Kimi запускает Agent Swarm: до 100 субагентов и 1500 вызовов инструментов

Moonshot AI добавила в Kimi K2.5 режим Agent Swarm. Получив задачу, модель сама решает, как её разделить, создаёт до 100 субагентов, запускает их параллельно и тратит на работу свыше 1500 вызовов инструментов. По заявлению компании, итог получается в 4,5 раза быстрее, чем при последовательном выполнении. Функция вышла как early research preview и пока доступна только подписчикам верхнего тарифа.

Потолок одиночного агента

Исходная диагноз в блоге Kimi звучит так: главное ограничение сегодня не интеллект модели, а последовательная схема работы одного агента. Если попросить deep research-инструмент обзорно изучить сотню компаний или свести воедино десятки статей, контекстное окно постепенно заполняется. Система начинает сворачивать историю и пересказывать её, чтобы освободить место для новых токенов. Такое сжатие идёт с потерями, и поздние шаги рассуждения получаются хуже. В Moonshot называют это структурным потолком, а не временным багом.

Ответ компании: масштабировать не только вверх (больше параметров, выше баллы на бенчмарках), но и вширь. Один агент работает как один эксперт, а сеть самоорганизующихся агентов ближе к небольшой компании.

Как это родилось

Предыстория скромная. В июне 2025 года, вскоре после запуска Kimi Researcher, сотрудница команды, увлекающаяся трейдингом, решила автоматизировать ежедневный сбор данных по акциям. Нужно было проверять новости о макротрендах, запрашивать историю количества «лимит-апов» и углубляться, если условия совпадают. Она писала на Python каскад из if-else и на сотой строке поняла, что вручную строит мультиагентную систему. Отсюда вопрос: если модель умеет пользоваться инструментами и держать длинные задачи, почему она не может сама решать, когда параллелить работу, кого «нанимать» и как делегировать?

В Agent Swarm главный агент играет роль руководителя: он находит исполнителей (исследователей, аналитиков, фактчекеров) и создаёт их под конкретную задачу. Пользователю не нужно прописывать оркестрацию.

Характеристики

• Модель: Kimi K2.5
• Параллельные субагенты: до 100
• Вызовы инструментов за задачу: более 1500
• Скорость: в 4,5 раза выше, чем при последовательном выполнении (данные компании, независимых замеров нет)
• Статус: early research preview, доступ для подписчиков верхнего тарифа
• В планах: прямая коммуникация между субагентами и динамическое управление шириной параллелизма

Что показывает Kimi

Примеры в блоге делятся на три типа. Первый: поиск в масштабе. Агент определяет 100 нишевых YouTube-тематик и для каждой запускает отдельного субагента, чтобы найти топ-3 авторов. В другом примере рой собрал более 200 эссе Пола Грэма, разбросанных по личным сайтам, старым блогам и расшифровкам выступлений, и разложил их по шести тематическим папкам с итоговым отчётом.

Второй тип: объёмный результат. Из 40 PDF по социальной психологии получился 100-страничный литературный обзор в две колонки с оформленными ссылками. Субагенты-авторы берут на себя отдельные разделы, затем тексты сводятся воедино.

Третий тип самый любопытный: намеренное несогласие. Продуктовый план оценивают скептичный венчурный инвестор, опытный PM, специалист по этике и руководитель customer success. Для литературного эксперимента 20 «писателей» в стилях от Вирджинии Вулф до Борхеса и Кафки продолжают «Задачу трёх тел» Лю Цысиня. Авторы блога утверждают, что независимые агенты приходят к разным выводам, а потом их нужно согласовать. Это, по их словам, структурно защищает от группового мышления.

Как пробовать

Рой имеет смысл там, где работа действительно параллелится: широкий ресерч, пакетные загрузки, обработка множества файлов, многоракурсный анализ, длинные тексты. Если шаги жёстко зависят друг от друга, выигрыш, судя по логике подхода, будет заметно меньше. Это наш вывод, а не заявление Moonshot.

Есть и практические оговорки. Более 1500 вызовов инструментов означают заметный расход токенов, и в самом блоге грамотность эпохи ИИ half-шутя меряют количеством потраченных токенов. Результат такой работы стоит проверять выборочно: сто агентов умеют уверенно ошибаться параллельно. Наконец, пока субагенты не общаются напрямую, а это одно из заявленных улучшений. Для начала подойдёт задача с чёткой структурой результата: таблица, набор папок, отчёт с разделами. Так проще оценить, оправдан ли заявленный множитель скорости.