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.
"Ok, mas como eu realmente uso isso para trabalho de verdade?"
Esta é a resposta, mais aprofundada 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 sobre os quais ninguém está escrevendo ainda.
Se você leu o primeiro artigo, esta é a continuação que queria. Se não leu, vai se atualizar rapidinho.
O rápido resumo...
O Kimi K2.6 é o modelo de código aberto 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
Este é o argumento da Moonshot, não meu, e impacta mais do 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 das pessoas 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 se enche, o sistema recorre à compactação ou sumarização do histórico para abrir espaço para novos tokens.
Essa compactação causa perda de dados, e cada etapa de raciocínio subsequente fica pior.
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 pode consertar isso com um modelo mais inteligente. Só pode consertar abandonando a arquitetura.
É isso que o Enxame de Agentes é: não um agente único melhor, mas uma reconstrução de toda a oficina.
O K2.5 tinha 100 subagentes e 1.500 etapas coordenadas. O K2.6 tem 300 subagentes e 4.000 etapas.
Resultados do mundo real em tarefas de longo prazo oferecem até 4,5x mais rapidez na execução do que um agente sequencial no mesmo trabalho, com qualidade final superior porque o enxame evita estruturalmente o colapso de contexto que quebra os agentes únicos.
Os números de destaque são reais, e a razão pela qual eles importam é que o gargalo mudou.
O Enxame de Agentes 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 Enxame de Agentes, você não está comandando um assistente. Você está contratando um CEO. Esse CEO então encontra os pesquisadores, os analistas, os verificadores de fatos, tudo sozinho.
Você não faz microgerenciamento. Você não escolhe a equipe. Você define o entregável, e o enxarme constrói a organização necessária para entregá-lo.
🚨 Ok, isso é o que o Enxame de Agentes me deu como resposta à pergunta simples "Me mostre o que você pode fazer"
Essa auto-organização é a verdadeira chave. Todo outro sistema "multiagente" no mercado é o LLM A chamando o LLM B em um loop fixo que você teve que projetar.
O enxame do Kimi constrói o organograma do zero a cada vez, dimensionado para o trabalho à sua frente.
Como o Enxame realmente funciona
Cinco coisas acontecem nos bastidores quando você envia uma tarefa de enxame.
Decomposição. O coordenador divide seu objetivo em subtarefas especializadas por domínio. Pesquisa vai para agentes de pesquisa, síntese para agentes de síntese, redação para agentes de redação.
Correspondência de agentes. Cada subtarefa é roteada para o subagente mais adequado com base em habilidade e ferramentas. Esse roteamento é a razão pela qual o K2.6 atingiu 86,3% no BrowseComp no modo Enxame contra 78,4% do K2.5, mesmos trabalhadores, despacho mais inteligente.
Execução paralela. Todos os subagentes trabalham simultaneamente com sua própria janela de contexto isolada, o que elimina o problema de colapso de contexto que quebra as execuções de agente único.
Recuperação de falhas. Quando um subagente trava, o coordenador redireciona e reatribui. O enxame se autocura durante a execução.
Síntese. As saídas se fundem em um único entregável coerente, com contradições resolvidas.
Há uma sexta coisa sobre a qual ninguém fala: discordância estrutural. Agentes independentes naturalmente chegam a conclusões diferentes em questões sobrepostas, o coordenador força a reconciliação, e isso estruturalmente evita o pensamento de grupo. É por isso que a saída do enxame geralmente parece mais precisa 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 de resumo completo, com um único prompt.
Outra execução encontrou os 3 principais criadores em 100 nichos de domínios do YouTube, definindo cada nicho 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 Enxame realmente funciona: quatro modos. Instantâneo para consultas rápidas, Pensamento para análise e código complexo, Agente para tarefas autônomas médias como um relatório de 10 páginas, Enxame de Agentes apenas quando o trabalho genuinamente se paraleliza. A maioria dos operadores escolhe o Enxame por padrão e paga por paralelismo que nunca usa. Combine 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 o Kimi decomporá sua tarefa em subagentes e etapas antes de qualquer trabalho acontecer.
Você vê o plano, ajusta se os agentes estiverem errados e então confirma.
Não custa nada, um enxame de 200 agentes decomposto errado custa dinheiro de verdade.
Documento para Habilidades: Carregue seu melhor trabalho, um relatório polido, uma página de destino, uma apresentação que fechou um negócio. O 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. O Claude usa layouts de modelo limpos por padrão. O Kimi trata a UI como um problema de codificação primeiro, emparelhado com o codificador MoonVIT, e produz layouts editoriais que parecem intencionalmente compostos.
Teste com ambos: "projete uma página de destino para o The J Hotel". O Claude retorna um formulário de reserva centralizado em azul marinho com detalhes dourados, parece toda página de hotel feita por IA.
O Kimi retorna um layout editorial alinhado à esquerda com uma foto de herói calorosa, "Reserve agora" flutuando sobre a imagem, tipografia que parece projetada.
Se você entrega front-end em escala, mude para o Kimi para essa parte do fluxo de trabalho.
Seis coisas para construir hoje:
Estratégias de entrada no mercado multifásicas produzindo PDF, Excel e PowerPoint em uma única execução.
Análises acadêmicas comparativas profundas reunindo 24 meses de artigos relacionados em uma análise de 40 páginas.
Painéis 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 fixo, regras de fonte, tratamento de erros e condições de limiar, não os prompts genéricos que inundam o feed.
Teste 1: Pesquisa paralela do Enxame de Agentes
Mude o Kimi para o modo Enxame de Agentes e cole isto.
O que você deve ver: o enxame dividindo a pesquisa entre vários agentes, cada um puxando de fontes diferentes em paralelo, e depois mesclando em um único entregável limpo. Cronometre isso contra fazer manualmente.
Teste 2: Documento para Habilidades
Encontre seu melhor trabalho profissional. Um relatório, uma proposta, uma apresentação, qualquer coisa de que se orgulhe. Carregue 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 conteúdo premium em escala.
Teste 3: Modo de plano para validação do enxame
Antes de qualquer execução cara do enxame, teste a decomposição.
O que você deve ver: o Kimi detalhando exatamente como atacaria a tarefa antes de se comprometer. A apólice de seguro mais barata que você pode comprar antes de iniciar um enxame de 200 agentes.
E uma das partes mais importantes | A questão do custo, honestamente.
Alguns números aproximados para você calibrar:
O nível gratuito do Kimi dá acesso aos modos Instantâneo e Pensamento imediatamente. Agente e Enxame de Agentes exigem o plano Allegretto, mas, francamente, acho 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.
Cerca de 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 US$ 2 a 6 em tokens.
O mesmo trabalho via Claude Code com orquestração manual custa US$ 30 a 80 e leva três vezes mais tempo.
Auto-hospedagem é gratuita se você tiver o hardware, os pesos estão no Hugging Face sob a Licença MIT Modificada.
- Leo
