7月19日晚上，月之暗面发了一份公告，估计很多人都看到了。

标题叫《关于算力紧缺与会员暂停开放的说明》。说三件事：

Kimi K3上线48小时，逼近集群承载极限；暂停C端新用户订阅，现有算力全部服务已订阅用户；后续新订阅，Kimi主权益和Kimi Code权益拆开卖，「以方便更精准匹配算力」。

同一个晚上，阿里千问官宣Qwen3.8即将发布开源，参数2.4万亿；对多数人来说，这就是条产品新闻。看完了，划走。

你要拿着算力股，里面有个反差，可以研究下。

被卖到停售的这个模型，三天来被用户骂得最多的，恰恰是「贵」，发布博客把输出定价写到100元每百万token，大概是上一代的4倍。

海外媒体直接拿这个说事，标题叫「中国廉价AI时代的终结」，上手用户晒的额度截图，一天烧掉三五成，到处都是，抱怨列表的另一头还挂着一个「慢」。

一边贵到挨骂，一边抢到关门，这两件事同时成立，说明什么？「便宜」和「贵」这场架，两边吵的不是同一件事。

拆开来看，有三个刻度。

第一个刻度，单个token的标价；K3确实便宜，输入3美元、输出15美元每百万token，大约是GPT-5.6 Sol的一半，全部的价格优势，都长在这个刻度上。

第二个刻度不同了，干完一件事，到底花多少钱？

我查了第三方评测机构Artificial Analysis的数据，截至7月21日口径，跑完同一套智力测试，K3总共输出约1.3亿个token，是可比推理模型中位数6300万的两倍还多。

折到单个任务，K3约0.94美元，GPT-5.6 Sol开到最高档呢？1.04美元。

几乎打平，单价一半，话多一倍，账单回到原点，用户骂「额度烧得快」，骂的就是这个刻度的日常体感。

第三个刻度，总需求，停售公告本身就说明问题了，需求大到人家把门关了。

而且关门这家，手里本来就有闸，Kimi Code设着7天总量加每5小时滚动窗口的双层限流，帮助页写得清楚。

隔壁更直接，Qwen3.8预览版压根没走「挂个API随便买」的路子，只放在Token Plan订阅里用，个人版挂两层滑动窗口，5小时、7天，触顶即停，条款清清楚楚写着：禁止当API批量调用。

还有DeepSeek，六月底放了个消息，V4正式版要搞峰谷定价，高峰时段API价格翻倍，注意，用智能最贵的那个时段，恰好是你上班干活的时段。

几周之内，一家关门，一家装闸，一家把电网的峰谷电价搬进了API价目表；各干各的，指向同一件事：最强的智能，眼下是按份供应的。

当然，我这话也不能说得太满，一家公司停售，只是一个样本，不等于一个趋势。

你说月之暗面自己卡买少了，也完全讲得通；而且这波需求里掺着补贴，Qwen预览期Credits消耗打一折，等于十倍用量白送，K3订阅套餐的定价能不能覆盖推理成本，也得打个问号。

不过，有一件事是确定的：

补贴也好，真实需求也好，搅在一起的现状就是算力已经先不够用了。

有意思的是，市场第一反应完全没往这个方向走。

7月17日，A股CPO概念批量跌停；持仓群里刷屏的那句话你应该见过：「第二次DeepSeek时刻」。什么意思？

2025年1月那笔旧账还记得吧：

中国模型太省算力了，那算力和光是不是买多了？高盛的Rich Privorotsky在K3发布当天也往这个方向定性，说这可能是「算力扩张时代」终结的信号。

48小时后，那份停售公告出来了，算是对这个定性，当场来了个回话。

价格战这事，随时可能反转；DeepSeek的V4预览版4月起就在走省算力路线，正式版上线要同步调价；比谁便宜，这个行业里从来没有过定局。

有一样东西，回不了头，这一代模型到底长成了什么形态？需要什么样的集群来伺候它？贵与便宜是策略，形态是宿命。

所以，标价砍半的模型，用到停售的需求，翻倍的任务账单；三件事放在一起，你很难不问一句：K3的便宜，到底省在哪里了？

我先说结论，不全是省出来的。

K3拿到低价的每一招，都押着一个前提，三招拆开看，前提是同一个东西。

先说怎么看这套系统，把它想成一座货运园区；token是包裹，推理是分拣加派送，显卡是工位，园区里的高速互连是传送带，跨园区的网线是跨城干线。

记住这个画面，我们拆第一招：稀疏。

K3是混合专家模型，896个专家，每个token只激活其中16个；什么意思？每件包裹进园区，只叫醒该干活的那十几个工人，其余人不动，电费自然省了。

但前提马上就跟来了，几百个专家摊在几十张卡上，包裹要在工位之间寄出去、算完、再寄回来；这东西有个行话，叫all-to-all通信。

这类流量对带宽和延迟极其敏感，差一点都不行。

有基准可查，DeepSeek开源的通信库实测，同一高带宽域内每卡能跑到约160GB/s；跨节点呢？掉到约50GB/s。

月之暗面显然知道这个问题，应对就写在发布博客里：

训练阶段就搞了「完全均衡的专家并行」设计，部署一节明确建议「64个或更多加速器组成的supernode」，理由是推理效率受益于更大的高带宽通信域。

这里我要说一点，64卡是跑得经济的门槛，是把token卖到这个价的前提；传送带不够长，工人再省电，包裹也堵在路上。

第二招：缓存。

发布博客里有句话容易滑过去，借助Mooncake分离式推理架构，编程场景缓存命中率超过90%，实际输入价格仅为标价的四分之一。

Mooncake是月之暗面自研的推理底座，它干的事是什么呢？

把缓存（行话叫KV cache）从单卡显存里解放出来，在集群的处理器、内存、硬盘之间流转；翻译一下：包裹不必每次回总仓重新打包，去就近的中转仓取就行。

这东西有多能搬？

我查了它的开源基准，一台插满8张400G网卡的节点，搬运40GB缓存能跑到190GB/s。

四分之一的输入价不是白来的，它建立在集群内部大规模搬数据的能力上，网络带宽是这门生意的效率变量。

第三招：压缩。

K3用自研的KDA线性注意力，把缓存体积大幅压小。官方说法是，借助带缓存的KDA，「即使在大模型规模和长上下文条件下，也能以很有竞争力的token价格提供服务」。

你看，压小的包裹还是要搬，月之暗面今年挂出一篇系统论文，标题就很说明态度了：

「下一代模型的KVCache可以跨数据中心」，把缓存当一等公民资源，在更大的网络里调度。方向直接写在了论文标题上。

三招放在一起，答案完整了。

稀疏省算力，前提是域够大，缓存省重复计算，前提是搬得动；压缩省显存，前提是缓存设施接得住，省钱的每一招，都建在网络上。

很多人觉得推理是轻量活，训练才是重体力。不是的。这一代推理集群，长成了过去只有训练集群才有的形状。

而且，这也不是一家的偏好，开源旗舰的「最小服务单元」，代际之间在变大。

上一代K2，官方部署指引最少16卡；K3推荐64卡起步。DeepSeek-V3的技术报告里，解码阶段最小部署单元是320卡。

再看过去一周的牌桌，已开源的V4-Pro站在1.6万亿参数，Qwen3.8官宣2.4万亿即将开源，MiniMax被曝下一款2.5到3万亿，这一代模型，都长这个形状。

SemiAnalysis给K3的判词也通了：它需要「更多的GPU、HBM、DRAM和网络」。

回头再读那份停售公告，可以从技术角度换个读法了：

卡不是问题，市面上买得到；问题是把几十张卡绑成一个域；能同时跑稀疏、缓存、压缩的那种集群，临时拼几台机器凑不出来。

缓存要在网络里流转，随便拉根网线也搬不动；公告里那句「承载极限」，说白了，是长成这个形状的算力池不够用。

需求是真的，形态也定死了，这笔钱，落到产业链上，会记到哪一段的头上？

这份需求能兑现多少，第一道闸门，就在刚才那句判词里：HBM，高带宽内存。

SemiAnalysis给K3算过一笔硬件账；2.8万亿参数的权重超过1.5TB，单台机器的显存根本装不下，注定要摊在集群里。

如果国产承接这头，闸门更窄。

同一家机构拆过长鑫存储的口径：HBM晶圆产能去年底约5000片每月，今年底爬到约3万片，综合良率约25%。

对比一下，国际大厂良率在85%以上；此前囤了约1300万堆库存，按他们的测算，约够160万颗910C级芯片用。

我翻译下啊：地和钢材是限量的。今年明年能盖几座园区，基本已经写死了，这一段的账，最确定，也最没有弹性。

量看完，再说形态，采购的单位在变。

以前叫「买卡」，现在叫「买超节点」。刚闭幕的世界人工智能大会上，我去逛一圈，燧原、沐曦、摩尔线程、中兴、百度、平头哥，各家的超节点扎堆亮相。

园区里的传送带怎么修，取决于一个工程边界：铜的半径。

铜缆便宜、稳定，问题是它只够在一个机柜内部把卡连起来；阿里的磐久128单柜方案，柜内全铜，一只光模块不用。

英伟达NVL72同样柜内全铜，域一大过一个机柜，故事就换了。

华为CloudMatrix 384用十六个机柜拼一个域，柜内走铜，柜间走光；SemiAnalysis拆出来，整机约6912只400G光模块，芯片和光模块的配比约1比18。

注意，这个配比只属于多柜形态，不能套到所有超节点头上。

K3建议的64卡，今天恰好压在这条铜光边界上，单柜方案还兜得住；往前看一代呢？V3的320卡早就在柜外了。

最小服务单元16、64、320这条代际曲线，正在把负载往机柜外面推；域每跨出一个机柜，光的账就跳一级。

最后说弹性，眼下最实的一段账，在园区之间。

跨集群的高速以太网，吃的是800G和1.6T光模块；我查了LightCounting今年2月的预测：800G出货量今年再翻一倍以上，1.6T增长到数千万端口量级，1.6T芯片组销售额今年突破20亿美元。

垫在这批订单底下的，是货运总量本身，谷歌在I/O上自报，单月处理token达3200万亿，一年涨了7倍。

OpenRouter的官方博客说：

今年2月起，agent产生的流量超过了人类，单条agent请求消耗约是人类的15倍；包裹越来越多，寄件的还从人换成了不知疲倦的机器。

当然，我前面说的全是需求往上走，这事还有另一面。

效率也在往前走，K3自己的输出token比上一代少了21%；横向比，仍是同行的两倍；DeepSeek的V4，前面提过，走的稀疏注意力就是奔着省去的。

华为去年发了篇UB-Mesh论文，研究的东西更直接：机柜里用电缆直连，能少用光模块就少用。

还记得那个货运园区的比方吗？单件包裹在变小，包装在变省。

所以，这其实是一场赛跑；总货量跑在前面，光互连的账就成立；哪天单件瘦身反超了总量，单位算力配多少光，就会掉头。

两边都是真的，谁能跑赢，没人知道。

有几个东西可以盯着，按计划，7月27日，K3的权重和技术报告放出来，看看谁第一个用64卡以上的国产集群把它跑起来。

Qwen3.8正式开源后，看它的部署指引推不推类似的大通信域；月之暗面全速扩容，看采购往哪种形态的集群流。

回到开头那个反差：骂它贵的，骂的是token的标价；把它抢到关门的，抢的是长成这个形状的算力。

参考来源：

[1].月之暗面、千问、DeepSeek 官方公告与文档，Artificial Analysis、SemiAnalysis、LightCounting，DeepSeek-V3 技术报告及 Mooncake、DeepEP、UB-Mesh 等公开论文与开源仓库（数据截至 2026-07-21）

[2].个人观点，仅供参考，不构成投资建议