Experimente o Kimi

K2.6 Agent Swarm [Beta]

O K2.6 Agent Swarm [Beta] é uma arquitetura de "escalonamento horizontal" que coordena até 300 subagentes trabalhando em paralelo — sem necessidade de papéis predefinidos ou fluxos de trabalho montados manualmente. Ele conclui tarefas cerca de 4,5× mais rápido do que a execução por um único agente.

Em 27 de janeiro de 2026, a Moonshot AI lançou o Kimi K2.5, apresentando o Agent Swarm [Beta]. Em 20 de abril de 2026, a Moonshot AI lançou e disponibilizou em código aberto o Kimi K2.6, trazendo grandes evoluções para a arquitetura do Agent Swarm:

  • Até 300 subagentes trabalhando simultaneamente
  • Mais de 4.000 chamadas de ferramentas por tarefa
  • 4,5× mais rápido do que a execução sequencial por um único agente

A história por trás

Em 2025, a narrativa dominante no setor de IA girava em torno do escalonamento vertical — modelos maiores, mais parâmetros. Mas isso esbarra em um teto estrutural: o gargalo da execução única e sequencial.

O Agent Swarm nasceu de uma situação real: quando uma integrante da equipe tentou automatizar a coleta diária de informações sobre ações e se viu diante de 100 linhas de código com if-else, ela percebeu: "Estou escrevendo um sistema multiagente na mão." Se os modelos conseguem usar ferramentas, por que não conseguiriam se autoarquitetar?

O Agent Swarm é uma estrutura organizacional autoprojetada — concebida pela IA, e não por humanos. O Agent principal (orquestrador) comanda de forma autônoma até 300 subagentes, executando até 4.000 etapas de fluxo de trabalho em paralelo.

swarm

O K2.6 Agent Swarm [Beta] utiliza o método de treinamento PARL (Parallel-Agent Reinforcement Learning). Em comparação com abordagens de um único agente, ele reduz o número de etapas necessárias de 3× a 4,5× em cenários de busca em larga escala.

Como usar?

screenshot 8

Pontos de acesso:

  • Web: kimi.com/agent-swarm
  • Celular: app Kimi → Trocar de modo → Selecionar K2.6 Agent Swarm [Beta]

Acesso Beta: o K2.6 Agent Swarm [Beta] está atualmente disponível para os assinantes Moderato, Allegretto, Allegro e Vivace. As tarefas consomem consideravelmente mais créditos do que as tarefas padrão do Agent.

Passos:

  1. Descreva sua tarefa e envie (por exemplo, "Reúna mais de 200 artigos de Paul Graham")
  2. Acompanhe o progresso em tempo real: criação da lista de tarefas, criação de subagentes e execução em paralelo
  3. Receba as entregas: projetos de código, pastas de arquivos, análises de dados e documentos do Office
  4. Visualize, baixe ou compartilhe os resultados
  5. Mude para um único K2.6 Agent para continuar nas interações seguintes

Casos de uso

Descoberta em escala

Caso 1: Os 3 principais criadores em 100 nichos do YouTube

O K2.6 Agent Swarm [Beta] criou 300 subagentes para busca em paralelo, gerando tabelas estruturadas com nomes de canais, número de inscritos e descrições.

YouTube

Ver resultado

Caso 2: Reunindo mais de 200 artigos de Paul Graham

O Agent Swarm implantou subagentes para buscar, baixar, categorizar e resumir mais de 200 artigos em pastas temáticas.

Ver resultado

Produção em escala

Caso: Revisão de literatura de 100 páginas a partir de 40 PDFs

O K2.6 Agent Swarm [Beta] implantou vários subagentes voltados à escrita, cada um responsável por um capítulo. Resultado final: um documento acadêmico de 100 páginas com citações, gráficos de metodologia e análise da rede de citações.

literature review

Perspectivas em escala

Caso: Revisão por especialistas de uma estratégia de lançamento de produto O Agent Swarm implantou subagentes especialistas com diferentes perspectivas (Gerente de Produto, Investidor, Sucesso do Cliente) para revisar uma estratégia de lançamento.

expert review

Ver resultado

Caso: O Problema dos Três Corpos reescrito em 20 estilos literários 20 subagentes "escritores" compuseram de forma independente em estilos distintos — de Virginia Woolf a Borges e Kafka.

Ver resultado

Mergulho técnico

Arquitetura central: Comandante + Especialistas

  • Orquestrador = Treinador/Comandante: enxerga o todo e define a estratégia
  • Subagentes = Jogadores: cada um focado em um papel específico

Decisão de design fundamental: congelar os jogadores e treinar apenas o treinador

Todos os subagentes mantêm as capacidades existentes; apenas o orquestrador evolui por meio de aprendizado por reforço. Isso garante clara atribuição de responsabilidades e estabilidade no treinamento.

Como evitar a "preguiça":

  • Colapso serial: o orquestrador entrega tudo a um único subagente
  • Paralelismo falso: subtarefas sem sentido criadas apenas para inflar métricas

Solução: mecanismo de recompensa tridimensional

  1. Qualidade do resultado final
  2. Paralelismo real alcançado
  3. Taxa de conclusão das subtarefas

Métrica de etapas críticas

O Agent Swarm calcula o tempo do subagente mais lento em cada etapa. Isso força uma otimização real do processo, em vez de uma divisão cega das tarefas.

Context Sharding

Cada subagente concentra-se em seu próprio "caderno", registrando os detalhes relevantes de forma independente. Apenas as conclusões principais são reportadas ao orquestrador — preservando o raciocínio sem sobrecarregar a memória.

Resultados no mundo real

No benchmark BrowseComp:

  • Precisão: 15,9% (agente único) → 33,3%
  • Etapas críticas reduzidas em cerca de 40%

Cenários de aplicação

O K2.6 Agent Swarm [Beta] é especialmente indicado para:

  1. Recuperação de informações em larga escala: coleta massiva de dados da internet
  2. Downloads em lote: coleta de arquivos e recursos em larga escala
  3. Leitura de amplo alcance: processamento de mais de 100 documentos
  4. Escrita de textos longos: conteúdo com mais de 100.000 palavras
  5. Programação complexa: desenvolvimento de front-end, revisão de código e refatoração
  6. Automação de escritório: documentos profissionais, planilhas e apresentações

Leitura complementar:

K2.6 Agent Swarm [Beta] - Central de Ajuda Kimi