企业官网建设流程全解析

从Kimi K3暂停订阅到DeepSeek V4峰谷计费：国产大模型告别粗放烧钱时代

2.8万亿参数登顶后48小时算力告急，DeepSeek首次引入峰谷定价——三家头部国产大模型在同一周同时面临"从烧钱到赚钱"的拐点。

一、一周三重奏：K3、V4、Qwen3.8的密集动作

7月的第三周，国产大模型头部三家公司几乎同步出手，但各人的烦恼却截然不同。

图2：GitHub Trending 榜单能反映开发者社区正在关注的技术方向，AI 编程和代码智能类项目持续占据高位（来源：github.com/trending，2026-07-21 截图）

Kimi K3：登顶之后的服务器告急。7月16日，月之暗面发布Kimi K3，2.8万亿参数，全球最大开源模型，基于KDA混合线性注意力机制（Kimi Delta Attention）和注意力残差（Attention Residuals）技术构建，原生支持视觉理解，100万token上下文窗口。上线不到一天，在前端代码Arena评测中超越GPT-5.6 Sol和Claude Fable 5，登顶榜首。Arena负责人安杰洛普洛斯评价称"或将引发资本市场重新洗牌"。

图4：Kimi 官网当前仍主推 K2.6 标准版，K3 的订阅入口已暂停开放，侧面印证算力紧张（来源：kimi.moonshot.cn，2026-07-21 截图）

但热度来得太快。7月19日深夜——距发布仅48小时——月之暗面发布公开信《致Kimi用户：关于算力紧缺与会员暂停开放的说明》，宣布即日起暂停C端新用户订阅。"过去48小时，用户请求量已大幅超出我们的预估，并逼近现有集群的承载极限。"已有算力全部投入服务已订阅用户，同时全速推进算力扩容。

这是中国大模型公司第一次因为"用户太多"而主动关门。

DeepSeek V4：峰谷计费首现。几乎同期，DeepSeek V4正式版全量上线，分为V4 Pro（1.6万亿参数）和V4 Flash（2840亿参数）两个版本，均标配1M上下文。内部测试显示V4整体表现逼近Opus 4.8，编码能力直追GPT-5.6 Sol，Agent能力相比前代有质的飞跃。

但V4最受关注的不是性能，而是定价策略——峰谷计费。每日9:00-12:00和14:00-18:00（工作日）定义为高峰时段，API价格为平时的2倍。以V4 Pro为例：

图3：DeepSeek API 文档的 Models & Pricing 页面显示，V4 系列已区分 Flash/Pro 两种模型（来源：api-docs.deepseek.com，2026-07-21 截图）

V4 Flash更低：平时输出2元，高峰4元。对比GPT-5.4的73元、Claude Opus 4.8的180元，DeepSeek即使高峰翻倍也仅有对方的六分之一到十五分之一。

这是全球大模型行业首次出现峰谷定价机制。

Qwen3.8：预览版低调发布。7月19日，阿里巴巴通义千问发布Qwen3.8预览版，2.4万亿参数，采用动态稀疏自适应门控架构。预览版API已开放申请，正式版预计8月上线。

三家头部在一周内的密集动作，指向同一个信号：国产大模型竞争的核心变量，正在从"参数规模和开源节奏"切换到"算力成本运营与可持续商业模式"。

二、两种算力供需管理策略：配额制 vs 价格制

Kimi和DeepSeek面对的是同一个问题——算力供需失衡——但给出了截然不同的解决方案。

Kimi的配额制：用准入控制需求

Kimi K3选择暂停新用户订阅，本质是配额制——通过控制用户准入数量来保护已有算力资源。这是一种"被动防御"策略：

• 优点：保障存量用户体验，避免服务器崩溃
• 缺点：流失潜在付费用户，给竞争对手窗口期
• 适用场景：需求爆发式增长，短期算力无法扩容

月之暗面还同步拆分了Kimi主权益（Web/App/Work）和Kimi Code权益，目的是"更精准匹配算力"——本质上是把用户分层，不同层级消耗不同算力。

DeepSeek的价格制：用价格调度需求

DeepSeek选择峰谷定价，本质是价格制——用价格信号引导用户错峰使用。这是一种"主动调节"策略：

• 优点：不拒绝任何用户，用经济杠杆平抑需求峰值
• 缺点：高峰时段涨价可能劝退价格敏感型开发者
• 适用场景：算力有一定余量但峰值集中，需要平滑需求曲线

DeepSeek的逻辑类似电力系统的峰谷电价：白天工业用电高峰时电价贵，夜间低谷时电价便宜，引导用户错峰。对于一个API调用量在工作时间高度集中的开发者群体来说，这种策略尤其有效——大量非实时任务可以转移到夜间和周末执行。

为什么选择不同？

两家公司的策略差异背后是业务结构差异：

• Kimi：C端用户为主，个人用户的请求具有即时性（对话、写作、搜索），难以错峰。用户不会等到凌晨2点再问AI问题。因此配额制比价格制更有效。
• DeepSeek：开发者API为主，编程任务、批量推理任务天然可以错峰。一个开发者完全可以让AI在夜间跑代码生成任务。因此价格制比配额制更有效。

这不是谁对谁错的问题，而是面对不同用户群体时的策略适配。

三、行业趋势：从"免费换流量"到"精算投入产出"

Kimi暂停订阅和DeepSeek峰谷计费，不是孤立事件，而是一个行业性拐点的缩影。

头部厂商集体涨价

2026年3月以来，国内主流大模型厂商先后上调API或算力产品价格：

• 智谱：GLM-4.6 API价格上调约30%
• 阿里云：通义千问API按场景分级定价
• 腾讯云：混元大模型推出企业版差异化定价
• 百度智能云：文心一言API价格结构调整
• MiniMax：abab系列模型涨价

当需求大到服务器扛不住时，用价格或配额来调节，正在成为行业共性选择。

海外对比：主动调价 vs 被动限流

海外巨头同样在探索商业化新路径，但节奏和逻辑不同：

• OpenAI：7月发布GPT-5.6系列，三款模型三种价格（Luna/High、Terra/Ultra、Sol/High），让用户按需选择
• 谷歌：5月宣布Gemini从按次计费转向按算力消耗计费
• Anthropic：6月底推出Claude Sonnet 5，7月同步限时优惠定价

海外巨头的调价更多是主动优化盈利结构，而国内头部厂商面临的算力供需失衡更为尖锐——这既折射出国产大模型真实的市场热度，也暴露了算力基础设施建设与需求增长之间的张力。

商业化提速的信号

两家公司同步传出上市消息：

• 月之暗面：据澎湃新闻报道，预计最快6个月内完成港股上市，已向投资人沟通上市议案
• DeepSeek：据市场消息，正在评估包括A股在内的资本化路径，年化营收逼近5亿美元

从技术竞赛到资本化布局，从烧钱换流量到精算投入产出比——国产大模型正在经历一次根本性的角色切换。

四、算力经济学：比模型参数更紧迫的命题

算力成本结构

一个大模型公司的算力成本主要由三部分构成：

1. 训练成本：训练一次万亿级模型的GPU集群租用/折旧费用。K3训练据报道使用了超过3000张H100级GPU
2. 推理成本：每处理一次用户请求消耗的GPU算力。K3的2.8万亿参数意味着每次推理都要激活更多参数
3. 扩容成本：新增GPU集群的采购和部署周期。从下单到上线通常需要3-6个月

Kimi K3面临的困境是：训练已经完成，但推理需求的增速远超预期，而扩容需要时间——这就是"幸福的烦恼"的本质。

稀疏激活：技术路线的成本差异

值得注意的是，三家公司的技术路线在算力效率上存在结构性差异：

• Kimi K3：2.8万亿参数，全量激活（Dense模型），推理成本最高
• DeepSeek V4 Pro：1.6万亿参数，推理计算量仅为V3.2的27%
• Qwen3.8：2.4万亿参数，动态稀疏自适应门控，按需激活参数

稀疏激活架构（MoE/动态门控）的优势在于：模型总参数可以做得很大，但每次推理只激活一小部分参数，从而降低推理成本。这也是为什么DeepSeek能在价格上更有余裕——V4 Pro的推理计算量已经大幅压缩。

Kimi选择全量激活路线，换来了评测榜单上的最高分，但也承担了最高的推理成本——这正是"登顶后算力告急"的技术根源。

API定价的经济学逻辑

DeepSeek的峰谷定价本质上是一个需求侧管理工具，而非单纯的涨价。其经济学逻辑是：

• 高峰时段：需求刚性（用户必须在工作时间用），价格弹性低 → 涨价可以筛选掉低价值需求
• 平时段：需求弹性高（用户可以选择不用），价格敏感 → 保持低价吸引长尾需求

这种定价策略在电力、云计算、网约车等行业已经成熟应用，但在大模型API领域是首次——说明行业正在从"补贴换增长"的互联网逻辑转向"价格反映成本"的基础设施逻辑。

五、拐点的真正含义

所谓"拐点"，并非指国产大模型的技术能力已经全面超越海外，而是行业竞争的核心变量正在发生根本性切换。

过去两年的胜负手：

• 模型参数（谁的模型更大）
• 评测榜单（谁在Arena上排名更高）
• 开源节奏（谁先开源权重）

如今的胜负手：

• 算力成本运营（推理成本/千次调用）
• 商业模式设计（订阅制 vs 按量计费 vs 峰谷定价）
• 用户分层能力（高价值用户优先保障，长尾用户错峰引导）
• 上市与融资节奏（谁能率先获得二级市场资金补充弹药）

Kimi因用户涌入被迫限流，DeepSeek通过峰谷计费首次将算力作为稀缺资源动态定价，多家厂商先后提价——一个清晰的信号已经发出：

大模型不再是可以无限烧钱抢用户的概念产品，而是一门必须精算投入产出比的真实生意。

这个转变本身，就是商业化的拐点。

六、对开发者的实际影响

API成本变化

对于依赖国产大模型API的开发者，峰谷计费意味着需要重新设计调用策略：

• 实时对话类应用：无法错峰，需接受高峰成本，但DeepSeek即使高峰价也远低于海外模型
• 批量推理类应用：可全部转移到平时段执行，成本减半
• Agentic Coding：部分任务可拆分，非关键步骤错峰执行

技术选型建议

基于当前定价和技术特征，开发者可以这样匹配需求：

七、写在最后

世界杯决赛那个夜晚，当全世界在为西班牙和阿根廷欢呼时，Anthropic的Levent Alpöge让Claude Fable 5在后台继续计算——第二天早上，他发了一条推文，推翻了87年的雅可比猜想。

而在中国，月之暗面的工程师们也在那个夜晚监控着服务器负载的曲线，看它一天天逼近集群的承载极限。他们面临的不是数学猜想，而是一个更现实的命题：

当你的产品好到所有人都想用，但你的服务器扛不住时，你该怎么办？

Kimi的回答是"先关门，保住存量"。DeepSeek的回答是"用价格，引导错峰"。

两种回答都指向同一个事实：国产大模型终于到了必须面对"算力经济学"的时刻。这不是坏消息——恰恰相反，这证明国产大模型的市场需求是真实的，技术竞争力是被认可的。

真正的拐点从来不是技术的突破，而是商业模式的重构。从这个意义上说，2026年7月这一周，可能是中国大模型行业从"少年时代"进入"成年时代"的分水岭。

少年只管跑得快。成年人要学会算账。