K2.6 Agent Swarm [Beta]

Moonshot AI, 27 Ocak 2026'da Kimi K2.5'i yayımlayarak Agent Swarm [Beta]'yı tanıttı. 20 Nisan 2026'da ise Kimi K2.6'yı yayımlayıp açık kaynak olarak sundu ve Agent Swarm mimarisine kapsamlı yenilikler getirdi:

• Aynı anda en fazla 300 alt ajan
• Görev başına 4.000'den fazla araç çağrısı
• Tek ajanlı sıralı yürütmeye göre 4,5 kat daha hızlı

Bunun arkasındaki hikâye

2025 yılında yapay zekâ sektörüne hâkim olan anlatı, dikey ölçeklendirme üzerine kuruluydu — daha büyük modeller, daha fazla parametre. Ancak bu yaklaşım yapısal bir tavana takılır: tek bir sıralı yürütme darboğazı.

Agent Swarm gerçek bir senaryodan doğdu: Ekip üyelerimizden biri günlük hisse senedi bilgisi toplama işini otomatikleştirmeye çalışırken 100 satırlık if-else koduyla karşılaşınca şunu fark etti: "Aslında elle çok ajanlı bir sistem yazıyorum." Madem modeller araç kullanabiliyor, neden kendi mimarilerini kuramasınlar?

Agent Swarm, kendi kendini tasarlayan bir örgütsel yapıdır — insanlar tarafından değil, yapay zekâ tarafından tasarlanır. Ana Ajan (orkestratör), en fazla 300 alt ajanı özerk biçimde yönetir ve en fazla 4.000 paralel iş akışı adımı yürütür.

K2.6 Agent Swarm [Beta], PARL (Parallel-Agent Reinforcement Learning) eğitim yöntemini kullanır. Tek ajanlı yaklaşımlarla karşılaştırıldığında, büyük ölçekli arama senaryolarında kritik adımları 3–4,5 kat azaltır.

Nasıl kullanılır?

Erişim Noktaları:

• Web: kimi.com/agent-swarm
• Mobil: Kimi uygulaması → Modu değiştir → K2.6 Agent Swarm [Beta] seçin

Adımlar:

1. Görevinizi tanımlayıp gönderin (örneğin, "200'den fazla Paul Graham makalesini topla")
2. Gerçek zamanlı ilerlemeyi izleyin: görev listesi oluşturma, alt ajan üretme, paralel yürütme
3. Çıktıları alın: kod projeleri, dosya klasörleri, veri analizleri, Office belgeleri
4. Sonuçları önizleyin, indirin veya paylaşın
5. Sonraki turlarda devam etmek için tek K2.6 Agent moduna geçin

Kullanım senaryoları

Ölçekli keşif

Örnek 1: 100 YouTube Nişinde İlk 3 İçerik Üreticisi

K2.6 Agent Swarm [Beta], paralel arama için 300 alt ajan oluşturdu ve kanal adları, abone sayıları ve açıklamalarla yapılandırılmış tablolar üretti.

Sonucu görüntüle

Örnek 2: 200'den Fazla Paul Graham Makalesini Toplama

Agent Swarm, 200'den fazla makaleyi arayıp indirmek, sınıflandırmak ve özetlemek üzere alt ajanlar görevlendirdi ve bunları temalı klasörlere yerleştirdi.

Sonucu görüntüle

Ölçekli üretim

Örnek: 40 PDF'ten 100 Sayfalık Literatür Taraması

K2.6 Agent Swarm [Beta], her biri bir bölümden sorumlu olan birden çok yazma odaklı alt ajan görevlendirdi. Nihai çıktı: atıflar, metodoloji grafikleri ve atıf ağı analizi içeren 100 sayfalık akademik bir belge.

Ölçekli bakış açısı

Örnek: Ürün Lansman Stratejisinin Uzman İncelemesi Agent Swarm, bir lansman stratejisini değerlendirmek için farklı bakış açılarına sahip uzman alt ajanlar (Ürün Müdürü, Yatırımcı, Müşteri Başarısı) görevlendirdi.

Sonucu görüntüle

Örnek: Üç Cisim Problemi'nin 20 Farklı Edebi Üslupta Yeniden Yazılması 20 "yazar" alt ajanı, Virginia Woolf'tan Borges'e ve Kafka'ya kadar birbirinden farklı üsluplarda bağımsız olarak metinler oluşturdu.

Sonucu görüntüle

Teknik ayrıntılar

Temel Mimari: Komutan + Uzmanlar

• Orkestratör = Koç/Komutan: Büyük resmi görür, stratejiyi belirler
• Alt ajanlar = Oyuncular: Her biri belirli bir role odaklanır

Anahtar Tasarım: Oyuncuları Dondur, Yalnızca Koçu Eğit

Tüm alt ajanlar mevcut yeteneklerini korur; yalnızca orkestratör pekiştirmeli öğrenme yoluyla gelişir. Bu, net bir hesap verebilirlik ve eğitim kararlılığı sağlar.

"Tembelliği" Önleme:

• Sıralı çöküş: Orkestratörün her şeyi tek bir alt ajana devretmesi
• Sahte paralellik: Ölçütleri kandırmaya yönelik anlamsız alt görevler

Çözüm: Üç Boyutlu Ödül Mekanizması

1. Nihai sonucun kalitesi
2. Gerçekleştirilen gerçek paralellik
3. Alt görev tamamlanma oranı

Kritik Adımlar Ölçütü

Agent Swarm, her aşamada en yavaş alt ajanın süresini hesaplar. Bu, körü körüne görev bölmek yerine sürecin gerçek anlamda optimize edilmesini zorunlu kılar.

Bağlam Parçalama (Context Sharding)

Her alt ajan kendi "not defterine" odaklanarak ilgili ayrıntıları bağımsız biçimde kaydeder. Orkestratöre yalnızca temel sonuçlar raporlanır — böylece akıl yürütme süreci korunurken bellek aşırı yüklenmez.

Gerçek Dünya Sonuçları

BrowseComp karşılaştırmasında:

• Doğruluk: %15,9 (tek ajan) → %33,3
• Kritik adımlar ~%40 azaldı

Uygulama senaryoları

K2.6 Agent Swarm [Beta] özellikle şu durumlar için uygundur:

1. Büyük ölçekli bilgi getirme: Devasa internet verisi toplama
2. Toplu indirme: Büyük ölçekli dosya ve kaynak toplama
3. Geniş kapsamlı okuma: 100'den fazla belgeyi işleme
4. Uzun metin yazımı: 100.000 kelimeyi aşan içerik
5. Karmaşık programlama: Önyüz geliştirme, kod inceleme, yeniden düzenleme
6. Ofis otomasyonu: Profesyonel belgeler, elektronik tablolar, sunumlar

İleri Okuma:

• Kimi Agent Swarm: Ölçekte 100 Alt Ajan
• Kimi K2.5: Görsel Ajan Zekâsı​
• Kimi K2.6: Açık Kaynak Kodlamada İlerleme