一句话总结
2026 年 11 月 5 日，月之暗面正式发布 Kimi Hosted Agents：把支撑智能体运行的 Harness 封装成云端托管服务，企业无需自建运行框架即可获得 7×24 小时的长程任务执行、多智能体协作、独立云沙箱、网络权限控制、凭据库与审计导出，首批提供 8 个金融 Agent 模板。
事件概述
2026 年 11 月 5 日，月之暗面（Moonshot AI）通过官方渠道发布 Kimi Hosted Agents（托管智能体）服务。与以往按 Token 售卖模型推理不同，这次售卖的对象是“让 Agent 持续跑起来”的整套运行环境：平台负责会话状态、沙箱生命周期、工具与插件调用、文件产物持久化，企业只需配置智能体本身。
官方文档把 Hosted Agents 定义为“预构建、可配置的托管智能体运行平台”。开发者可以用 API、控制台或 kha CLI 三种入口接入，API 走 api.moonshot.cn，接口版本标识为 2026-09-01-beta。服务仍处于 beta 阶段，接口与配额会随版本调整。
这一发布补上了此前 Kimi 产品线中缺失的一环：模型能力（K3、K3.1 Pro）与终端产品（Kimi 应用、Kimi Code）都已具备，但企业想让 Agent 长期在线运行，仍需自行搭建调度、沙箱、凭据管理与审计体系。Hosted Agents 把这部分工程打包为平台能力。
关键信息
| 项目 | 内容 |
|---|---|
| 发布时间 | 2026 年 11 月 5 日 |
| 发布主体 | 月之暗面（Moonshot AI） |
| 产品名称 | Kimi Hosted Agents（托管智能体） |
| 产品形态 | 云端托管智能体运行平台（Agent Harness as a Service） |
| 运行方式 | 7×24 小时托管，支持长程任务与多智能体协作 |
| 核心概念 | 智能体（模型 + System Prompt + 工具 + MCP + 技能 + 插件）、技能、插件、会话、环境、凭据库 |
| 隔离能力 | 每个会话独立云沙箱，预装依赖、初始化脚本、网络访问策略 |
| 安全与治理 | 网络权限控制、会话中止、凭据库托管、审计日志导出 |
| 状态管理 | 会话历史、沙箱状态、文件产物由平台持久化，支持断线续传 |
| 扩展能力 | 官方口径可调用 140 多项技能、30 多种插件 |
| 接入方式 | API、控制台、kha CLI |
| 计费构成 | 模型 Token + 沙箱运行时长 + 插件调用次数 |
| 首批模板 | 8 个金融 Agent 模板，覆盖投研建模、深度研究、晨报生成、IPO 跟踪、持仓监控等 |
从“卖模型”到“卖运行环境”
过去两年，大模型厂商的商业模式主要是按 Token 卖推理。Agent 场景改变了成本结构：一次任务往往要反复调用模型、读写大量上下文、调用工具与插件、在沙箱里执行代码，还会跨越多轮对话持续数小时甚至数天。
在这种负载下，企业真正头疼的不是“模型能不能答”，而是“任务能不能稳定跑完”：沙箱怎么隔离、依赖怎么预装、网络怎么限权、凭据怎么保管、会话中断后怎么恢复、出了事怎么审计。这些都属于 Harness 层的工程问题，而不是模型能力问题。
Kimi Hosted Agents 的定位正是把 Harness 平台化。官方文档列出的核心概念覆盖了 Agent 的完整构成：模型、System Prompt、工具、MCP、技能、插件共同定义一个智能体；会话承载多轮交互与状态；环境提供云沙箱与初始化脚本；凭据库集中管理外部系统的访问密钥。平台负责把这些组件编排起来，并按需扩缩容。
对企业的直接好处是上线周期缩短。过去从 PoC 到生产要自建一套 Agent 运行时，现在可以在控制台配置智能体、挂载技能与插件、设定网络策略后直接运行。代价是运行环境、计费与治理都依赖厂商，迁移成本需要提前评估。
平台能力：沙箱、状态与审计
官方文档披露的能力可以归为四层。
第一层是执行隔离。 每个会话运行在独立云沙箱中，支持预装依赖、执行初始化脚本，并配置网络访问策略。对金融、医疗等敏感行业，这意味着可以把“能访问哪些外部服务”写成明确规则，而不是依赖应用层自律。
第二层是状态持久化。 会话历史、沙箱状态与文件产物由平台保存。Agent 可以跨轮次继续之前的任务，产物不会因为进程重启而丢失。对长程任务而言，这一层决定了“跑十小时的任务”是否可行。
第三层是治理与审计。 平台提供会话中止、凭据库托管与审计日志导出。企业可以把密钥放在凭据库而不是写进代码或环境变量，并在事后导出调用记录用于合规检查。这一层是企业采购时最容易被问到的部分。
第四层是扩展生态。 智能体可以挂载技能与插件，官方口径为 140 多项技能、30 多种插件。技能负责封装可复用的任务流程，插件负责对接外部系统。对金融场景，插件层决定了能否接入 Wind、iFinD、恒生等数据源。
首批场景：金融 Agent 模板
发布同期，官方推出 8 个金融 Agent 模板，覆盖投研建模、深度研究、晨报生成、IPO 跟踪、持仓监控等任务。这些模板的价值不在于“多一个示例”，而在于把金融研究的固定流程拆成了可复用的智能体配置：数据源、分析步骤、输出格式、复核环节都被预先定义。
官方披露的金融投研助手采用“1 个路由主智能体 + 13 个专职子智能体”的结构：6 个执行层智能体分别负责研究分析、基本面建模、回测、组合风险、市场策略与资金流分析；7 个复核层智能体从价值、成长、逆向、宏观、质量、动量等角度审查结论，再由 1 个汇总环节合并输出。模型使用 kimi-k3，并挂载“金融投资分析（企业版）”插件，对接 Wind、iFinD、恒生、财新、新华财经、天眼查等数据源。
官方对效率的描述是：单次公司研究备忘录此前需要人工 1 至 3 个工作日，官方助手预计可在十几分钟到几十分钟内完成。这一数字属于厂商口径，实际耗时取决于数据源权限、任务复杂度与模型配额。官方同时明确，金融助手只做研究分析，不执行交易。
除金融外，官方给出两类企业应用方向：一是内部系统集成，例如业务监控、运维响应；二是面向产品用户，例如在 App 内嵌入投研助手、客服助手。前者强调权限与审计，后者强调并发与响应速度，对平台的要求并不相同。
计费、入口与适用边界
计费由三部分构成：模型 Token、沙箱运行时长、插件调用次数。这与传统 API 按 Token 计费有明显差异——长任务即使 Token 用量不高，沙箱长时间占用也会产生费用；频繁调用外部数据源则会推高插件调用成本。企业在估算单价时，需要把这三项一起纳入，而不能只比较每百万 Token 的价格。
入口有三种：API 适合已有自研系统的团队，控制台适合快速验证，kha CLI 适合本地开发与调试。三者共享同一套智能体配置，便于从测试过渡到生产。
适用边界也需要看清。Hosted Agents 解决的是“运行”而不是“效果”：智能体的任务拆解、提示词、工具选择仍由企业自己设计，平台不保证业务结论正确。金融模板提供的是流程骨架，数据授权、合规审查与结果复核仍需企业承担。此外，服务处于 beta 阶段，接口版本、配额与计费规则均存在调整空间，关键业务应保留降级方案。
官方来源
- 上海证券报报道（新浪财经转载）：Kimi 发布 Hosted Agents
- 北京商报报道（新浪财经转载）：月之暗面推出托管智能体服务
- Kimi Hosted Agents 官方快速开始：Hosted Agents Quickstart
- Kimi 官方金融投研助手文档：Official Investment Research Agent
- Kimi 帮助中心 Agent 概览：Agent Overview