次有机会把一部分知识工作切成可调用、可计量的服务。过去发工资，买的是员工某段时间里的劳动；现在调模型，买的是一段段具体能力。听着挺先进，可一落到企业账本上，绕不开的还是那句老话：花出去多少钱，办成了多少事？

中小企业尤其如此，预算本就紧。高端模型偶尔用一下，未必心疼；真要接进客服、编程、营销、研究这些流程，一天几百上千次调用，成本就没法靠感觉估了。

这时候老板想要的，恐怕不是一个样样精通的AI，而是一个分得清什么时候该使劲、什么时候不必多想一步的AI。简单活儿别上满配，复杂活儿也别为省钱办砸。不然，本想招个不用休息的数字员工，到头来却像多养了一支不知疲倦、每开一次工就计一次费的团队。

03 企业需要更多“大肥鱼”

AI圈近来最忙的角色，可能轮不到哪家大模型公司的CEO，而是一条蓝色的大肥鱼（DeepSeek的拟人化形象）。

它以“鲸鱼娘”的模样出现在表情包、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，这条鱼不只外形讨喜，人设也相当接地气：爱吃白饭，偶尔犯傻，活干到一半还惦记着歇会儿。它不像无所不能的超级智能，倒像个本事不差、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？表面上，是网友玩梗玩出了感情；再往深看，是大家终于给一个抽象的大模型安上了具体的性格。

DeepSeek未必总是最聪明、最稳定的那个模型，有时甚至显得笨笨的。但它够便宜，在不少任务上又确实能干成活。

结果，模型的短板被网友编成段子，低成本的优势则被压缩成“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，关键时候还得顶得上。

这也是“大肥鱼”这个形象容易让人记住的原因。顶级模型回答的是“复杂工作能不能做好”，DeepSeek吸引企业的地方，还多问了一句：能不能用更低的成本，把足够多的工作做好。

这种形象背后，是企业采购逻辑的一次变化。

以往企业挑大模型，多半先看能力排名，谁更强谁更容易进候选名单。可随着AI从试用走进生产环境，企业开始盯上另一组问题：一项任务要烧多少Token？每天跑几千次，一个月得掏多少钱？任务量放大十倍，成本会不会跟着失控？

DeepSeek的低价策略，恰好让这些问题变得更具体。

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；高峰时段分别为0.30美元和1.20美元。与前面几款高端模型的标准价格相比，价差相当明显。

这不代表DeepSeek在所有任务上都能顶替顶级模型，也不意味着低价一定换来更低的实际成本。不同模型做同一件事，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付费。

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。全球调用量前五名也全是中国AI大模型，其中DeepSeek V4.1-Flash-1017排在第一，周调用量33.6万亿Token，环比增长801%。

“DeepSeek斩杀线”之所以成立，原因就在这里：价格相近的模型没它性能强；性能相当的其他模型，价格又比它贵得多。

一旦冒出价格更低、能力又足够接近的选项，企业就不得不琢磨换模型这回事了。

这款被叫作“大肥鱼”的模型能火起来，靠的不是性能拔尖。它胜在便宜、能吃苦耐劳，也不必回回都调用最贵的那档能力。放到企业的真实业务里，它未必拿得下排行榜，却很可能被大量用起来。

04 AI的工资单，最后还是要由生产力买单

模型涨价，员工的位置不见得更稳；模型降价，员工也未必明天就走人。企业要盘算的其实是另一件事：AI能不能把活稳定干好，成本还压得住。

企业一旦开始细算模型的开销，离细算人力的开销也就不远了。

普通打工人更该盯的，不是哪款模型又涨了价、哪款突然降了价，而是自己每天干的活里，有多少能被拆开、做成标准流程，再交给AI去做。

一边是AI按Token计费，一边是员工按月领工资，两笔账最后都记进企业的经营账本。老板要的不是最聪明的AI，是能把钱花出效果的生产力。活到底交给模型还是交给人，排行榜给不出答案，答案在成本与产出的对照里。