Moonshot AI ngày 26/10 (giờ địa phương) thừa nhận đã xảy ra lỗi trừ quota trên dịch vụ trả phí của mô hình AI Kimi K3.1 Pro và triển khai biện pháp bồi hoàn cho người dùng. Sự cố xảy ra không lâu sau khi công ty ra mắt phiên bản cao cấp mới, làm dấy lên câu hỏi về độ ổn định dịch vụ và khả năng kiểm soát chi phí khi thương mại hóa các AI agent.

Theo Cryptopolitan, Moonshot AI sẽ hoàn lại một lần 25% quota sử dụng theo tháng cho toàn bộ tài khoản đang hoạt động. Với những tài khoản có quota còn lại thấp hơn mức bồi hoàn, công ty sẽ xử lý bằng cách đặt lại bộ đếm sử dụng.

Trong thông báo phát đi trước đó ngày 25/10, Moonshot AI xin lỗi người dùng vì tình trạng bị hạn chế sử dụng và quota bị tiêu hao ngoài dự kiến. Công ty cho biết đây là vấn đề nội bộ lẽ ra phải được xử lý sớm hơn, đồng thời cam kết hoàn quota cho người đăng ký ở tất cả gói dịch vụ. Theo doanh nghiệp, các điều chỉnh sẽ được áp dụng ngay trong ngày ra thông báo.

Nguyên nhân sự cố được xác định là người dùng trả phí bị trừ hạn mức ngay cả khi tác vụ chưa hoàn tất. Moonshot AI cho biết đã điều chỉnh thiết lập liên quan đến gói dịch vụ nhằm giảm các lệnh gọi sub-agent không cần thiết, đồng thời giới hạn những phản hồi quá dài.

Sub-agent là hệ thống phụ trách một phần tác vụ do AI agent cấp cao hơn phân công. Cách chia nhỏ quy trình xử lý cho nhiều agent có thể giúp giải quyết các bài toán phức tạp, nhưng việc gọi lặp lại cũng làm tăng lượng token tiêu thụ và chi phí vận hành.

Kimi K3.1 Pro là phiên bản cao cấp nhất trong dòng 3T mà Moonshot AI ra mắt ngày 23/10. Mô hình này hỗ trợ cửa sổ ngữ cảnh 1 triệu token và được cung cấp qua kimi.ai, Kimi Work, Kimi Code và API.

Bản tốc độ cao được giới thiệu có tốc độ xử lý nhanh hơn khoảng 2-3 lần so với bản tiêu chuẩn. Moonshot AI dự kiến công bố đầy đủ trọng số mô hình vào ngày 4/11.

Công ty cũng nhấn mạnh lợi thế về hiệu năng của Kimi K3.1 Pro. Theo kết quả đánh giá Terminal-Bench 4.0 do Moonshot AI công bố, mô hình này đạt 65,7%, cao hơn mức 58,2% của GPT-6 Astra và tiệm cận 66,4% của Claude Opus 5.5 từ Anthropic.

Tuy nhiên, đây là số liệu do chính doanh nghiệp công bố, cần tách bạch với các chỉ số phản ánh chất lượng dịch vụ thực tế và hiệu quả chi phí trong quá trình sử dụng.

Vụ việc một lần nữa cho thấy bài toán chi phí vận hành và quản lý quota vẫn là thách thức lớn với các AI agent tự động. Khi một agent tiếp tục giao việc cho agent khác hoặc tạo kết quả qua nhiều bước xử lý, lượng token tiêu thụ có thể cao hơn đáng kể so với hình thức hỏi đáp thông thường.

Trong một nghiên cứu công bố năm 2025, Anthropic cũng cho biết việc sử dụng agent tiêu tốn nhiều token hơn so với hội thoại thông thường, và mức tăng còn lớn hơn trong các hệ thống đa agent.

Các nghiên cứu nhằm giảm chi phí vận hành vẫn đang được tiếp tục. Một nghiên cứu năm 2026 của Harbin Institute of Technology cho biết có thể giảm 85,2% chi phí phân bổ token theo trọng số so với mức cơ sở bằng cách giao các tác vụ đơn giản cho những mô hình rẻ hơn.

Trong bối cảnh đó, việc Moonshot AI cắt giảm các lệnh gọi sub-agent và rút ngắn độ dài phản hồi có thể được xem là biện pháp nhằm hạn chế mức tiêu thụ token không cần thiết trong quá trình vận hành AI agent.

Trước đó, ngày 19/7, Moonshot AI cũng từng gặp vấn đề về năng lực phục vụ do nhu cầu tăng đột biến. Khi đó, công ty cho biết nhu cầu với Kimi K3 đã gây áp lực lên tài nguyên GPU và buộc họ tạm dừng tiếp nhận đăng ký mới.

Dù vậy, hiện chưa có xác nhận nào cho thấy sự cố thiếu tài nguyên GPU trước đó có liên quan trực tiếp đến lần trừ quota này.

Giới trong ngành cho rằng không chỉ hiệu năng mô hình, mà độ ổn định của dịch vụ và hiệu quả chi phí trong quá trình sử dụng thực tế mới là yếu tố quyết định sức cạnh tranh của các gói AI trả phí. Với AI agent tự động, khi tác vụ kéo dài và quy trình gồm nhiều bước, khả năng dự báo và kiểm soát lượng token trở nên đặc biệt quan trọng.

Ngay cả với một mô hình mạnh, nếu quota bị dùng hết trước khi tác vụ hoàn tất, giá trị mà người dùng cảm nhận được cũng sẽ suy giảm.

Thị trường hiện theo dõi liệu đợt hoàn quota cùng các điều chỉnh hệ thống lần này có giúp Moonshot AI lấy lại niềm tin người dùng, đồng thời cân bằng tốt hơn giữa hiệu năng và chi phí vận hành hay không.