2026 年 1 月 27 日，Moonshot AI 發表 Kimi K2.5。規格表上有三個關鍵詞：MIT 授權的開源 model、原生視覺能力、Agent Swarm 多代理協作；架構則採用 MoE（mixture-of-experts）。
開源旗艦不稀奇，但「開源＋原生視覺＋多代理協作」三件事同時出現在同一個 model 上，值得拆開來看。
MIT 授權與 MoE 架構
MIT 是最寬鬆的常見開源授權：允許商業使用、允許改作、幾乎不附條件。對企業來說，這代表法務端的採用摩擦接近零，不需要逐條談授權例外。MoE 架構則把 model 拆成多個專家網路，每個 token 只激活其中一部分——用較少的計算換取大參數量帶來的能力，這也是近年大型 model 的主流選擇。對自架團隊而言，MoE 的意義很實際：同樣的推理預算，能撐起更大的 model。
原生視覺改變 agent 的輸入介面
多數 agent 工作流至今以文字為主：截圖要先經 OCR、文件要先轉純文字，才能進 model。原生視覺把這條前置管線整條拿掉——model 直接看圖。對 browser agent、文件處理、UI 自動化這類「畫面本身就是資訊」的場景，這是質變：agent 看到的不再是轉譯後的文字殘影，而是畫面本身。轉譯層少一層，資訊就少漏一次，錯誤就少一個來源。
Agent Swarm 的協作想像
Agent Swarm 指的是多個 agent 之間的協調機制：任務拆分、分工執行、結果聚合。與其把所有能力塞進一個巨型 agent，不如讓一群各司其職的 agent 協作——這是 agent 工程近期的明顯趨勢。K2.5 把這種協作能力做進 model 本身，意味著多代理協調不再只靠 orchestration 框架在 model 外拼裝，而是 model 層級的原生支援。框架仍會存在，但分工邊界正在重畫。
自架多模態 agent 堆疊的意義
把三個關鍵詞合起來看：一個可以自由下載、能直接看畫面、又內建多代理協調的 model，讓「完全自架的多模態 agent 系統」從拼裝工程變成有正式支援的路線。對資料不能離開內部環境的團隊，這是新的選項；對 orchestrator 生態，這也是新的壓力——當協調能力往下沉到 model 層，框架的價值必須往更上層找，例如治理、觀測與人機協作介面。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。