K2.6 Agent Swarm [베타]

2026년 1월 27일, Moonshot AI는 Kimi K2.5를 출시하며 Agent Swarm [베타]를 선보였습니다. 2026년 4월 20일에는 Kimi K2.6을 공개하고 오픈소스로 배포하면서 Agent Swarm 아키텍처를 크게 업그레이드했습니다.

• 최대 300개의 하위 에이전트 동시 작업
• 작업당 4,000회 이상의 도구 호출
• 단일 에이전트의 순차 실행보다 4.5배 빠른 속도

탄생 배경

2025년 AI 업계의 주된 화두는 더 큰 모델과 더 많은 파라미터로 대표되는 수직 확장이었습니다. 하지만 여기에는 구조적 한계가 있습니다. 바로 단일 순차 실행이라는 병목입니다.

Agent Swarm은 실제 상황에서 출발했습니다. 한 팀원이 일일 주식 정보 수집을 자동화하려다 if-else 코드가 100줄에 이르자 이렇게 깨달았습니다. "내가 지금 멀티 에이전트 시스템을 손으로 작성하고 있구나." 모델이 도구를 사용할 수 있다면, 스스로 구조를 설계할 수는 없을까요?

Agent Swarm은 사람이 아니라 AI가 직접 설계한 조직 구조입니다. 메인 Agent(오케스트레이터)가 최대 300개의 하위 에이전트를 자율적으로 지휘하며, 최대 4,000개의 병렬 워크플로 단계를 실행합니다.

K2.6 Agent Swarm [베타]는 PARL(Parallel-Agent Reinforcement Learning) 학습 방법을 사용합니다. 단일 에이전트 방식과 비교하면, 대규모 검색 시나리오에서 핵심 단계를 3배~4.5배 줄입니다.

사용 방법

접속 경로:

• Web: kimi.com/agent-swarm
• Mobile: Kimi app → 모드 전환 → K2.6 Agent Swarm [베타] 선택

단계:

1. 작업을 설명하고 전송합니다. 예: "Paul Graham 글 200편 이상 수집해 줘"
2. 작업 목록 생성, 하위 에이전트 생성, 병렬 실행 과정을 실시간으로 확인합니다.
3. 코드 프로젝트, 파일 폴더, 데이터 분석, Office 문서 등 결과물을 받습니다.
4. 결과를 미리 보거나 다운로드 또는 공유합니다.
5. 이후 대화를 이어갈 때는 단일 K2.6 Agent로 전환합니다.

활용 사례

대규모 탐색

사례 1: 100개 YouTube 니치별 상위 크리에이터 3명

K2.6 Agent Swarm [베타]는 병렬 검색을 위해 300개의 하위 에이전트를 생성하고, 채널명, 구독자 수, 설명이 포함된 구조화된 표를 만들었습니다.

결과 보기

사례 2: Paul Graham 글 200편 이상 수집

Agent Swarm은 하위 에이전트를 배치해 200편 이상의 글을 검색, 다운로드, 분류, 요약한 뒤 주제별 폴더로 정리했습니다.

결과 보기

대규모 산출

사례: 40개 PDF로 100페이지 분량의 문헌 고찰 작성

K2.6 Agent Swarm [베타]는 글쓰기에 특화된 여러 하위 에이전트를 배치하고, 각 에이전트가 한 장씩 맡도록 했습니다. 최종 결과물은 인용, 방법론 차트, 인용 네트워크 분석을 포함한 100페이지 분량의 학술 문서였습니다.

대규모 관점 검토

사례: 제품 출시 전략에 대한 전문가 리뷰 Agent Swarm은 제품 출시 전략을 검토하기 위해 프로덕트 매니저, 투자자, 고객 성공 담당자 등 서로 다른 관점을 가진 전문가 하위 에이전트를 배치했습니다.

결과 보기

사례: 삼체를 20가지 문체로 다시 쓰기 20개의 "작가" 하위 에이전트가 버지니아 울프, 보르헤스, 카프카 등 서로 다른 스타일로 독립적으로 글을 썼습니다.

결과 보기

기술 심층 분석

핵심 아키텍처: 지휘관 + 전문가들

• 오케스트레이터 = 코치/지휘관: 전체 그림을 보고 전략을 세웁니다.
• 하위 에이전트 = 선수: 각자 특정 역할에 집중합니다.

핵심 설계: 선수는 그대로 두고 코치만 훈련하기

모든 하위 에이전트는 기존 능력을 그대로 유지하고, 오케스트레이터만 강화학습을 통해 개선됩니다. 이를 통해 책임 소재가 분명해지고 학습 안정성도 높아집니다.

"게으름" 방지:

• 직렬 붕괴: 오케스트레이터가 모든 일을 하나의 하위 에이전트에게 넘기는 현상
• 가짜 병렬화: 지표를 좋게 보이게 하려고 의미 없는 하위 작업을 만드는 현상

해결책: 3차원 보상 메커니즘

1. 최종 결과물의 품질
2. 실제로 달성한 병렬성
3. 하위 작업 완료율

핵심 단계 지표

Agent Swarm은 각 단계에서 가장 느린 하위 에이전트의 시간을 계산합니다. 이를 통해 무작정 작업을 쪼개는 대신, 실제 프로세스 최적화가 이루어지도록 유도합니다.

Context Sharding

각 하위 에이전트는 자신만의 "작업 노트"에 집중하며 관련 세부 정보를 독립적으로 기록합니다. 오케스트레이터에게는 핵심 결론만 보고하므로, 추론 과정은 보존하면서도 메모리에 과부하가 걸리지 않습니다.

실제 결과

BrowseComp 벤치마크 기준:

• 정확도: 15.9%(단일 에이전트) → 33.3%
• 핵심 단계 약 40% 감소

적용 시나리오

K2.6 Agent Swarm [베타]는 특히 다음에 적합합니다.

1. 대규모 정보 검색: 방대한 인터넷 데이터 수집
2. 일괄 다운로드: 대규모 파일 및 리소스 수집
3. 광범위한 문서 읽기: 100개 이상의 문서 처리
4. 장문 작성: 100,000단어를 넘는 콘텐츠 작성
5. 복잡한 프로그래밍: 프런트엔드 개발, 코드 리뷰, 리팩터링
6. Office 자동화: 전문 문서, 스프레드시트, 프레젠테이션

더 읽어보기:

• Kimi Agent Swarm: 100개의 하위 에이전트를 대규모로 운용하기
• Kimi K2.5: Visual Agentic Intelligence
• Kimi K2.6: 오픈소스 코딩의 진전