Kimi K3爆火，Moonshot AI暂停新用户订阅
Moonshot AI suspends new subscriptions due to Kimi K3 demand
Kimi K3 的热度远超我们预期，短短 48 小时内，GPU 算力已逼近极限。为了保障现有订阅用户的体验，Moonshot AI 决定暂时暂停新用户订阅，优先将计算资源倾斜给老用户。别担心，我们正全速扩容，新名额将分批开放。未来，我们将把会员体系拆分为 Kimi Membership 和 Kimi Code Membership，分别服务于日常办公与代码开发场景，让算力匹配更精准，服务更稳定。感谢大家的耐心与支持！
Kimi K3 受到的喜爱远超我们预期，我们的 GPU 也感受到了这份热度。
HN 评论区
113- Alifatisk
过去 48 小时内，需求已逼近我们当前容量的极限。为了保障现有订阅用户的体验，我们暂时暂停新用户订阅，并优先为现有会员分配算力。现有订阅用户不受影响。
读起来真是一段漂亮的声明，一家把现有客户放在首位、专注于让他们满意，而不是一味追求快速扩张的公司。
- thevinter
个人经历：昨天我用完了 Claude 的额度，索性决定花 20 美元试试 Kimi。登录后付款，下载了 Kimi Code，设置为使用 K3 模型，然后输入了类似这样的提示：“检查这个仓库，找出所有可以作为输入传递的与硬件、I/O、线程控制或网络相关的设置，并生成一份报告”。
它思考了大约 12 分钟，然后告诉我已耗尽每日配额。（第二天 Fable 完成同样的任务只用了 3 分钟）
如果你想为 K3 购买套餐，千万别买 20 美元那个。
- impossiblefork
我觉得 Kimi 这件事非常酷，尤其是他们使用了大量的 RNN/线性注意力层（是全注意力层的 3 倍）。我还没试过，但感觉它对于长上下文任务来说极其合理，这也很符合当下的趋势。
我怀疑它拥有如此多参数的原因，与计算最优的 xLSTM 拥有大量参数的原因是一样的。这个模型的成功让我有点不爽，因为我们欧洲还没有开发出同等规模的 xLSTM 风格模型。
显然，这些家伙非常务实，他们可能只承诺内部评估中行之有效的方法，所以模型里仍然包含普通的注意力层等等。也不能保证提出好模型的人就能以理想的方式完成工程落地，但我仍然认为 Kimi 的成功展示了如果我们拥有足够大的超级计算机用于 LLM 训练，并将其提供给合适的人，本可以达到的成就——因为这基本上就是 Hochreiter 的东西。它是 RNN，或者更准确地说，主要是 RNN。
- abalashov
我用 Kimi 处理编程任务已经快六个月了，再也没回过头。我会偶尔在 Claude 上试试，确保自己没有错过什么，但整体非常满意。
我只是用 OpenRouter 的方案。我对 LLM 的使用场景比较窄，所以成本无论在哪边都不是什么需要考虑的问题。
- cube00
暂停新用户订阅真是让人耳目一新，而不是像 Google 那样悄悄削弱限制，指望你注意不到自己每月/每年的订阅价值在缩水。
限制可能会在不经通知的情况下更改，包括因容量限制而调整。当 Gemini 应用的活动量大幅增加时，我们可能会调整限制以维持高质量标准。[1]
- gertlabs
在我们的多智能体游戏代码评估中，我们通常看到中国模型在单次推理（one-shot reasoning）上表现挣扎，但通过工具使用和迭代优化来弥补。Kimi K3 遵循这一模式，在单次代码生成中排名第 19，但在智能体代码生成（agentic coding，即模型拥有工具框架并多次调用以迭代优化代码）中排名第 3。只有 Sol 和 Fable 的平均智能体代码提交表现更好。
智能体代码生成对软件工程师来说最相关，但速度同样关键，这也是目前一个真实的使用体验问题。像 Fireworks 这样的第三方推理提供商已为部分之前的版本填补了这一差距。
看到开源权重成为前沿标准令人兴奋。要在拥有前沿模型这一领域竞争，将变得越来越困难。
- vblanco
这个模型的质量让我 pleasantly surprised（惊喜）。它在代码审查和 PR 审查方面真的非常出色。但眼下，由于他们负载过重加上这是一个大模型，速度实在太慢了。做一个相对简单的代码审查都要花上好半天。
- aresant
好奇这次 Kimi 的热潮是净增长（杰文斯悖论——丰裕导致更多消费），还是只是人们转向了更便宜的模型？
有没有好的数据源能显示各实验室/OpenRouter 等的总 Token 消耗量？