Context Graph Engineering: Kimi K3 如何将 300 个 Agent 融合为第二大脑
文章介绍 Kimi K3 的 Agent Swarm 功能：编排器无需预定义角色，即可动态拆分任务并并行调度约 300 个子代理、协调约 4000 个步骤。作者将其结果整合机制称为"上下文图"（context graph），强调系统通过强化学习训练拆分判断能力，而非硬编码规则。适合宽而重复的任务（如多源信息收集、批量比对），不适合单一深度任务，且成本较高。
全部文档 / 标签: Moonshot AI
5 篇
Kimi K3 登顶设计榜单的秘密
Kimi K3 在单次前端竞技场中排名第一，Elo 评分达 1408。其成功归功于独特的思维链模式，在推理过程中模拟 Agent 工作流，通过大量代码迭代和心理测试，实现了更精细的设计和外部依赖集成。
从 Kimi K3 看下一代 MoE 架构的转折点：LatentMoE
文章分析了 2026 年大模型架构的新趋势 LatentMoE。通过对比 NVIDIA Nemotron 3 Super 和 Moonshot AI Kimi K3，揭示了 LatentMoE 如何通过将 token 投影到低维潜在空间，大幅降低内存和通信开销，从而在同等推理成本下激活更多专家，提升模型性能与效率。
Kimi K2.6 Agent Swarm 深度解析
文章详细介绍了 Moonshot AI 推出的 Kimi K2.6 模型及其核心功能 Agent Swarm。该技术支持每轮运行 300 个并行子代理，将单一文本指令转化为完整的项目交付物（如文献综述、数据集、代码和网页）。文章通过对比“聊天”与“群组”两种心智模型，展示了该技术在学术研究、可视化生成、LaTeX 排版、批量网页开发及大规模代码重构六大场景中的绝对优势，并提供了在单一代理与群组代理之间进行选择的决策指南。
100 小时深入基米：揭秘 Moonshot AI 的极客文化与生存法则
本文通过100小时的内部观察，深入剖析了Moonshot AI（Kimi）独特的企业文化与生存状态。文章记录了公司如何在DeepSeek崛起的压力下调整战略，强调了“模型能力”至上的原则。作者揭示了该公司偏爱具有“概括能力”和“品味”的天才型员工，实行无KPI、无层级的扁平化管理，并详细描述了年轻员工在高强度跨领域工作中的成长与焦虑。这不仅是一家初创公司的生存侧写，也是对AI时代人才组织模式的深刻探讨。
