7 月 17 日消息,Kimi 官方发布公告:由于访问量较大、服务器资源紧张(公告原文称"缺显卡"),用户可能出现 429 报错,团队正在扩容资源以提升稳定性。此时距离月之暗面发布新一代旗舰模型 Kimi K3 不到一天。7 月 16 日,总参数 2.8 万亿的 K3 在 2026 世界人工智能大会开幕前夕上线,据新华社报道,这是目前全球参数最大的开源模型,已同步登陆 Kimi 网页端、Kimi Work、Kimi Code 和 Kimi API。这份公告信息含量更高的部分,是官方对三条使用建议给出的具体技术解释:从旧模型切换到 K3 为什么要另开新会话、1M 上下文的成本差异来自哪里、在 Claude Code 中使用 K3 需要注意哪个开关。公告未披露扩容的具体规模,也未说明 429 报错的波及范围。 发布次日即触发限流
429 是 HTTP 协议中"请求过于频繁"的限流状态码,意味着服务端主动拒绝了超出负载能力的请求。对月之暗面而言,这意味着 K3 上线首日的实际访问量已经超过了既有算力资源的承载上限。官方在公告中没有回避这一点,直接用"缺显卡"说明资源瓶颈,用"加显卡"说明扩容动作。发布前的市场热度为这次洪峰提供了背景:K3 发布当日,其在 WebDev Arena 前端代码竞技场以 1679 分登顶、超过 Claude Fable 5 的消息正在传播,该榜单由用户匿名盲测投票产生。官方将报错原因归结为访问量较大,未提及是否存在其他技术因素。 切换模型为什么要另开新会话
公告的第一条建议是从 K2.7 Code 切换到 K3 时开启新会话,官方给出了两层原因。一层是效果层面:模型切换后,新模型会受到老模型思考内容的影响,可能无法充分体验 K3 的全部能力。另一层是成本层面:K2.7 Code 旧会话的 KV Cache 无法被 K3 复用,K3 需要对完整历史上下文重新执行 Prefill,导致 Token 消耗显著增加。Kimi Code 官方文档印证了这一机制:切换模型后,此前建立的上下文缓存在新模型上不再命中,新开 session"效果更好、消耗更少"。成本差异可以用官方 API 定价量化:据第三方开发者对 Kimi API 平台的整理,K3 缓存命中时输入价格为每百万 Token 0.30 美元,未命中时为 3.00 美元,相差十倍,输出价格为 15.00 美元。在长会话中沿用旧会话切换模型,等于按未命中价格为全部历史重新付一次费。 官方主动给 1M 上下文"降速"
1M 上下文是 K3 的主打能力之一,但公告的基调不是鼓励使用,而是提醒克制。官方表示,1M 上下文可以读取和保留更多历史内容、文件和背景信息,适合长文档、复杂代码库、多轮大型任务,但相比 256K 上下文,它通常会消耗更多输入 Token,成本和响应延迟也可能增加。官方给出的使用方式是:尽量明确本次任务范围,长文档和代码库先让模型定位相关部分,再深入分析,以减少无关历史反复进入上下文带来的消耗。套餐设计也在为 1M 设置门槛。Kimi Code 官方文档显示,调用 K3 需要 Moderato 及以上套餐,该档位下 K3 最高支持 256K 上下文,1M 上下文需要更高档套餐。公告还覆盖了一个第三方工具的细节:在 Claude Code 中使用 K3 需要手动开启 thinking——如果用户此前在 Claude Code 中关闭过 thinking,即使设置了新的环境变量,当前模式仍为 thinking off。
公开承认缺显卡,比登顶榜单更值得记录
一家头部模型公司在发布次日公开承认"缺显卡",这个公告本身就是新闻。它说明 K3 首日的需求超过了公司的算力储备,是智能体编程场景 Token 消耗增速的直接证据;同时也说明月之暗面的扩容节奏落后于发布节奏,产能规划相对保守。三条使用建议放在一起看,共同指向是官方在主动管理用户的 Token 消耗预期,这在以"用得越多越好"为默认商业逻辑的模型行业并不常见。缓存命中与未命中十倍的价差,本质上是把 agentic coding 的成本结构显性化:维持前缀稳定、避免无谓的模型切换,将从最佳实践变成硬性成本约束。需要避免的误读是,把 429 报错直接等同于产品或工程失败——对刚登顶盲测榜的新模型而言,它更接近需求超过供给的信号,这一点与官方"缺显卡"的坦白互为印证。
扩容节奏和权限下放是接下来的观察点
公告没有给出扩容的时间表,429 报错何时缓解是第一个观察点,它直接反映月之暗面可调动的算力弹性。第二个观察点是 K3 调用权限是否会下放到 Moderato 以下套餐,以及 1M 上下文的套餐门槛是否松动,这决定 K3 的实际用户覆盖面。第三个节点在 7 月 27 日前:完整模型权重按计划开放后,社区自部署能在多大程度上分流官方 API 的压力,也将成为影响服务稳定性的变量。在 Claude Code 等第三方工具中,thinking 模式的手动开启问题是否会影响早期用户体验,会在未来一两周的开发者反馈中显现。