Moonshot выпустила Kimi K2.5: рой из 100 субагентов и 1500 вызовов инструментов

Moonshot AI представила Kimi K2.5, мультимодальную модель, которую сама называет самой сильной открытой на сегодняшний день. Она построена на Kimi K2 и дообучена примерно на 15 трлн смешанных визуальных и текстовых токенов. Главная новинка — Agent Swarm: модель самостоятельно разворачивает до 100 субагентов и проводит до 1500 вызовов инструментов. По данным компании, это сокращает время выполнения сложных задач до 4,5 раза по сравнению с одиночным агентом.

Как устроен рой

Субагентов не прописывают вручную. Оркестратор сам раскладывает задачу на параллельные подзадачи и создаёт исполнителей на лету: например, исследователя, физика или проверяющего факты. Обучали его через Parallel-Agent Reinforcement Learning (PARL). Оркестратор поддаётся обучению, а субагенты заморожены. Из-за этого обратная связь приходит с задержкой, редко и нестационарно.

У такой схемы два типичных сбоя. Первый — serial collapse: оркестратор скатывается к одиночному выполнению, хотя мог бы распараллелить работу. Второй — spurious parallelism: он плодит субагентов ради красивой метрики без настоящей декомпозиции. Против первого в награду добавлен бонус за создание субагентов, против второго — награда за долю завершённых подзадач. Оба коэффициента по ходу обучения сводятся к нулю, остаётся только награда за результат.

Ещё одно решение — метрика Critical Steps, аналог критического пути в параллельных вычислениях. Она суммирует шаги главного агента и самого медленного субагента на каждом этапе, так что лишние субагенты помогают, только когда сокращают критический путь.

• Масштаб: до 100 субагентов, до 1500 скоординированных шагов.
• Скорость: до 4,5x по времени выполнения; в внутренних тестах задержка сокращается на 80%.
• Критические шаги: в сценариях широкого поиска их нужно в 3–4,5 раза меньше.
• Контекст: 256 тыс. токенов в тестах.
• HLE без инструментов: 31,5 (текст) и 21,3 (изображения).
• HLE с инструментами: 51,8 (текст) и 39,8 (изображения).
• Офисные бенчмарки: +59,3% (AI Office) и +24,3% (General Agent) к K2 Thinking.

Код, зрение и офис

Moonshot подчёркивает фронтенд: по одному запросу модель собирает интерфейсы с анимациями, включая эффекты при скролле. Она умеет восстанавливать сайт по видео и отлаживать вёрстку визуально — смотрит на собственный результат и итеративно правит его. По словам авторов, на таком масштабе предобучения компромисс между зрением и текстом исчезает: обе способности растут вместе.

Для разработки компания выпустила Kimi Code, открытый инструмент для терминала. Он интегрируется с VSCode, Cursor и Zed, принимает изображения и видео, а существующие навыки и MCP находит и переносит сам. Отдельно описан офисный сценарий: Word с аннотациями, финансовые модели со сводными таблицами, формулы LaTeX в PDF, документы до 100 страниц.

К цифрам нужны оговорки. Тесты провёл сам разработчик. Сравнение шло с DeepSeek-V3.2, Claude Opus 4.5, GPT-5.2 (xhigh) и Gemini 3 Pro, а в визуальных тестах ещё и с Qwen3-VL-235B-A22B-Thinking. GPT-5.2 xhigh оценили не везде из-за нестабильности сервиса. В визуальных тестах у него было около 10% отказов, которые засчитали как ошибки, и авторы признают, что его результат, вероятно, занижен. Часть метрик, включая Kimi Code Bench и офисные бенчмарки, внутренняя. Для воспроизведения Moonshot советует официальный API или провайдеров, проверенных через Kimi Vendor Verifier.

С чего начать

Разработчикам логично начать с Kimi Code в связке с K2.5: инструмент открыт, встраивается в привычные IDE, а проверку визуальной отладки можно провести на собственном фронтенде. Командам с задачами на широкий поиск и сбор данных стоит протестировать Agent Swarm. Сейчас он в бете на Kimi.ai, бесплатные кредиты получают пользователи старших платных тарифов.

При сравнении с конкурентами замеряйте не только точность, но и время выполнения и стоимость, поскольку именно на них рассчитан рой. Если запускаете модель у стороннего провайдера, сверьтесь с Kimi Vendor Verifier, иначе результаты могут заметно разойтись с опубликованными. Полный технический отчёт с системными промптами Moonshot только обещает.