Kimi K3每百萬Token收費15美元低於競品時，市場為何反而看多記憶體？

Question

Accepted Answer

Kimi K3 低價反而被視為記憶體利多，核心在於「成本下降推高推論與部署規模」，而記憶體瓶頸因此更難鬆動

Kimi K3 每百萬 Token 收費 15 美元，低於 OpenAI GPT-5.6 Sol 的 30 美元與 Anthropic Claude Fable 5 的 50 美元，市場反而看多記憶體，主因不是價格下跌本身，而是由此帶動的需求放大會把「推論與大規模服務」推到更高強度。月之暗面指出 Kimi K3 需求遠超預期、運算資源達極限，甚至暫停新用戶註冊以優先保障既有會員算力；這種「先爆量、再卡在供給」的狀態，直接指向硬體仍是限制因素。當需求擴張落在模型運行端，記憶體就成為最容易被放大消耗的環節。

看多記憶體的第二個關鍵，是模型的參數規模與企業部署邏輯並不會因為「有效啟用」而同步縮小。Hugging Face 資料顯示，Kimi K3 擁有 2.8 兆個參數，但同時啟用約 500 億個；Sen 進一步強調，若企業要自行部署，仍須把 2.8 兆個參數全部存放於記憶體中。也就是說，低價讓更多企業與開發者進入試用與部署，但部署端的記憶體配置仍繫於「完整存放」的硬需求，需求擴大會把記憶體吃緊的時間拉長。

第三個機制是「傑文斯悖論」：效率提升與成本降低，可能反而推升整體使用量。Sen 認為，Kimi 低成本會催生更多 AI 應用與服務，促使開發者用更低單價推出更多產品，進而讓 AI 推論需求同步攀升；同時企業也可能把大量中階 AI 工作轉移到成本較低的模型，只把步驟多且複雜的代理任務交由最先進模型執行，結果仍是整體推論/服務量上升。當 Bryson 指出模型規模擴大會同步增加支撐更多參數所需的記憶體需求，市場自然把「低價普及」視為記憶體長期用量的放大器，尤其在 HBM 供應仍由美光、SK 海力士、三星主導且供應吃緊時，定價能力更不易鬆動。

閱讀紀錄

隱藏 →

此記錄會在頁面關閉後消失

Kimi K3每百萬Token收費15美元低於競品時，市場為何反而看多記憶體？

Loading

你覺得這篇文章有幫助嗎？

有幫助

沒幫助

回報問題

2

0

0

分享給好友