体验 Kimi

K2.6 Agent Swarm [测试版]

K2.6 Agent Swarm [测试版] 采用一种“横向扩展”架构，可协调最多 300 个子 Agent 并行工作——无需预设角色，也不必手工编排工作流。相比单 Agent 执行，任务完成速度约提升 4.5 倍。

2026 年 1 月 27 日，Moonshot AI 发布 Kimi K2.5，并推出 Agent Swarm [测试版]。2026 年 4 月 20 日，Moonshot AI 发布并开源 Kimi K2.6，对 Agent Swarm 架构进行了重大升级：

  • 最多 300 个子 Agent 同时工作
  • 单个任务可完成超过 4,000 次工具调用
  • 相比单 Agent 顺序执行，速度提升 4.5 倍

背后的故事

2025 年，AI 行业的主流叙事聚焦于纵向扩展——更大的模型、更多的参数。但这条路会遇到一个结构性瓶颈：单线程顺序执行。

Agent Swarm 源自一个真实场景：一位团队成员尝试自动化收集每日股票资讯，当 if-else 代码写到 100 行时，她意识到：“我正在手写一个多 Agent 系统。”既然模型能使用工具，为什么不能让它们自己搭建架构？

Agent Swarm 是一种自设计的组织结构——由 AI 设计，而不是由人来设计。主 Agent（orchestrator）可自主调度最多 300 个子 Agent，执行多达 4,000 个并行工作流步骤。

群体

K2.6 Agent Swarm [测试版] 采用 PARL（Parallel-Agent Reinforcement Learning）训练方法。在大规模搜索场景中，相比单 Agent 方案，它可将关键步骤减少 3–4.5 倍。

如何使用？

截图 8

入口：

  • Web：kimi.com/agent-swarm
  • 移动端：Kimi app → 切换模式 → 选择 K2.6 Agent Swarm [测试版]

测试版权限：K2.6 Agent Swarm [测试版] 目前面向 Moderato、Allegretto、Allegro 和 Vivace 会员开放。相比标准 Agent 任务，此类任务会消耗显著更多额度。

步骤：

  1. 描述并发送你的任务（例如：“收集 200+ 篇 Paul Graham 文章”）
  2. 实时查看进展：任务列表创建、子 Agent 生成、并行执行
  3. 接收交付物：代码项目、文件夹、数据分析、Office 文档
  4. 预览、下载或分享结果
  5. 后续轮次可切换到单个 K2.6 Agent 继续处理

使用场景

大规模发现

案例 1：100 个 YouTube 细分领域中的 Top 3 创作者

K2.6 Agent Swarm [测试版] 创建了 300 个子 Agent 进行并行搜索，并生成包含频道名称、订阅者数量和简介的结构化表格。

YouTube

查看结果

案例 2：收集 200+ 篇 Paul Graham 文章

Agent Swarm 调度子 Agent 对 200+ 篇文章进行搜索、下载、分类和总结，并整理到主题文件夹中。

查看结果

大规模输出

案例：基于 40 份 PDF 生成 100 页文献综述

K2.6 Agent Swarm [测试版] 调度多个专注写作的子 Agent，每个子 Agent 负责一个章节。最终输出：一份 100 页的学术文档，包含引文、方法论图表和引文网络分析。

文献综述

大规模视角

案例：产品发布策略专家评审 Agent Swarm 调度具有不同视角的专家子 Agent（产品经理、投资人、客户成功）来评审一份发布策略。

专家评审

查看结果

案例：以 20 种文学风格改写《三体》 20 个“写手”子 Agent 以不同风格独立创作——从 Virginia Woolf 到 Borges，再到 Kafka。

查看结果

技术深度解析

核心架构：指挥官 + 专家

  • Orchestrator = 教练/指挥官：把握全局，制定策略
  • 子 Agent = 队员：各自专注于特定角色

关键设计：固定队员，只训练教练

所有子 Agent 保留原有能力；只有 orchestrator 通过强化学习获得提升。这带来了清晰的责任归因和稳定的训练过程。

防止“偷懒”：

  • 串行坍缩：orchestrator 把所有事情都交给一个子 Agent
  • 伪并行：为了刷指标而拆出没有意义的子任务

解决方案：三维奖励机制

  1. 最终结果质量
  2. 实现真正并行
  3. 子任务完成率

关键步骤指标

Agent Swarm 会计算每个阶段中最慢子 Agent 的耗时。这会促使系统真正优化流程，而不是盲目拆分任务。

上下文分片

每个子 Agent 专注于自己的“笔记本”，独立记录相关细节。只有关键结论会汇报给 orchestrator——既保留推理过程，又避免记忆负担过重。

真实世界结果

在 BrowseComp 基准测试中：

  • 准确率：15.9%（单 Agent）→ 33.3%
  • 关键步骤减少约 40%

应用场景

K2.6 Agent Swarm [测试版] 尤其适合：

  1. 大规模信息检索：海量互联网数据收集
  2. 批量下载：大规模文件与资源收集
  3. 广范围阅读：处理 100+ 份文档
  4. 长篇写作：生成超过 100,000 字的内容
  5. 复杂编程：前端开发、代码审查、重构
  6. Office 自动化：专业文档、电子表格、演示文稿

延伸阅读：

K2.6 Agent Swarm [测试版] - Kimi 帮助中心