讯飞星辰Coding Plan遭吐槽：503频发、限购疑似饥饿营销

背景

讯飞星辰（iFlytek Spark）是科大讯飞推出的 AI 大模型服务平台，其 Coding Plan（编程计划）面向开发者提供代码生成、上下文理解等能力。近期，讯飞为 Coding Plan 上线了 GLM-5.2 模型，并同步推出季套餐。然而，大量付费用户在实际使用中遇到了严重的服务稳定性问题，包括持续的 503 错误、首字等待时间过长、缓存命中异常等。本文作者（来自 LINUX DO 社区）基于自身使用体验和公开现象，对讯飞星辰 Coding Plan 的服务质量、官方策略及商业逻辑进行了深度总结，并提醒其他用户谨慎选购。

核心内容

1. GLM-5.2 上线后的服务器错误（503）

作者指出，讯飞一直声称在尽力解决 503 问题，但实际体验并未改善。GLM-5.2 上线后约 7 天，大量 503 错误开始出现。作者个人需要请求 10～20 次才能成功一次，且小上下文（约 200K 内）的请求成功率明显高于大上下文（约 1500K 范围）。在 GLM-5.1 时代，虽然偶尔繁忙，但整体仍可正常使用。因此，季套餐更像是让用户“凑了一套完整的 503 体验”。

2. Prompt Cache（缓存）表现异常

各家的 Coding Plan 通常会启用 Prompt Cache 以加速重复请求。但讯飞的情况是：大部分时候几乎看不到缓存命中，偶尔又会返回缓存 Token 数量。小上下文请求容易成功，大上下文成功率明显更低。作者推测，不同大小的上下文可能被路由到不同的模型服务，导致缓存无法共享，或者部分服务根本没有启用缓存。该推测未经官方证实。

3. 503 并非只在高峰期出现

正常服务中，高峰期偶尔 503 可以理解，深夜或凌晨恢复也合理。但作者观察到，讯飞的 503 几乎在任何时间段都大量出现，不同时段成功率变化不明显（根据群友反馈）。唯一明显提高成功率的方法是尽量缩小上下文。作者推测，大上下文对应的模型资源可能较少，或存在针对不同请求的限流策略（如 RPM、上下文大小等）。以上均为个人推测。

4. 官方状态页始终显示“正常”

讯飞官网模型状态页面中，GLM-5.2 及其他高质量模型几乎全天显示“正常”。但与此同时，大量用户持续遇到无限 503、首字等待时间过长（60～120 秒）、多次重试才能成功等问题。官方状态页与实际体验存在明显差异。

5. 7 月 15 日开始的“限购”策略

官方于 7 月 15 日开启限购，理由是“为了提高当前 199 元套餐用户的服务质量”。但结合近期情况，作者认为其中有商业动机：

• 即将推出更高价格、更高优先级、更高效率的“速通套餐”。
• 限购仅针对月套餐，季套餐未受限制。
• 近期服务变化导致原本使用 39 元套餐的用户升级到 199 元套餐或季套餐，且 GLM-5.2 成为主要模型后，原本使用 GLM-5.1 的用户也迁移至 GLM-5.2。

作者认为，这更像“饥饿营销”，目的是促使更多用户升级，而非保证现有用户服务质量。升级后的用户对平台而言属于更高价值用户（因为套餐额度通常用不完），但已购买 199 元套餐的老用户体验反而进一步变差。

最终体验总结

作者个人感受：服务质量没有明显改善，503 仍然频繁，首字等待时间依旧较长，而用户付费金额相比之前有所提高。今天的服务质量进一步下降，平台收入却进一步提高，暗示讯飞似乎并未切实改善服务，而是在不断试探用户底线。以上内容均基于个人体验与公开现象，其中原因分析部分为个人推测，非官方结论。

关键要点

• GLM-5.2 上线后 503 错误激增：平均请求 10～20 次才能成功一次，小上下文成功率高于大上下文。
• Prompt Cache 几乎无效：缓存命中率极低，偶尔返回缓存 Token，推测不同上下文被路由到不同服务。
• 503 全天候出现：不分高峰或低谷，唯一改善方法是缩小上下文。
• 官方状态页与实际严重不符：页面显示“正常”，用户却频繁遇到 503 和长等待时间。
• 限购策略疑似商业驱动：官方声称改善服务质量，但实际伴随更高价套餐推出，且仅限月套餐，未限制季套餐。
• 用户被引导升级：因服务问题，原本低消费用户被迫升级到更高价套餐，但体验并未改善。
• 服务质量下降，收入上升：作者认为平台在试探用户底线，而非真正解决问题。

意义与影响

1. 对用户的影响：付费用户的信任受到严重损害，尤其是已购买 199 元套餐或季套餐的用户，实际获得的服务远低于预期。大量 503 和长等待时间严重影响了开发工作流，导致用户不得不频繁重试或缩小上下文，降低了工具的实际价值。
2. 对讯飞的影响：该帖在技术社区（如 LINUX DO）传播，可能引发更多用户对讯飞星辰 Coding Plan 的负面评价，导致口碑下滑。若平台持续忽视用户体验，可能面临付费用户流失，尤其当竞争对手（如 OpenAI、Anthropic、智谱等）提供更稳定服务时。
3. 对行业的影响：案例揭示了 AI 服务在商业化过程中可能出现的“劣化”现象——通过限制资源、引导升级、模糊状态报告等方式，让用户为低质量服务支付更高费用。这提醒其他 AI 服务商：透明度和稳定性是长期竞争的关键，否则将引发社区抵制。
4. 对消费者决策的警示：用户在选购 AI 服务时，应参考实际用户反馈而非官方宣传，尤其是涉及“限购”“新套餐”等策略时，需警惕服务降级风险。