月之暗面卖的不是模型，是Agent工厂

月之暗面正式对外发布了“Kimi Hosted Agents”——一个让企业和开发者可以托管运行自主智能体（Agent）的云端服务。这不是又一个聊天框，而是一套免运维的云底座，用户无需自建维护调度架构，即可直接接入持续稳定的运行环境，专用于承载长程任务执行及多智能体协作场景。

这意味着什么？当全行业还在讨论大模型能不能“思考”时，月之暗面已经在卖“让AI思考的地方”了。

从API卖家到基础设施提供者：一次商业逻辑的重构

过去两年，中国大模型公司的商业模式几乎千篇一律——按Token计费卖推理能力。开发者调个API，输入提示词，得到回复，付钱走人。这种模式简单透明，但也意味着产品壁垒极低：谁都能接，谁都能换。

现在月之暗面要改变游戏规则。

Kimi Hosted Agents的核心是底层框架“Harness”的云端化封装。简单来说，它把原本需要开发者自己搭建的Agent调度系统、记忆存储、工具调用链路全部打包成即开即用的服务。用户的指令不再是简单的问答，而是可以连续运行数小时甚至数天的复杂任务流程。

这套服务内置了官方工具矩阵——联网搜索、长期记忆存储（Memory）、代码执行（Code－Runner）、Excel分析等。开发者通过调用一组API就能完成一个具备持久记忆和工具能力的完整Agent闭环，无需逐层组装。

更关键的是兼容性：月之暗面全面支持OpenAI的Chat Completions接口、Responses API，以及Anthropic的Messages API。这意味着原本为这两家巨头开发的Agent应用，只需极小的适配改动就能切换到底层跑在Kimi上。

这个策略非常聪明——OpenAI和Anthropic已经花了大量时间和金钱教育市场如何编写Agent，月之暗面直接搭便车，利用已有的开发习惯降低了迁移成本。对开发者来说，最大的痛点不是写Prompt，而是搭建Agent的运行环境和持久化机制。Kimi Hosted Agents解决的正是后者。

定价背后的算账逻辑

官方定价数据显示，K3．1 Pro的输入价格为13元人民币／百万Tokens，输出为68元／百万Tokens，缓存命中价格则为1．3元／百万Tokens。批量推理版本可享标准价格的六折优惠。

作为参照，1 MTok等于100万Tokens，中文语境下大约相当于150万到200万个汉字。

这组数字放在全球范围内并不便宜——相较之下，主流云厂商和AI初创公司的同类推理服务单价普遍更低。但月之暗面的定价并非纯粹拼低价，而是在传递另一个信号：它瞄准的是对企业级客户、高复杂度Agent任务，而非个人轻度用户。文件读取与抽取接口目前限时免费。这一策略意在降低开发者初步上手的成本门槛，同时引导用户尽快转入付费的Agent运行环节。

批量推理（Batch API）仅适用于大规模、低实时性要求的任务，各项费用为标准价的60％。这表明月之暗面在刻意区分两种消费场景：对延迟敏感的生产环境和可以排队等待的离线批处理。

如果做一个粗略估算——一个中等规模的Agent每天执行50次工具调用、每次平均消耗约8万Token（含上下文缓存），按13元／百万Tokens的输入价计算，单次成本约为0．1元，日成本约5元，月收入约150元。这对个人开发者可能不算便宜，但对企业客户而言，如果能替代一个初级程序员的日常辅助工作，这个ROI是说得过去的。

中国市场正在吃掉多少Token？

要理解Agent服务的商业价值，需要看整体市场的消耗增速。据财联社援引招商银行内部披露的数据，截至2026年三季度，该行日均token消耗已从五月底的330亿攀升至800亿以上，环比增长约1．4倍；平安银行同期更是从217亿飙升至环比近三倍的规模。

主要银行累计落地智能化场景从三百多个增加到一千五百多个。韦江波（招行数字金融发展办公室主任）公开表示AI转化为财务价值“非一蹴而就”。

银行不是特例。中国信通院测试121款企业产品的数据显示，AI参与研发的比例已达到90％，上海人工智能实验室的学生团队甚至用10小时从零搭建了4亿参数的气象预测大模型并完成了45000余步训练。

这些数字共同指向一个趋势：中国市场的大模型消耗已经从“试点期”进入了“规模化运转期”。而Agent正是下一个消耗增长点——因为它把单次的对话变成了持续的任务链，每一次任务链都可能产生远超普通问答的Token开销。

想象一个典型的企业客服Agent：用户发起咨询后，Agent需要先在知识库中检索相关信息（消耗一定数量的Tokens进行语义匹配），然后生成个性化回答（输出更多Tokens），最后还需要将本次交互存入长期记忆以备后续跟进。这样的流程可能循环数次甚至数十次才能解决问题。如果放到数百万用户层面，Token消耗自然呈指数级放大。

开发者生态之争才是真正的主战场

OpenAI也在做类似的事情。11月初，它一口气上线了三样东西：Codex编程工具提速8倍、Images 2．6图像生成引擎更新，以及面向Agent任务的Decisions API（基于GPT－6 Luna模型）。ChatGPT Pro和商业版订阅用户可以领取每月最高500美元的API额度优惠。

字节跳动的“扣子（Coze）”企业版也在这个时间点宣布进入下线倒计时——10月29日发出通知，11月30日起停购新客户，旧版套餐年底下线，新版最晚2027年底退出。业内普遍认为，这恰恰印证了当大模型自主拆解任务的能力足够强时，中间层的“拖拽式工作流”工具的必要性正在被削弱。

在这个背景下，月之暗面选择此时推出Kimi Hosted Agents，信号很清晰：它不愿意只做一个底层的API供应商，而是想成为Agent运行时的“水电煤”。

但挑战同样现实。

首先，SLA和企业级服务保障的细节尚未公布。对于真正要在生产环境部署的企业客户来说，可用性承诺、并发上限、响应延迟、故障恢复时间等指标缺一不可。其次，长程任务执行的资源隔离机制、弹性扩容策略和超额计费规则仍待明确。最后，免费的文件接口和有限的试用额度何时终止，决定了早期用户粘性能否转化为持续收入。

观察什么？

未来三个月内，最值得关注的三个指标：

第一，首批采用Kimi Hosted Agents的客户画像——是谁在付费，他们用来做什么，用量有多大。这是检验产品是否有真需求的唯一硬指标。

第二，月之暗面是否会调整定价结构。当前定价明显偏向企业端，但如果想扩大开发者基数，不排除推出阶梯折扣或资源包预购方案。

第三，OpenAI和Anthropic是否会在 Responses API 和 Messages API 之外继续升级Agent专用功能。这三家在同一个赛道上的每一次动作都会互相牵制。

第四，Agent任务的实际Token消耗倍数相对于普通对话的增幅。这将决定平台能否承受住规模化后的算力压力，也是判断其商业模式可行性的核心变量。

第五，国内其他大模型公司是否会跟随推出类似的Agent托管服务。目前来看，只有月之暗面给出了明确的商业化路径，但如果市场验证成功，竞争者复制的速度不会慢。

当“模型即服务”变成“Agent即服务”，赢的人不一定是最聪明的，但一定是最先让开发者离不开自己的。