Am 27. Januar dieses Jahres veröffentlichte Moonshot AI Kimi K2.5 – aufbauend auf K2 mit nativer Multimodalität und der Agent Swarm-Funktion.
Was ist Agent Swarm
Das Kernkonzept: Eine komplexe Aufgabe wird in mehrere Teilaufgaben zerlegt, jede Teilaufgabe wird einem unabhängigen Agent zur parallelen Ausführung zugewiesen.
Ein Beispiel – wenn Sie einen Agent bitten "Analysiere die Codequalität dieser 100 GitHub-Repositories":
- Traditioneller Ansatz: Ein Agent analysiert nacheinander 100 Repositories, serielle Ausführung
- Agent Swarm: 100 Unter-Agents arbeiten gleichzeitig, Ergebnisse werden zusammengeführt
Dieses Design löst direkt den größten Engpass im Agent-Szenario – Geschwindigkeit. Selbst der stärkste einzelne Agent arbeitet seriell.
Multimodale Fähigkeiten
K2.5 wurde auf Basis von K2-Base mit etwa 15 Billionen gemischten visuellen und Text-Token weiter vortrainiert und erreicht so natives multimodales Verständnis.
Das bedeutet, K2.5 kann nicht nur "Bilder sehen" – das Verständnis von Bildinhalten wird bereits in der Vortrainingsphase erlernt, nicht durch nachträgliches Anfügen eines Adapters. Natives multimodales Verständnis ist in der Qualität meist überlegen gegenüber nachträglich ergänzten Lösungen.
Open-Source-Strategie
Wie K2 geht auch K2.5 den offenen Weg. Es ist auf Hugging Face verfügbar. Moonshot AI zeigt sich in Sachen Open Source recht aggressiv – Modelle mit Billionen Parametern werden geöffnet, multimodale Modelle werden geöffnet, fast nichts wird zurückgehalten.
Position im Wettbewerbsumfeld
Im Vergleich zu Claude Codes Agent Teams und Microsofts Copilot Cowork legt Agent Swarm mehr Wert auf massive Parallelisierung statt auf Multi-Rollen-Kollaboration. Die Schwerpunkte sind unterschiedlich.
Auf der heimischen AI-Agent-Bahn treiben Moonshot AI, Zhipu, Alibaba und ByteDance ihre eigenen Projekte voran. Der Agent Swarm von Kimi K2.5 ist derzeit einer der klarsten Multi-Agent-Parallelansätze.
Quellen: CocoLoop, offizielle Ankündigung von Moonshot AI