这两天 K2.5 的更新在海表里都赚足了辩论，一个原生多模态模子，提供了发轫进的编码和视觉功能，以及自主智能体集群范式——召唤一群 agent 过来完成任务，听上去也太酷了。

手段多 Agent，好酷炫好好玩

K2.5 咫尺照旧全量推出，客户端即可使用。K2.5 Agent 有免费体验次数，而 K2.5 集群则是付费功能，咫尺只对 Allegretto 霸术。订阅了也有点数名额：每个月起步 47 点，每次任务豪侈 3 点。

总体上是够用的，如果你拿不准主意，也可以参与今天的福利放送，领先体验一下。

不外手脚 Kimi 老用户，天然是买，买它。偶合手边有一堆文献需要吞并，懒平直动复制粘贴了，就发给 Kimi 大开集群步地让它融合惩办。

集群模子下，Kimi 还给这个地点加了个假想：会有一个工牌掉落下来，你可以看到是哪位「认真东说念主」在践诺任务。

吞并文档最终的成果可以，而且我还进一步建议让它整理和治愈各个层级的小标题，它可以杀青先分析、提决议、再践诺的链路。不外最佳是下载到腹地查抄形势，Kimi 自带的预览功能，无意候不可准确响应当轮次的修改成果。

为了进一步看它的多并发操作，我参考官方 demo，测试了一个任务：检索近三个月内所干系于集群式 agent 的文献，然后整理到一个 excel 表格里，索求中枢发现和不时改进点。

此次安排的「东说念主员」就相比多了，各个 agent 纷纷赶来搭救，每个东说念主都有我方分拨到的任务。

这个的耗时昭彰比之前要长了好多，但不首要，可以先挂机让它我方跑。同期，我又安排了一个测验多模态能力的任务。

这是上传给 Kimi 的原始素材图，视频版中有更多动效。Kimi 要作念的是把这个假想，移动为网页，同期保留系数的假想元素、格调。Prompt 写得毛糙，但履行使命是复杂的：既要识别、理解，又要生图，还要写前端。

这个任务也花了相比长的时辰，但最终成果很好。有一些小细节上的问题，比如图片排版，悬停和跳转有问题等。不外中枢的假想元素都保留了，况且网页功能也完备。

再回头来看，文献检索的任务也好了，整整王人王人列了一个 excel 出来：

{jz:field.toptypename/}

终末一个测试任务是：上小红书找达东说念主，要求是数码博主，粉丝量大于 5000，累计札记多于 100 条。这两个要求其实很宽松，真的找起来范围很大。

Kimi 遭遇的第一个问题是：进不去小红书。其实这里可以主动谈判用户，肖似 GPTagent 会用的宗旨。

但并莫得，Kimi 转而去了新榜握数据，这么既绕开了网页权限，又能径直读取数字。这不算是个很好的战术，终末只可握出来数目很少的博主，赫然小红书上不可能唯独这些。另外，被挡在平台外，也无法体现 Kimi 的视觉能力，毕竟握取的都是现成的数字。

不外总体上，Swarm Agent 给东说念主一种悠闲感。这些使命单体 agent 能不可作念？天然是可以，仅仅要花时辰、错漏多。而一群东说念主来作念，愈加的令东说念主释怀。

创「新」在那里？

说到这里，你可能会问：这未便是 Multi-Agent（多智能体）吗？好多公司都在作念啊。

要害区别在于「谁来当雇主」。

在传统的 Multi-Agent 系统中，东说念主类需要事前假想好通盘使命经由：谁认真什么、谁先谁后、礼貌若何汇总。就像搭积木一样，星空app注册登录你得先把图纸画好。而 Agent Swarm 的中枢改进在于—— AI 我粗浅是假想师。

Kimi 团队用了一种叫 PARL（Parallel-Agent Reinforcement Learning，并行代理强化学习）的老师步调，让模子学会了「分罢黜务」和「调换资源」的能力。你不需要告诉它「先派 3 个东说念主去搜贵府、再派 2 个东说念主去写回来」，它我方就能判断：这个任务稳妥拆成几份？每份派谁去作念？什么时候该并行、什么时候该串行？

换句话说，Multi-Agent 是「东说念主类编排的交响乐团」，Agent Swarm 是 AI 我方组队的爵士乐。

还有一个容易混浊的见地是 MoE：Mixture of Experts，混杂群众模子。主流大模子里面都用了 MoE 架构，但它们和 Agent Swarm 有余是两回事。

MoE 发生在模子里面。你可以把它理解为：模子里住着一群「群众」，每次惩办任务时，模子会动态决定激活哪几个群众来参与。但这些群众莫得寂寥的身份，也不会彼此融合，它们仅仅模子里面的不同计较旅途。

Agent Swarm 发生在模子外部。每个子代理都是一个相对寂寥的践诺单位，有我方的任务商量，可以并走时行，甚而可以调用器用（比如搜索网页、写代码）。它们之间是竟然的「融合关系」，而不是毛糙的「激活关系」。

用个不太严谨的比方：MoE 像是一个东说念主的大脑里分区使命，Agent Swarm 像是一个公司里的团队融合。

从实测和官方演示来看，Agent Swarm 至少在以下几类任务上发达出色：

第一类是大限度信息集合。 比如官决议例中 100 个领域创作家调研，以及咱们此次实测的小红书博主检索。惩办这类任务的共同特色是「可并行」——每个子任务相对寂寥，不需要太多中间融合。

第二类是视觉 + 代码的复杂任务。 Kimi K2.5 强调我方是「原生多模态」模子，能看懂图片和视频。集中 Agent Swarm 后，它可以一边分析 UI 截图，一边派不同代理诀别惩办布局、神志、交互逻辑，终末生成完满的前端代码。

第三类是长文档惩办。 官方提到，Kimi Agent 可以惩办「1 万字的论文或 100 页的文档」，援助 Word 批注、Excel 透视表、LaTeX 公式等高档功能。Agent Swarm 可以把长文档拆成多个章节，让不同代理并行惩办，再汇总成融合形势——正如最运转的实测案例一样。

不外，别急着旺盛，Agent Swarm 并非「开了挂」。在履行使用中，你会发现几个昭彰的范畴：

第一，任务自己得「可拆」。 如果任务步调之间有强依赖关系——比如「先想明晰论点，再去找把柄，终末才能写论断」——强行并行反而会帮倒忙。

第二，资本会权贵高涨。 100 个代理同期使命，意味着 100 倍的 API 调用。天然总时辰裁减了，但 Token 豪侈是实打实的。

第三，质地不一定比单 Agent 好。 在某些需要深度推理的任务上，比如数学施展、复杂编程题，单 Agent 的「深度想考步地」反而更可靠。Agent Swarm 的上风在于「广度」和「速率」，而不是「深度」。实测下来，部分任务 Kimi 会自动调剂成单 Agent 模子，这点 Kimi 团队成员也在 reddit 的线上问答里获取了阐述。

Kimi 团队眼中的异日

在 Reddit 的 AMA（Ask Me Anything）行为中，Kimi 团队回话了大都对于本领、居品和愿景的问题。透过这些回话，咱们可以免强出他们对 Agent Swarm 乃至通盘 AI 异日的想考。

在回话「Agent Swarm 下一步会若何发展」时，Kimi 团队线路了几个标的：

【更智能的调换】咫尺的 Agent Swarm 照旧能自动分罢黜务和创建子代理，但调换战术还相比「粗粒度」。异日有但愿能树立更致密的资源分拨——比如根据任务的进犯进度、复杂度、依赖关系，动态决定「派若干东说念主、干多久」。

【更深度的融合】当今的子代理之间通常有限，主淌若「各自干完活，把礼貌交给苍老汇总」。异日可能会援助子代理之间的径直融合，比如「A 代剪发现一个问题，可以主动呼唤 B 代理来襄理」。

【更无为的器用集成】Kimi 团队默示，他们正在膨大 Agent 可以调用的器用库，包括但不限于更多的办公软件、开荒环境、数据分析器用。商量是让 Agent Swarm 能竟然「端到端」地完成复杂使命流。

AMA 中还有一个问题很有兴趣：许多说法称，scaling law 照旧遭遇了上限，Kimi 团队如何看待这个问题呢？

Kimi 团队的回话是：Agent 集群便是他们走出的尝试。瞻望异日，大概会出现一种简直不、甚而有余不需要东说念主类先验信息的模子。

这个愿景听起来有些盼愿化，但细想之下颇有深意。昔时两年，AI 领域一直在「卷参数」——模子越来越大、算力越来越贵。而 Agent Swarm 代表了一种不同的想路：与其让一个超等大脑作念系数事，不如让一群大脑单干融合。

这可能才是通向 AGI 的更求实旅途：单唯一只蜜蜂并不起眼，但当无独有偶只蜜蜂协同使命时，它们能建造出精妙的蜂巢。