比OpenAI更Manus，實(shí)測(cè)Kimi新上線多核Agent集群

Kimi憋了個(gè)超級(jí)大招，

沒(méi)有選擇像別的通用Agent一樣重度依賴Claude，而是選擇先做好Agentic模型，結(jié)果就是造出來(lái)個(gè)All in One的Kimi K2.5模型，能理解圖片和視頻，256K上下文，Agent 集群模式下能穩(wěn)定召喚100+分身（subagent），

跟Manus的Wide Research不同，分身們可以同時(shí)完成不同類(lèi)型的任務(wù)。

分身們還有自己的工牌

很長(zhǎng)一段時(shí)間，我接觸的通用 Agent，比如OpenAI的Deep Research，給我的感覺(jué)像是一個(gè)聰明的博士生。你給它一個(gè)課題，它會(huì)花很長(zhǎng)時(shí)間去深度鉆研，最后給你一份詳盡的報(bào)告。

后來(lái)Manus提出了Wide Research，它像是一次性派出去一百個(gè)實(shí)習(xí)生，每個(gè)人都去做同樣一件事情，比如搜索資料，然后把結(jié)果匯總起來(lái)。這種模式在處理一些需要大量信息搜集和初步整理的任務(wù)時(shí)，效率很高。

在Kimi這次的Agent集群上，我看到了一種新的可能性。它派出去的幾十上百個(gè)Agent，不再是干著同樣事情的實(shí)習(xí)生，而是一個(gè)分工明確的團(tuán)隊(duì)。并且團(tuán)隊(duì)的數(shù)量會(huì)根據(jù)任務(wù)的難度動(dòng)態(tài)調(diào)整。

從他們放出來(lái)的指標(biāo)上看，比起單Agent，端到端運(yùn)行時(shí)間減少了80%，效率提升400%

我的體驗(yàn)是從一個(gè)很常規(guī)的測(cè)試開(kāi)始的。我讓它幫我整理一下GitHub上Star數(shù)排名前十的Claude Code Skills項(xiàng)目，看看都是做什么的。任務(wù)下達(dá)后，屏幕上出現(xiàn)了幾十個(gè)小小的頭像，開(kāi)始分頭工作。

有意思的是，每個(gè)Agent都有自己的名字，很Notion風(fēng)格的頭像，有的叫Matt，有的叫Sue，有的叫Max，在任務(wù)分配界面，能看到它們每個(gè)人負(fù)責(zé)的方向是不一樣的，他們的人設(shè)也是有點(diǎn)小巧思在的，

這次先是創(chuàng)建了一個(gè)負(fù)責(zé)收集的Agent，然后又創(chuàng)建了負(fù)責(zé)驗(yàn)證Skills可行性Agent和聚合統(tǒng)計(jì)結(jié)果的Agent，

然后收集Agent像是有那個(gè)分身術(shù)，kukuku整了50個(gè)，有的負(fù)責(zé)搜索Claude Code和MCP Server的組合，有的搜集從MCP改成Skills的項(xiàng)目，甚至有的按照Python或者其他編程語(yǔ)言進(jìn)行分類(lèi)搜索。

也就是說(shuō)它把一個(gè)簡(jiǎn)單的概念，

主動(dòng)擴(kuò)展成了一個(gè)豐富的搜索網(wǎng)絡(luò)。

整個(gè)過(guò)程，我不需要像用Deep Research那樣，

反復(fù)回答個(gè)人偏好來(lái)幫它收窄范圍。

在五十個(gè) Agent 的自主聯(lián)想和擴(kuò)展能力下，

它已經(jīng)能猜到我想要什么。

光做信息搜集還不夠有說(shuō)服力。我特意找來(lái)了Manus發(fā)布Wide Research時(shí)候的任務(wù)提示語(yǔ)，創(chuàng)作五十張非常有設(shè)計(jì)感的海報(bào)，

一次性生成 50 張適用于紐約快閃生活方式活動(dòng)的創(chuàng)意海報(bào)設(shè)計(jì)。

活動(dòng)名稱：City Sips: A Taste of New York，一場(chǎng)為期一天的咖啡、音樂(lè)與設(shè)計(jì)體驗(yàn)活動(dòng)。

每張海報(bào)都必須包含日期（2025 年 9 月 14 日）與地點(diǎn)（紐約布魯克林 Williamsburg）。

風(fēng)格覆蓋要足夠廣，包含但不限于：粗野主義、街頭涂鴉、復(fù)古紐約、極簡(jiǎn)主義、霓虹風(fēng)、拼貼、超現(xiàn)實(shí)。

在版式、字體、配色方案、插畫(huà)與攝影質(zhì)感之間做出明顯變化。

整體觀感要有能量、很城市、文化氛圍濃郁，適合印刷與社交媒體投放。請(qǐng)把圖片打包成 ZIP 文件發(fā)給我。

我沒(méi)有給任何API或者說(shuō)我平時(shí)用的生圖賬號(hào)，直接就薅到了50張海報(bào)，

而且良品率比我想象中要高得多得多。

如果在生圖的時(shí)候，指定模型用Banana2，然后再給一個(gè)參考圖的話效果會(huì)更好，

不花錢(qián)的圖生成起來(lái)就是不心疼。。。

Kimi K2.5這次網(wǎng)頁(yè)生成能力也有很大的提升，我反手就是將這30張圖做成畫(huà)廊展示HTML，每瓶香水都是3D傾斜卡片，鼠標(biāo)互動(dòng)可以看到他們的在暗光下的另一面。

還不用擔(dān)心Agent跟Agent之間沒(méi)有溝通，他們并不會(huì)因?yàn)槭峭瑫r(shí)執(zhí)行任務(wù)的 Agent就不能寫(xiě)連貫的故事分鏡。

既然圖可以，再大膽一點(diǎn)，我當(dāng)下第一個(gè)想法就是視頻能不能免費(fèi)做，

所以直接讓它把生成的五十張電商圖片，都做成五秒鐘的短視頻，還就真的做成功的，雖然不是用AI做出來(lái)的，在我沒(méi)有提供任何API和賬號(hào)的前提下，能把圖片加上濾鏡并剪輯成片，也足夠驚喜了。

看到這里我有點(diǎn)擔(dān)心算力消耗，實(shí)際上Agent集群還可以動(dòng)態(tài)分配SubAgent的數(shù)量了，

當(dāng)我給它一個(gè)相對(duì)簡(jiǎn)單的信息搜索任務(wù)時(shí)，比方幫我搜索DeepSeek團(tuán)隊(duì)從2023年到2026年的論文，技術(shù)報(bào)告和 GitHub鏈接，并做一個(gè)總結(jié)，推測(cè)一下DeepSeek v4可能會(huì)有的技術(shù)更新。

這個(gè)任務(wù)它只用了一個(gè)Agent就完成了。

我還用它解決了一個(gè)manus經(jīng)典多文件案例，這次將25份簡(jiǎn)歷擴(kuò)張到45份中英文都有互聯(lián)網(wǎng)聯(lián)系，要求Agent 集群找到我想要的候選人，

我是一名人力資源專業(yè)人員，正計(jì)劃招聘一名強(qiáng)化學(xué)習(xí)（RL）算法工程師。我傾向于尋找具有相關(guān)強(qiáng)化學(xué)習(xí)經(jīng)驗(yàn)的人選。請(qǐng)協(xié)助我將 PDF 簡(jiǎn)歷中的候選人信息整理成一份完整的 Excel 匯總表，內(nèi)容應(yīng)包括基本信息以及項(xiàng)目經(jīng)驗(yàn)的簡(jiǎn)潔總結(jié)（重點(diǎn)突出核心亮點(diǎn)和成就）。請(qǐng)根據(jù)候選人在強(qiáng)化學(xué)習(xí)領(lǐng)域的專業(yè)程度進(jìn)行排名，并向我提供一份包含所有這些信息的、格式整齊的 Excel 文件。希望您能逐一仔細(xì)閱讀每位候選人的簡(jiǎn)歷。

多文件處理起來(lái)基本上沒(méi)什么壓力，

內(nèi)測(cè)這幾天我還測(cè)了超級(jí)多問(wèn)題，旅游指南，設(shè)計(jì)10個(gè)露營(yíng)品牌和藝術(shù)家聯(lián)名的產(chǎn)品，還有一個(gè)狠活case，真的不舍得壓縮，再給大家看一個(gè)，

這個(gè)是我做Claude Code Skills的靈感之一，可以通過(guò)一個(gè)博主的視頻主頁(yè)，按照我對(duì)TA的印象和不同產(chǎn)品兩個(gè)維度，把200多個(gè)視頻劃分成完整的學(xué)習(xí)路徑，這樣我可以有針對(duì)性選有用的視頻導(dǎo)入NotebookLM，是個(gè)大工程，但是Agent 集群已經(jīng)幫我完成了70%。

這種探索的樂(lè)趣，想問(wèn)啥寫(xiě)啥，還不用擔(dān)心做到一半被登陸卡住的感覺(jué)，讓我找回了當(dāng)初剛接觸Manus時(shí)那種興奮感。

這跟我之前熟悉的通用Agent模式是有著一條清晰的界線。常規(guī)的工作流Agent，就算進(jìn)行多路搜索，也像一條裝配線。第一波Agent出去搜集零件，然后把零件交給下一個(gè)環(huán)節(jié)進(jìn)行匯總和組裝。整個(gè)過(guò)程是線性的，一步接著一步。

Agent 集群更像一個(gè)動(dòng)態(tài)的頭腦風(fēng)暴。我的一個(gè)指令下去，第一波探索者出發(fā)了。但關(guān)鍵在于，它們完成初步探索后，不會(huì)直接把一堆原始材料丟給我。它們會(huì)先進(jìn)行一次內(nèi)部碰頭，形成一個(gè)初步的共識(shí)，然后基于這個(gè)共識(shí)，再分派出任務(wù)更明確、方向更聚焦的第二波，第三波，在過(guò)程中不斷思考和校準(zhǔn)。

Kimi 團(tuán)隊(duì)自己也把 AGI 的拼圖分成了三個(gè)階段。

第一階段是記憶，像Kimi 1.0的長(zhǎng)文本。

第二階段是推理，模型有了深度思考的智商。

而Kimi 2.5的Agent 集群，是第三階段，讓AI 學(xué)會(huì)了像團(tuán)隊(duì)一樣分工協(xié)作。每次我提出一個(gè)新項(xiàng)目，Kimi就會(huì)為我組建一個(gè)臨時(shí)的專家團(tuán)隊(duì)。

看到屏幕上那些叫Matt、Sue或是Max的小頭像各司其職，真的會(huì)產(chǎn)生一種奇妙的代入感。

我甚至?xí)俺鲆粋€(gè)念頭，希望可以把這次任務(wù)里表現(xiàn)特別出色的那個(gè)Agent 保存下來(lái)，

下次有類(lèi)似的項(xiàng)目，可以指定讓它來(lái)操刀。

不需要研究API怎么接，

Skill怎么寫(xiě)，

也不用去理解MCP協(xié)議。

我只管天馬行空，

怎么執(zhí)行，

是Agent要頭疼的事了。

@ 作者 / 卡爾

最后，感謝你看到這里如果喜歡這篇文章，不妨順手給我們點(diǎn)贊｜在看｜轉(zhuǎn)發(fā)｜評(píng)論

如果想要第一時(shí)間收到推送，不妨給我個(gè)星標(biāo)

如果你有更有趣的玩法，歡迎在評(píng)論區(qū)和我聊聊

更多的內(nèi)容正在不斷填坑中……