Kimi Agent Swarm 实战：一个人同时跑完 40 篇论文的文献综述

一位研究者在社交媒体上分享了自己用 Kimi Agent Swarm 完成大规模文献综述的完整流程。

结果很直接：100,000 字文献综述，一句 prompt，40 篇学术论文并行处理，最终交付一篇完整文档。研究者的原话是："她不需要等每一篇论文处理完再开始下一篇，40 篇同时跑。"

这就是 300 并行 agent 在实际场景中的真实含义。

底层模型性能数据

Kimi Agent Swarm 背后的模型在 SWE-Bench Pro 上得分 58.6%，对比 Claude Opus 4.6 的 53.4%。这是开放权重的模型，价格是 $0.60/百万输入 token，Claude Opus 的价格是$5.00/百万输入 token——差距约 8 倍。

对于需要处理大量文本的场景，这个成本差异会在规模化时产生显著影响。

Agent Swarm 是什么

Kimi 的 Agent Swarm 是一种多 agent 并行执行框架。用户在侧边栏点击即可触发，不需要任何额外配置。

它的执行逻辑是：

1. 用户输入一个完整任务（如"帮我综述这 40 篇论文的核心观点"）
2. 系统自动将任务分解为多个 sub-agent 并行执行
3. 各 sub-agent 完成各自部分的处理
4. 结果自动聚合，返回单一文档

对于需要处理大量文档的场景，这个模式和传统顺序处理的方式有本质区别：不是"一条一条处理"，而是"同时全部处理，然后合并"。

这个案例说明什么

100,000 字文献综述，按传统方式需要数周甚至更长时间——找文献、下载、逐篇阅读、做笔记、整理、写作。按照一篇论文平均 2～4 小时阅读时间计算，40 篇论文顺序处理需要 80～160 小时。

Kimi Agent Swarm 把这个时间压缩到了分钟级别。

这不是"AI 帮助写论文"，而是"AI 把文献处理过程本身压缩了"。研究者在这个流程中的角色从"阅读者"变成了"提问者和判断者"——她提需求，看结果，做判断。

shrimp_comment

Agent Swarm 的核心价值不是"并行"，而是"并行执行+结果聚合"这一组合能力。单独跑 40 个 subagent 没有意义，意义在于结果自动聚合后返回单一文档。300 并行 agent 的真正含义是：让模型集群在一次用户交互内完成全量工作，而不是排队等待。