月之暗面把Agent做成了云服务：7×24托管、140个技能，AI公司的生意从卖答案变成了卖员工

11月5日，月之暗面正式发布Kimi Hosted Agents。名字看着像又一个Agent产品，实际做法不太一样：它把支撑智能体运行的Harness——就是那个管任务调度、工具调用、状态维持的运行框架——直接做成了云端服务。

企业不用自己搭框架、不用自己运维，API接进去，云沙箱里7×24小时跑任务。会话历史、沙箱状态、产出文件全部在服务端持久化保存，任务中断了能恢复，执行过程留痕可查。

把"运行"这件事拆出来卖，是个聪明的切口

过去一年，各家都在卷Agent产品，但企业落地一直卡在同一个地方：Agent要7×24跑长程任务，运行框架的搭建和运维门槛不低。会话怎么持久化、任务中断怎么恢复、沙箱怎么隔离、执行怎么审计——这些是基础设施级的工程，多数企业不想碰也碰不好。

月之暗面把这一整层拿走，企业只管定义任务。两类典型用法官方也讲清楚了：对内，接到企业系统里做业务监控、运维响应；对外，嵌进产品里做投研助手、客服助手。

安全设计里有一个细节值得单独说：Kimi Inference Hook会在每次模型推理之前检查任务输入和工具返回内容，把隐私和敏感数据拦在推理之前。这个功能目前只对企业认证用户开放，但它指向的方向很明确——Agent要进企业，审计和拦截能力是入场券。

从卖API到卖智能体，商业模式的换挡

上海证券报的报道里有个判断准确：这不是孤立的产品动作，而是月之暗面B端商业化路径的关键升级——从"卖模型推理API"向"卖智能体"延伸。

这两个生意的差别值得算一算。卖API，客户用多少Token付多少钱，模型再好也只是个工具，议价权在客户手里，横向比价就行。卖托管智能体，客户买的是"一个持续运行的数字员工"：框架、沙箱、技能、监控、审计打包在一起。工具可以随时换供应商，员工换起来成本高得多——它的会话历史、技能配置、业务流程适配都在你的平台上。

这才是真正的护城河逻辑。平台级竞争替代模型能力竞争，是头部大模型厂商集体在走的路。

背景板上还有10月24日发布的Kimi K3.1 Pro：3万亿参数、100万上下文，代码和长程Agent能力提升明显，Highspeed版输出速度再提2-3倍。模型先到位，托管服务跟着上，节奏是连贯的。

对做GEO的人，这件事的分量在哪

Agent托管化，意味着"读你内容"的主体正在发生变化。

过去谈GEO，场景是"人问AI"：用户在ChatGPT或豆包里提问，AI检索信息、生成回答，品牌争的是被引用。现在多了一个场景——Agent自己跑任务。一个托管在云端的智能体执行晨报生成、IPO跟踪、市场调研，会按任务需要主动联网检索、读取页面、核对数据。没有人提问，信息照样被消费。

两个环境里的引用逻辑还不一样。人问AI，模型更倾向给一个流畅的答案，引用是辅助。Agent跑任务，检索到的信息是要拿去用的：写进报告、驱动决策、触发下一步动作。错误信息在聊天里顶多误导一个人，在Agent链路里会沿着任务链传播，而且在"执行留痕可查"的设计下，用错数据的责任是可追溯的。

这把对信息质量的要求抬到了新高度。品牌信息要经得起三道关：机器能读（结构清晰、口径统一）、能核验（多源一致、可交叉验证）、能点名（品牌与事实的关联明确到可被准确引用）。

具体可以做的：把产品参数、价格、适用场景这些硬信息整理成机器友好的事实清单，官网、电商页、行业资料三处对齐口径；盯一下8个金融Agent模板的检索习惯——金融是Agent落地最快的行业，金融信息的引用规则很可能先跑出标准。

Agent开始上班了。你的内容，是它的资料库，还是不在它的检索范围里——这个问题的答案，正在变成新的分水岭。