Moonshot lance Kimi K2.5 : un essaim de 100 sous-agents et 1500 appels d'outils

Moonshot AI présente Kimi K2.5, un modèle multimodal qu'elle qualifie elle-même de plus puissant modèle ouvert à ce jour. Il repose sur Kimi K2 et a été affiné sur environ 15 billions de tokens mêlant vision et texte. Sa principale nouveauté est Agent Swarm : le modèle déploie de lui-même jusqu'à 100 sous-agents et effectue jusqu'à 1500 appels d'outils. Selon l'entreprise, cela réduit jusqu'à 4,5 fois le temps d'exécution des tâches complexes par rapport à un agent unique.

Comment fonctionne l'essaim

Les sous-agents ne sont pas définis à la main. L'orchestrateur décompose lui-même la tâche en sous-tâches parallèles et crée des exécutants à la volée : un chercheur, un physicien ou un vérificateur de faits, par exemple. Il a été entraîné avec Parallel-Agent Reinforcement Learning (PARL). Seul l'orchestrateur est entraînable ; les sous-agents sont gelés. Résultat : le signal de retour arrive avec retard, de façon rare et non stationnaire.

Ce schéma présente deux défaillances typiques. La première, le serial collapse : l'orchestrateur retombe sur une exécution unique alors qu'il aurait pu paralléliser le travail. La seconde, le spurious parallelism : il multiplie les sous-agents pour afficher une belle métrique, sans véritable décomposition. Contre la première, la récompense inclut un bonus pour la création de sous-agents ; contre la seconde, une récompense liée à la part de sous-tâches menées à terme. Les deux coefficients sont ramenés à zéro au fil de l'entraînement, et seule la récompense sur le résultat subsiste.

Autre choix de conception : la métrique Critical Steps, équivalent du chemin critique en calcul parallèle. Elle additionne, à chaque étape, les pas de l'agent principal et ceux du sous-agent le plus lent. Les sous-agents superflus n'aident donc que s'ils raccourcissent le chemin critique.

• Échelle : jusqu'à 100 sous-agents, jusqu'à 1500 étapes coordonnées.
• Vitesse : jusqu'à 4,5x sur le temps d'exécution ; dans les tests internes, la latence baisse de 80 %.
• Étapes critiques : 3 à 4,5 fois moins nombreuses dans les scénarios de recherche étendue.
• Contexte : 256 k tokens dans les tests.
• HLE sans outils : 31,5 (texte) et 21,3 (images).
• HLE avec outils : 51,8 (texte) et 39,8 (images).
• Benchmarks bureautiques : +59,3 % (AI Office) et +24,3 % (General Agent) par rapport à K2 Thinking.

Code, vision et bureautique

Moonshot met l'accent sur le frontend : à partir d'une seule requête, le modèle assemble des interfaces avec animations, y compris des effets au défilement. Il sait reconstruire un site à partir d'une vidéo et déboguer la mise en page visuellement : il examine son propre résultat et le corrige par itérations. D'après les auteurs, à cette échelle de pré-entraînement, le compromis entre vision et texte disparaît : les deux capacités progressent ensemble.

Pour le développement, l'entreprise a publié Kimi Code, un outil de terminal ouvert. Il s'intègre à VSCode, Cursor et Zed, accepte les images et les vidéos, et détecte et migre de lui-même les compétences et les MCP existants. Un scénario bureautique est décrit à part : documents Word avec annotations, modèles financiers avec tableaux croisés dynamiques, formules LaTeX dans des PDF, documents jusqu'à 100 pages.

Ces chiffres appellent des réserves. Les tests ont été menés par le développeur lui-même. La comparaison porte sur DeepSeek-V3.2, Claude Opus 4.5, GPT-5.2 (xhigh) et Gemini 3 Pro, avec en plus Qwen3-VL-235B-A22B-Thinking pour les tests visuels. GPT-5.2 xhigh n'a pas été évalué partout, en raison de l'instabilité du service. Dans les tests visuels, il a affiché environ 10 % de refus, comptés comme des erreurs, et les auteurs reconnaissent que son résultat est probablement sous-estimé. Une partie des métriques, dont Kimi Code Bench et les benchmarks bureautiques, est interne. Pour reproduire les résultats, Moonshot recommande l'API officielle ou des fournisseurs vérifiés via Kimi Vendor Verifier.

Par où commencer

Pour les développeurs, le plus logique est de commencer par Kimi Code associé à K2.5 : l'outil est ouvert, s'intègre aux IDE habituels, et le débogage visuel peut être testé sur son propre frontend. Les équipes confrontées à des tâches de recherche étendue et de collecte de données ont intérêt à tester Agent Swarm. Il est actuellement en bêta sur Kimi.ai, et les utilisateurs des formules payantes supérieures reçoivent des crédits gratuits.

Lors de la comparaison avec les concurrents, mesurez non seulement la précision, mais aussi le temps d'exécution et le coût, car c'est précisément sur ces points que l'essaim est conçu. Si vous exécutez le modèle chez un fournisseur tiers, vérifiez-le avec Kimi Vendor Verifier : sans cela, les résultats peuvent s'écarter nettement de ceux publiés. Quant au rapport technique complet avec les prompts système, Moonshot ne fait pour l'instant que le promettre.