Há três semanas, escrevi uma introdução ao Kimi K2.6 e o chamei de modelo que a maioria das pessoas estava ignorando.
O artigo foi publicado, as pessoas testaram, e metade delas voltou com a mesma pergunta.
"Tá, mas como eu realmente uso essa coisa para trabalho de verdade?"
Esta é a resposta: mais profunda que a introdução, menos superficial, mais tática.
Os novos recursos, os quatro modos que a maioria dos operadores nem sabe que existem, os prompts para copiar e testar hoje, e os casos de uso que ninguém está escrevendo ainda.
Se você leu o primeiro artigo, esta é a continuação que queria. Se não leu, vai se atualizar rápido.
O rápido resumo…
Kimi K2.6 é o modelo open source da Moonshot AI, lançado em 20 de abril de 2026. É gratuito e custa cerca de US$ 0,55–0,80 por milhão de tokens de entrada via API, aproximadamente 7 a 10 vezes mais barato que o Claude para o mesmo trabalho, dependendo do volume de saída.
O destaque técnico são 300 subagentes executando 4.000 etapas coordenadas em paralelo.
Isso é o enxame de agentes: um prompt → centenas de agentes trabalhando simultaneamente, um orquestrador mesclando os resultados.
Esse número de destaque é onde a maioria dos artigos para. A verdadeira história é por que a arquitetura existe em primeiro lugar.
Por que a IA de agente único atingiu um teto estrutural
Esta é a perspectiva da Moonshot, não minha, e impacta mais que qualquer tutorial.
Por três anos, a indústria de IA vem refinando o martelo. Inferência mais rápida, contexto mais longo, tokens mais baratos. Cada lançamento foi sobre tornar a ferramenta um pouco melhor.
O problema é que o carpinteiro ainda tem duas mãos e vinte e quatro horas por dia. Um martelo melhor não adianta se o gargalo nunca foi o martelo.
Aqui está a parte que a maioria pula: peça a uma ferramenta de pesquisa profunda de agente único para pesquisar cem empresas ou sintetizar dezenas de artigos.
Conforme a tarefa se arrasta, a janela de contexto enche, o sistema recorre ao folding de histórico ou sumarização para abrir espaço para novos tokens.
Essa compressão é com perdas, e cada etapa subsequente de raciocínio piora.
Isso não é um bug ou uma limitação temporária. É um teto estrutural imposto pelo próprio modelo de execução sequencial de agente único. Você não conserta com um modelo mais inteligente. Só conserta abandonando a arquitetura.
É isso que o Agent Swarm é: não um agente único melhor, mas uma reconstrução da oficina inteira.
K2.5 tinha 100 subagentes e 1.500 etapas coordenadas. K2.6 tem 300 subagentes e 4.000 etapas.
Resultados reais em tarefas de longo prazo entregam até 4,5x mais velocidade que um agente sequencial no mesmo trabalho, com qualidade final mais alta porque o enxame evita estruturalmente o colapso de contexto que quebra agentes únicos.
Os números de destaque são reais, e a razão pela qual importam é que o gargalo mudou.
Agent Swarm é uma organização que se projeta sozinha
A frase do post de pesquisa da Moonshot que quase ninguém cita:
"Esta não é a história de muitos agentes de IA trabalhando juntos. O que estamos construindo é uma estrutura organizacional com chefes, funcionários e divisão de trabalho, exceto que esta organização não é projetada por humanos. Ela se projeta sozinha."
Quando você dá um objetivo ao Agent Swarm, não está comandando um assistente. Está contratando um CEO. Esse CEO então encontra os pesquisadores, os analistas, os verificadores de fatos, tudo por conta própria.
Você não microgerencia. Você não escolhe o time. Você define a entrega, e o enxame constrói a organização necessária para entregá-la.
🚨 Ok, isto é o que o Agent Swarm me deu como resposta à simples pergunta "Mostre-me o que você pode fazer"
Essa auto-organização é a verdadeira chave. Qualquer outro sistema "multiagente" no mercado é LLM A chamando LLM B em um loop fixo que você teve que projetar.
O enxame da Kimi constrói o organograma do zero toda vez, dimensionado para o trabalho à sua frente.
Como o Swarm realmente funciona
Cinco coisas acontecem nos bastidores quando você envia uma tarefa de enxame.
Decomposição. O coordenador quebra seu objetivo em subtarefas especializadas por domínio. Pesquisa vai para agentes de pesquisa, síntese para agentes de síntese, escrita para agentes de escrita.
Correspondência de agentes. Cada subtarefa é roteada para o subagente mais adequado com base em habilidades e ferramentas. Esse roteamento é o motivo pelo qual K2.6 atingiu 86,3% no BrowseComp no modo Swarm contra 78,4% do K2.5: mesmos trabalhadores, despacho mais inteligente.
Execução paralela. Todos os subagentes trabalham simultaneamente com sua própria janela de contexto delimitada, o que elimina o problema de colapso de contexto que quebra execuções de agente único.
Recuperação de falhas. Quando um subagente trava, o coordenador redireciona e reassigna. O enxame se autocura durante a execução.
Síntese. As saídas se mesclam em uma entrega coerente, com contradições resolvidas.
Há uma sexta coisa que ninguém menciona: discordância estrutural. Agentes independentes naturalmente chegam a conclusões diferentes em questões sobrepostas; o coordenador força a reconciliação, e isso evita estruturalmente o pensamento de grupo. É por isso que a saída do enxame frequentemente parece mais afiada do que o que um único modelo produz.
Os próprios exemplos da Moonshot que comprovam isso: o enxame reuniu mais de 200 ensaios de Paul Graham espalhados por sites pessoais e arquivos em 6 pastas temáticas com um relatório resumido completo, um único prompt.
Outra execução encontrou os 3 principais criadores em 100 nichos de domínios do YouTube, definindo cada nicho por conta própria antes de despachar 100 subagentes paralelos.
O padrão é o mesmo em ambos: uma montanha de coisas para encontrar ou processar, onde cada item é independente. Esse é o ponto ideal. Para tarefas sequenciais onde a etapa N depende da etapa N-1, fique no modo de agente único.
Como o Swarm realmente funciona — quarto. Instant para consultas rápidas, Thinking para análise e código complexo, Agent para tarefas autônomas médias, como um relatório de 10 páginas, Agent Swarm apenas quando o trabalho realmente paraleliza. A maioria dos operadores usa Swarm por padrão e paga por paralelismo que nunca usam. Corresponda o modo ao tamanho da tarefa.
Três recursos subutilizados e o que construir com eles
Execute /plan antes de /swarm — quase ninguém ensina isso.
/plan mostra exatamente como a Kimi irá decompor sua tarefa em subagentes e etapas antes que qualquer trabalho aconteça.
Você vê o plano, ajusta se os agentes estiverem errados, então confirma.
Não custa nada; um enxame de 200 agentes decomposto errado custa dinheiro de verdade.
Document to Skills: Envie seu melhor trabalho: um relatório refinado, uma landing page, um deck que fechou um negócio. A Kimi captura a impressão digital estrutural e estilística como uma habilidade reutilizável que todo enxame futuro aplica automaticamente. Está no menu, quase ninguém usa.
Design orientado a código: Mesmo prompt, dois resultados diferentes. Claude segue layouts padronizados e limpos. Kimi trata a UI como um problema de codificação primeiro, emparelhado com o codificador MoonVIT, e produz layouts editoriais que parecem intencionalmente compostos.
Peça a ambos para "projetar uma landing page para o The J Hotel". Claude retorna um formulário de reserva centralizado em azul-marinho com detalhes dourados, parece toda página de hotel feita por IA.
Kimi retorna um layout editorial alinhado à esquerda com uma foto hero quente, "Book a Stay" flutuando sobre a imagem, tipografia que parece projetada.
Se você entrega front-end em escala, mude para a Kimi para essa parte do fluxo de trabalho.
Seis coisas para construir hoje:
Estratégias de entrada no mercado em várias fases, gerando PDF, Excel e PowerPoint em uma única execução.
Mergulhos acadêmicos comparativos, puxando 24 meses de artigos relacionados em uma análise de 40 páginas.
Dashboards financeiros a partir de CSVs brutos com integração de dados macro.
Auditorias de biblioteca de conteúdo, reescrevendo 50 posts antigos com impressão digital consistente.
Alcance em escala de 300 prospects, em vez de 30 sequenciais.
Refatorações de código de longo prazo, dividindo uma base de código legada de 50.000 linhas por módulo, executando autonomamente por 24 a 36 horas.
Três prompts reais para testar hoje:
Estes são de nível operador: escopo definido, regras de fonte, tratamento de erros e condições de limite — não os prompts genéricos que inundam o feed.
Teste 1: Agent Swarm pesquisa paralela
Mude a Kimi para o modo Agent Swarm e cole isto.
O que você deve ver: o enxame dividindo a pesquisa entre vários agentes, cada um puxando de fontes diferentes em paralelo, depois mesclando em uma única entrega limpa. Cronometre contra fazer isso manualmente.
Teste 2: Document to Skills
Encontre seu melhor trabalho profissional. Um relatório, uma proposta, um deck, qualquer coisa de que se orgulhe. Faça upload e cole isto.
O que você deve ver: um novo documento sobre um tópico completamente diferente que parece ter sido escrito pelo mesmo autor. Esta é a chave para produzir resultados premium em escala.
Teste 3: Modo Plan para validação do enxame
Antes de qualquer execução cara do enxame, teste a decomposição.
O que você deve ver: a Kimi detalhando exatamente como atacaria a tarefa antes de confirmar. O seguro mais barato que você pode comprar antes de iniciar um enxame de 200 agentes.
E uma das partes mais importantes | O custo, honestamente.
Alguns números aproximados para você calibrar:
O nível gratuito no kimi dá acesso aos modos Instant e Thinking imediatamente; Agent e Agent Swarm exigem o plano Allegretto, mas, francamente, diria que vale a pena.
O preço da API fica em torno de US$ 0,55–0,80 por milhão de tokens de entrada e US$ 2,65–3,60 por milhão de tokens de saída, dependendo do endpoint e do roteamento.
Aproximadamente 7 a 10 vezes mais barato que o Claude Opus para a mesma carga de trabalho.
Uma execução de pesquisa com 100 agentes que produz um relatório de 40 páginas com citações e um conjunto de dados estruturado geralmente custa de US$ 2 a US$ 6 em tokens.
O mesmo trabalho via Claude Code com orquestração manual custa de US$ 30 a US$ 80 e leva três vezes mais tempo.
Self-hosting é gratuito se você tiver o hardware; os pesos estão no Hugging Face sob a Licença MIT Modificada.
- Leo
