Kimi K2.6 开源：一个人，和他的 300 Agents

ESSAY

《企鹅月下追 Kimi》，的封面

之前画过一张图，叫「企鹅月下追 Kimi」... Moonshot 也是月下，但在看完 Kimi 的最新发布后，觉得下半句有了

Kimi 点兵，多多益善

Kimi 今天发了 K2.6，开源在 HuggingFace：

K2.6 对外的全面 benchmark，对手是 GPT-5.4、Claude Opus 4.6、Gemini 3.1 Pro

横向看，Humanity's Last Exam、DeepSearchQA、SWE-Bench Pro 三项跑赢三家旗舰。其余多数 benchmark 也贴在第一档

除此之外，还带来了这些东西，是我想重点说的：

→ Agent 集群

→ Claw 群组

→ 一篇叫 Attention Residuals 的论文

合在一起，指向了群体智能

先说 K2.6 的 Agent 集群

先看 K2.6 本身。代码能力比 K2.5 提升近 20%，任务步骤数平均少了 35%。跨语言泛化也在涨，Rust、Go、Python、前端、DevOps 都更稳

作为全天候 Agent 的底层模型，K2.6 的内部 Claw-bench 比 K2.5 涨了 10%。长程任务里，指令遵循和自我纠错的表现都上来了

按 Kimi 自己的定位，K2.6 在 Agent 场景对标 Claude Opus 4.6，价格是 Opus 的 1/8

但集群的重点不在单兵，过去调 AI 干活，一次只能要一个东西。要 PPT 换 prompt 重开，要 Excel 再换一次

K2.6 的集群改了这条规则，一次跑完，一整套产物同时出。Kimi 给这套起名 AgentSwarm，一次能拉 100 个不同专长的分身。分身用的都是 K2.6 底座，挂不同的 Skill 就分化出不同的专长

一个 Coordinator 在上面派活，下面挂几个各有专长的 subagent

比如我让 Kimi 给 Anthropic CEO 阿莫迪做一本画册，记录他从普林斯顿物理博士一路到 2021 带人分叉出 Anthropic 的全过程。Kimi 把任务拆成九个阶段，研究的子代理扒 Dario 的全部公开资料，排版的子代理把 PDF 做成画册，做表的子代理整理出他每一次离开和加入的决策节点 Excel，写稿的子代理用第一人称写一封《Dear 2008》。同时跑完

九个分身各管一段时间。慎思这只，专研 Dario 的 OpenAI 那几年

在这个集群里，常驻一个 Coordinator，拆任务、派角色、审成果都归它

而在这里，Skill 是给 AI 的工作说明书。把一份你认可的产物丢给 Kimi，研报、论文、商业计划书都行，它会把里面的分析框架、语言风格、排版结构学下来，存成一个 Skill

比如你找到一份 20 年前高盛写的并购白皮书，扔给 Kimi，20 分钟后你有一个「高盛并购方法论」的 Skill。下次 Agent 集群做并购分析，挂上就行

集群解决产能，Skill 解决标准

这里，我让他帮我去给阿莫迪来写一个深度研究，

然后他给我做出了一份 80 页的 PPT，还有各种深度材料

这里，Kimi 以 Agent 集群点专长

AgentSwarm 跑出的交易系统多目标性能优化路径图

再看 Claw 群组

Kimi Claw 是 Kimi 的龙虾 Agent：

Claw 群组，则是让这些龙虾进同一个群聊一起干活，组织协作，一键出道

建群入口，Kimi 自己来当群聊协调员。十三香进簋街美食群，决定虾生的下一步

作为用户，可以新建一个群，能把自己的龙虾、朋友的龙虾、阿里腾讯 MiniMax 别家模型的龙虾都拉进来。自己训过的 OpenClaw 关联到 Kimi 账户后也能拉进群。单群最多 50 个成员，人和虾合起来算

过去的 Agent 框架，解决的是人怎么指挥 Agent。Agent 之间怎么说话、怎么分工、怎么互相引用对方的结果，没人管过

你来旁观一支 AI 队伍为你干活

簋街美食群里，Kimi 当协调员，十三香开始做市场调研。这只虾正在认真讨论自己的下一步

集群是并行分工，一个用户派 N 个 subagent 干活。群聊是多实体对话，N 个用户、N 只虾，里面有对抗、有信息不对称、有涌现

一个新闻抛进群，几只不同角色的虾同时给判断。审计的挑风险，风控的算回撤，分析师的拉历史对比。用户最后决定听哪一只

AI 到这一步第一次有了社交关系

你的虾可以借给朋友，朋友的虾也可以进你的群。比如你朋友是会计，他训过的会计虾拉进来用一次就好

连订阅额度也跟着一起流转。你没买 Kimi Pro，朋友的虾进你群，他的 Pro 能力自然带过来

专家把自己训过的虾开放给付费用户，知识付费就从「买内容」变成「租一个专家助手」

这里，Kimi 拿 Claw 群组点人脉

第三件藏得最深

https://arxiv.org/abs/2603.15031

Kimi 在 arXiv 挂了一篇论文，叫 Attention Residuals：把所有 LLM 都在用的残差连接，从每一层按固定方式往后传，改成每一层自己学一个权重，决定前面哪些层该听、哪些少听

这里先说残差连接这个老结构，是 2015 年何恺明提出，之后被所有 LLM 继承。在它之前，深度学习训不动超过 30 层，有了它，百层也能训

残差的默认做法是加。第 1 层的输出、第 2 层的输出、一直到第 29 层的输出，到了第 30 层，全部等权相加。每一层对后面层的贡献是固定的，模型训练过程中调整不了

问题就出在这个等权。第 30 层收到的是一锅端进来的 29 层总和，哪一层对当前任务关键、哪一层是杂音，它自己分不出来

还有一个副作用，论文里叫 dilution。深层要想让自己的信号不被前面几十层盖过去，只能把输出幅度写大。训练到后期，PreNorm 架构的 LLM 各层输出的数值量级会随着深度线性涨，这一现象在多个开源模型上被观察到过

Kimi 的做法，是给每一层加一组可学习的权重，用 softmax 归一。训练时，第 30 层会学出一个分布，告诉自己前面 29 层里哪些该多听、哪些少听。dilution 跟着消失，深层的输出量级有界，反向传播的梯度在各层分布也更均匀

论文 Figure 1：Standard Residuals / Full AttnRes / Block AttnRes

论文里把这个对应关系叫 sequence-depth duality。时间维度上 Transformer 替代了 RNN，深度维度上 AttnRes 替代残差，是同构的两步

论文附录里有张权重热力图，每一个深色格子，都是一次学会的选择

训练完之后，每一层听前面哪些层、分别听多重

Attention 层和 MLP 层的风格不一样。Attention 层分布更散，会跨几层往早期借信息，有的甚至绕回最早那一层。MLP 层几乎只看上一层

论文里的 Block AttnRes 是工程折中。理论上最理想的，是每一层注意到前面所有层。但大规模分布式训练下通信量会爆炸。Block 把层打成 8 个 block，只传 block 级的表示，通信量从 O(Ld) 降到 O(Nd)

工程效果直给：Block AttnRes 的 8 块方案，在同样算力下，验证 loss 等价于基线的 1.25 倍算力。Kimi 把这组实验在不同模型规模上都跑了一遍，每一档都成立。这套已经合进 Kimi Linear 的 48B 总参 / 3B 激活模型，跑了 1.4T token，下游任务全面涨点

而在这里，Kimi 用 AttnRes 点的推理

同一个指向

任务层的点兵是 Agent 集群，社交层的点兵是 Claw 群组，模型内部的点兵是 AttnRes

群体智能的关键词落在智能上：每个兵长什么样、该派去哪，模型得看得清

Kimi 点兵，能多多，更益善