เจาะลึก Kimi Agent: ตระกูล AI ทรงพลังจาก Moonshot AI กับสถาปัตยกรรม Agent Swarm

"Kimi Agent" ไม่ใช่เพียงผลิตภัณฑ์เดียว แต่เป็นชื่อเรียกของตระกูลผลิตภัณฑ์ที่กำลังเติบโตอย่างรวดเร็ว การทำความเข้าใจส่วนประกอบต่างๆ จึงเป็นเรื่องสำคัญก่อนจะเริ่มประเมินความสามารถ โดยมี Kimi K3 เป็นโมเดลพื้นฐานแบบ mixture-of-experts (MoE) ขนาด 2.8 ล้านล้านพารามิเตอร์ (ใช้งาน 16 จาก 896 experts ต่อหนึ่ง token) พร้อมหน้าต่างบริบท (context window) ขนาด 1 ล้าน token พัฒนาโดย Moonshot AI ห้องปฏิบัติการในปักกิ่งที่ได้รับการสนับสนุนโดย Alibaba

Agent Swarm คือสถาปัตยกรรมที่สร้างบนโมเดลดังกล่าว ซึ่งช่วยให้ระบบสามารถสร้าง sub-agent ประสานงานกันได้หลายสิบหรือหลายร้อยตัวในงานเดียว แทนการทำงานแบบเรียงลำดับ โดยมี Goal เป็นฟีเจอร์สำหรับจัดการเป้าหมายหลายขั้นตอนโดยอัตโนมัติ เพียงสั่งการด้วยภาษาทั่วไป เอเจนท์จะวางแผนและดำเนินการให้ทันที

นอกจากนี้ยังมี OK Computer โหมดเอเจนท์ในอินเทอร์เฟซแชทที่สร้างเว็บไซต์หรือสไลด์ได้จากพรอมต์เดียว และ Kimi Work แอปเดสก์ท็อปสำหรับ macOS และ Windows ที่ทำงานผ่านส่วนขยาย WebBridge เพื่อควบคุมเบราว์เซอร์แทนมนุษย์ ส่วนงานบนคลาวด์จะใช้ Kimi Claw เพื่อให้งานดำเนินต่อแม้เครื่องจะเข้าสู่โหมดสลีป และมี Kimi Code สำหรับการเขียนโค้ดผ่าน CLI โดยเฉพาะ

คำกล่าวอ้างด้านสถาปัตยกรรม: Agent Swarm

Agent Swarm คือหัวใจสำคัญที่ Moonshot อธิบายไว้อย่างเฉพาะเจาะจง โดยเริ่มเปิดตัวพร้อม Kimi K2.5 ในฐานะสถาปัตยกรรมแบบ scale-out ที่ประสานงาน sub-agent โดยไม่ต้องกำหนดบทบาทล่วงหน้า ต่อมาในรุ่น K2.6 ได้ขยายขีดความสามารถให้ รองรับ sub-agent พร้อมกันสูงสุด 300 ตัว และเรียกใช้เครื่องมือได้กว่า 4,000 ครั้งในงานเดียว ซึ่ง Moonshot อ้างว่าเร็วกว่าเอเจนท์เดี่ยวถึง 4.5 เท่า

สิ่งที่น่าชื่นชมคือ Moonshot เปิดเผยข้อจำกัดของสถาปัตยกรรมนี้อย่างตรงไปตรงมา ทั้งปัญหา serial collapse ที่เอเจนท์ย่อยขัดขวางการทำงานกันเอง และ fake parallelism ที่งานดูเหมือนแยกกันแต่จริงๆ แล้วมีความเกี่ยวข้องกันจนไม่ได้รับประโยชน์จากการทำงานขนาน ซึ่งการเปิดเผยจุดอ่อนควบคู่ไปกับตัวเลขความสามารถเป็นสิ่งที่พบได้ยากในกลุ่มผู้ให้บริการ AI

การเริ่มต้นใช้งานและการทดลองใช้

ผู้ใช้สามารถเข้าใช้งานผ่านบัญชี Google ได้ที่ kimi.com อย่างรวดเร็วโดยไม่ต้องใช้บัตรเครดิต อย่างไรก็ตาม ระดับใช้งานฟรีมีข้อจำกัดค่อนข้างมาก โดยผลรีวิวจาก TechRadar Pro ระบุว่าบัญชีฟรีทำงานเอเจนท์ได้เพียงครั้งละหนึ่งงานเท่านั้น หากต้องการใช้งาน Agent Swarm เต็มรูปแบบ ต้องสมัครแผนบริการราคา $39 ต่อเดือนขึ้นไป ซึ่งถือเป็นเงื่อนไขสำคัญสำหรับผู้ที่ต้องการทดสอบประสิทธิภาพการทำงานแบบขนาน

การทดลองใช้ API

Kimi API ของ Moonshot ออกแบบมาให้ใช้งานร่วมกับ OpenAI ได้ทันที โดยสามารถใช้ openai Python SDK มาตรฐานเพียงแค่เปลี่ยน base URL และชื่อโมเดล

สิ่งที่ต้องมีก่อน:

• Python 3.9+
• คีย์ API จาก platform.moonshot.ai และติดตั้งผ่าน pip install openai

export MOONSHOT_API_KEY=your-key-here
 
# run_task.py
import os
import json
from openai import OpenAI
 
client = OpenAI(
    api_key=os.environ["MOONSHOT_API_KEY"],
    base_url="https://api.moonshot.ai/v1",
)
 
MODEL = "kimi-k3"
 
TOOLS = [{
    "type": "function",
    "function": {
        "name": "count_words",
        "description": "Counts the number of words in a block of text.",
        "parameters": {
            "type": "object",
            "properties": {"text": {"type": "string"}},
            "required": ["text"],
        },
    },
}]
 
def count_words(text: str) -> int:
    return len(text.split())
 
def run_task(task: str, max_turns: int = 6) -> dict:
    """Runs a task through Kimi K3, executing any tool calls it makes,
    and returns a small report of what happened."""
    messages = [{"role": "user", "content": task}]
    total_prompt_tokens = 0
    total_completion_tokens = 0
    turns_used = 0
 
for turn in range(max_turns):
        turns_used = turn + 1
        response = client.chat.completions.create(
            model=MODEL,
            max_tokens=1024,
            tools=TOOLS,
            messages=messages,
            reasoning_effort="max",  # K3 replaced the old `thinking` param with this
        )
 
usage = response.usage
        total_prompt_tokens += usage.prompt_tokens
        total_completion_tokens += usage.completion_tokens
 
message = response.choices[0].message
        if response.choices[0].finish_reason != "tool_calls":
            return {
                "answer": message.content,
                "turns_used": turns_used,
                "prompt_tokens": total_prompt_tokens,
                "completion_tokens": total_completion_tokens,
            }
 
messages.append(message.model_dump(exclude_none=True))
        for tool_call in message.tool_calls:
            if tool_call.function.name == "count_words":
                args = json.loads(tool_call.function.arguments)
                result = count_words(args["text"])
                messages.append({
                    "role": "tool",
                    "tool_call_id": tool_call.id,
                    "content": str(result),
                })
 
return {"answer": None, "turns_used": turns_used, "error": "Hit max_turns without finishing"}
 
if __name__ == "__main__":
    task = (
        "Write a two-sentence description of what a mixture-of-experts "
        "model is, then use the count_words tool to tell me exactly how "
        "many words your description contains."
    )
    report = run_task(task)
    print(json.dumps(report, indent=2))

การใช้งาน K3 มีรายละเอียดสำคัญคือ พารามิเตอร์ thinking เดิมถูกเปลี่ยนเป็น reasoning_effort ซึ่งขณะนี้รองรับค่า "max" เพียงค่าเดียว ส่วนด้านราคานั้น K3 อยู่ที่ $3 ต่อล้าน input และ $15 ต่อล้าน output แม้จะแพงกว่ารุ่นก่อนหน้า แต่ระบบ automatic prefix caching จะช่วยลดต้นทุน input ที่แคชไว้เหลือเพียง $0.30 ต่อล้าน token ซึ่งคุ้มค่ามากสำหรับการสนทนาที่ยาวและต่อเนื่อง

สิ่งที่ผู้ทดสอบอิสระค้นพบ

จากการทดสอบของ TechRadar พบว่า Kimi โดดเด่นมากในการจัดการเอกสารยาวๆ เช่น การวิเคราะห์ไฟล์ PDF สองไฟล์พร้อมกันและอ้างอิงข้อมูลข้ามกันได้อย่างแม่นยำ ส่วน Kimi Code แม้จะทำงานได้ดีและสะอาด แต่อาจยังไม่ละเอียดเท่า Claude Code ในแง่ของโครงสร้างคำอธิบาย

อย่างไรก็ตาม Moonshot ยอมรับเองว่า K3 ยังตามหลัง Claude Fable 5 และ GPT-5.6 Sol ในการทดสอบภายใน โดยวางตำแหน่งตัวเองเป็นทางเลือกที่แข็งแกร่งในราคาที่ถูกกว่า มากกว่าจะเป็นผู้นำอันดับหนึ่งในด้านประสิทธิภาพสูงสุด

จุดบกพร่องที่ควรทราบ

เมื่อเดือนกรกฎาคม 2026 Moonshot ต้องระงับการสมัครสมาชิกใหม่ชั่วคราวเนื่องจาก GPU ทำงานเต็มขีดจำกัด นอกจากนี้ K3 ยังมีพฤติกรรม "กระตือรือร้นเกินไป" ที่อาจตัดสินใจเองเมื่อเจอคำสั่งที่คลุมเครือ และมีประเด็นเรื่องการโฮสต์ข้อมูลบนเซิร์ฟเวอร์ในจีนที่ผู้ใช้งานในอุตสาหกรรมเฉพาะต้องพิจารณา

สำหรับผู้ที่สนใจน้ำหนักโมเดล (weights) Moonshot ได้ปล่อย K3 ภายใต้ใบอนุญาตเฉพาะเมื่อปลายเดือนกรกฎาคม 2026 แม้จะสามารถดาวน์โหลดมาใช้งานเองได้ แต่ไม่ใช่ใบอนุญาตแบบ open source ตามมาตรฐาน OSI

ตารางเปรียบเทียบ

บทสรุป

Kimi K3 และ Agent Swarm นำเสนอความคุ้มค่าที่น่าสนใจด้วยราคาที่แข่งขันได้และประสิทธิภาพการจัดการเอกสารยาวที่ยอดเยี่ยม แม้ผลการทดสอบอิสระจะชี้ว่ายังคงมีช่องว่างเมื่อเทียบกับยักษ์ใหญ่อย่าง Claude หรือ GPT ในงานประสานงานเอเจนท์ที่ซับซ้อนที่สุด แต่สำหรับงานวิเคราะห์เอกสารและงานเขียนโค้ดที่เน้นความคุ้มค่า Kimi คือตัวเลือกที่ควรค่าแก่การทดสอบด้วยตัวเอง