Kimi, 100개 병렬 에이전트 군집 시스템 출시

단일 에이전트의 구조적 한계

AI 추론 시스템이 더 긴 작업을 처리하려 할수록 단일 에이전트 모델은 일정한 벽에 부딪힌다. 수백 개 기업을 조사하거나 수십 편의 논문을 종합하는 작업을 단일 에이전트에게 맡기면, 진행될수록 컨텍스트 창이 채워지고 시스템은 이전 기록을 요약·압축해 공간을 확보한다. 이 압축 과정은 손실을 수반하며, 이후 추론의 품질이 저하된다.

문샷 AI는 이를 버그나 일시적 결함이 아니라 컨텍스트 창·시간·단일 에이전트 의존이라는 구조적 천장으로 규정했다. 더 빠른 추론이나 더 낮은 비용 같은 수직 확장만으로는 이 천장을 돌파할 수 없다는 것이 Agent Swarm 개발의 출발점이다.

수평 확장: 에이전트가 조직을 설계한다

Agent Swarm은 단순히 여러 AI 에이전트를 함께 구동하는 방식이 아니다. 사용자가 작업을 요청하면 시스템이 스스로 하위 에이전트를 편성하고, 역할을 분배하며, 병렬로 실행한다. 문샷 AI는 이를 "상사·직원·부서로 구성된 조직 구조를 인간이 아닌 시스템 자체가 설계하는 것"이라고 설명했다.

수치로 보면, Kimi K2.5 기반 Agent Swarm은 최대 100개의 서브 에이전트를 동시 배포하고, 1,500회 이상의 툴 호출을 실행하며, 순차 실행 대비 4.5배 빠른 속도로 결과를 제공한다. 이 구조는 독립적으로 작동하는 에이전트들이 서로 다른 결론에 도달한 뒤 이를 조율하게 함으로써 집단적 편향을 구조적으로 방지하는 효과도 노렸다.

세 가지 활용 시나리오

문샷 AI는 Agent Swarm이 특히 효과적인 사례로 대규모 발견, 대규모 산출, 다관점 분석을 제시했다.

대규모 발견의 예시로, 100개 유튜브 틈새 도메인에서 상위 크리에이터를 찾는 작업에서 K2.5 Agent Swarm은 각 도메인별로 100개의 서브 에이전트를 자율 생성해 병렬 검색을 수행한다. 폴 그레이엄의 200편 이상 에세이를 개인 사이트·블로그·강연 녹취록에서 수집·분류·요약해 6개 주제 폴더로 정리하는 작업도 예시로 들었다. 대규모 산출 측면에서는, 40편의 사회심리학 PDF를 입력해 각주와 참고문헌을 포함한 100쪽짜리 단일 학술 문서를 생성하는 사례가 소개됐다. 다관점 분석 용도로는 복잡한 제품 출시 계획을 회의적인 벤처 투자자, 베테랑 PM, 윤리학자, 고객 성공 담당자 등 전문가 팀이 각자의 관점에서 검토하게 하거나, 20명의 서로 다른 문학적 스타일을 가진 작가 에이전트가 소설의 결말을 이어 쓰는 방식도 가능하다.

이용 조건과 향후 계획

현재 Agent Swarm은 Kimi 최상위 구독 등급 이용자에게 얼리 리서치 프리뷰 형태로 제공된다. 구체적인 구독 가격이나 등급 구분 기준은 해당 발표에서 공개되지 않았다.

문샷 AI는 현재 아키텍처가 작업에 대응할 준비가 됐다고 밝히면서도, 아직 완성된 버전이 아님을 명시했다. 서브 에이전트 간 직접 통신 기능과 병렬 폭의 동적 제어는 추후 추가될 예정이다. 지원 지역이나 지원 언어에 대한 제한 사항은 별도로 공개되지 않았다.