月之暗面在官方新闻页宣布，Kimi Hosted Agents（托管智能体）正式上线。它把支撑智能体运行的 harness——包括代码执行环境、上下文与会话管理、工具调用、权限控制和任务中断恢复——做成云端服务，企业不用自建这套底座，就能在托管环境里跑长程任务和多智能体协作。 按官方说明，服务提供独立沙箱和网络访问权限控制，企业可设定操作边界、随时中止会话，执行过程可留痕并导出审计；计费和用量报表也一并提供。平台还附带 140 多个 Skills 和 30 多个插件，并可对接企业自有工具与数据源。可选的 Kimi Inference Hook 能在模型推理前按企业规则检查输入和工具返回；该组件目前只对企业认证用户定向开放。文档站同步放出 8 个金融场景 Agent 模板。注册登录 platform.kimi.com 即可试用。
为什么重要 企业要把智能体用到生产里，底座运维往往比写业务逻辑更耗时间；把 harness 做成托管服务，降低的是基础设施门槛，不是模型本身。
Kimi.ai官方@Kimi_Moonshot译自英文
Kimi K3.1 Pro 的模型权重现已开放下载：huggingface.co/moonshotai/Kimi-…
我们会继续推进开放的智能。官方原文·自动收录原文标题 moonshotai/Kimi-K3.1-Pro
月之暗面把 Kimi K3.1 Pro 的完整权重公开到了 Hugging Face，任何人都能下载部署，兑现了此前的开放承诺。这个模型和 API 已在 10 月 24 日上线，这次的新进展是权重开放。模型总参数约 2.8 万亿，但每个 token 只调用其中约 1040 亿，支持 100 万 token 上下文，能同时看图和读文字。它是在 Kimi K3 基础上用大规模强化学习继续训练的版本，主打写代码、3D 建模和金融研究。许可证为「Kimi K3.1 Pro License」。官方自报：K3.1 Pro 在 Terminal-Bench 4.0 上得分 65.7%。官方还称，开放版在训练中删掉了网络攻防相关数据，以压低被滥用的风险。
为什么重要 万亿级参数的模型权重可以自行下载部署，开发者多了一个能私有化运行的强代码与智能体模型。
Kimi 称正在减少“不必要的子 Agent 调用”。Kimi Code 的公开 PR 显示，模型此前可以自行派生子智能体，甚至开启最多 128 个的 swarm；修复后，这需要用户明确要求或手动开启。
月之暗面旗下 Kimi 10 月 26 日凌晨发文，承认会员使用 K3.1 Pro 时出现限流和不必要的额度消耗，称“问题出在我们”。所有档位有效会员获得一次重置：返还月度总额的 25%（约一周用量），用量不足 25% 的直接清零；同时调整配置，减少不必要的子 Agent 调用和输出长度。
为什么重要 K3.1 Pro 于 10 月 24 日上线，两天内即因限流和额度消耗过快公开致歉，显示大参数模型在订阅制下的算力与成本压力；子 Agent 调用减少可能影响长任务表现。
月之暗面在 Kimi Code CLI 2.3.2 中调整默认行为：智能体默认直接处理任务，不再主动启动子智能体；需要分工时可在提示词、AGENTS.md、技能或多智能体模式中明确要求。智能体也不能再自行启动 AgentSwarm，只有用户打开 swarm 模式才会运行，因此 kimi -p 无头模式和 Zed 等 ACP 客户端中暂时用不了 swarm。
为什么重要 自动并行会把一个请求放大成大量并发模型调用。改为显式开启后，Token 消耗和执行过程更可预期；依赖自动分工的现有工作流需要补上明确的委派指令。
月之暗面发布 Kimi K3.1 Pro，基于 K3 后训练，支持 100 万 token 上下文，已上线 Kimi 各端和 API，计划 11 月 4 日前开放权重。官方自测 Terminal-Bench 4.0 得分 65.7%，内部幻觉率由 23.4% 降至 8.3%。公司剔除了网络攻击相关训练数据：xdev-bench-hard 上发布版得分 81.0%，未过滤版本为 90.5%。
为什么重要 月之暗面公开以牺牲部分能力为代价，压低模型的攻击性网络能力，回应了外界对开放权重被滥用的担忧；基准分数均为官方自测，尚待第三方验证。
腾讯办公智能体 WorkBuddy 10 月 24 日宣布接入月之暗面新模型 Kimi-K3.1-Pro，支持 100 万 token 上下文。同时上线 Highspeed 版本，腾讯称其智能水平相同、输出速度约为 2 至 3 倍。因算力资源紧张，新模型优先向企业旗舰版和个人订阅用户开放。速度数据为腾讯单方说法。
为什么重要 Kimi K3.1 Pro 发布后迅速进入腾讯的办公产品，说明中国大型互联网平台愿意在自家应用中接入第三方模型；算力紧张导致分级开放，也反映出长上下文模型的推理成本压力。
