문샷 AI, 오픈소스 비주얼 에이전트 'Kimi K2.5' 공개

문샷 AI가 텍스트, 이미지, 비디오를 네이티브로 이해하는 오픈소스 시각 에이전트 모델 Kimi K2.5를 공개했습니다.

단순한 대화형 모델을 넘어 복잡한 작업을 자율적으로 수행하는 에이전트 환경에 초점을 맞춘 모델로, 다수의 서브 에이전트를 동시에 가동하는 병렬 협업을 지원합니다.

주요 기능과 특징

Kimi K2.5는 15조 개의 시각 및 텍스트 혼합 토큰으로 학습되어, 별도의 변환기 없이도 멀티모달 데이터를 자연스럽게 처리합니다.

가장 눈에 띄는 기능은 베타로 도입된 '에이전트 스웜'입니다. 하나의 에이전트가 순차적으로 명령을 처리하던 방식에서 벗어나, 시스템이 작업을 여러 갈래로 쪼개어 동시에 수행합니다.

최대 100개의 서브 에이전트가 병렬로 작동하며 1,500회에 달하는 도구 호출을 처리할 수 있어, 단일 에이전트 방식 대비 작업 속도를 4.5배 끌어올렸습니다.

코드 생성 측면에서는 시각 기반 제작 능력을 강조합니다. 텍스트 프롬프트 외에도 디자인 스크린샷이나 시연 녹화 영상을 입력하면, 움직임이 포함된 반응형 웹사이트 코드를 즉시 작성해 줍니다.

벤치마크 점수와 Kimi Code

성능 지표에서도 높은 기록을 냈습니다. 에이전트 평가 지표인 HLE 풀 세트에서 50.2%, 웹 브라우징 테스트인 BrowseComp에서 74.9%를 달성했습니다.

영상 추론 벤치마크인 VideoMMMU에서는 86.6%를 기록해 GPT 5.2와 Claude Opus 4.5를 앞섰으며, 코딩 벤치마크인 SWE-bench Verified에서는 76.8%를 기록했습니다.

문샷 AI는 이 코딩 능력을 활용할 수 있도록 오픈소스 도구인 Kimi Code도 함께 내놓았습니다. Claude Code나 Gemini CLI에 대응하는 도구로, 터미널 환경은 물론 VSCode, Cursor, Zed와 연동되며 이미지와 비디오를 직접 입력값으로 받습니다.

사용 방법과 오픈 현황

Kimi K2.5의 모델 가중치와 코드는 허깅페이스에 모두 공개되어 있어 직접 다운로드해 배포할 수 있습니다.

자체 인프라 없이 써보고 싶다면 kimi.com에서 일반 챗 모드와 에이전트 모드로 바로 이용할 수 있으며, 에이전트 스웜 기능은 상위 티어 사용자 대상 베타로 열려 있습니다. 개발자를 위한 API는 문샷 플랫폼에서 제공됩니다.

왜 중요한가

웹 개발자와 디자이너에게는 화면 녹화 영상만으로 실제 작동하는 인터페이스를 뽑아낼 수 있다는 점 하나만으로도 당장 테스트해 볼 가치가 충분합니다.

더 중요한 점은 이 모든 생태계가 오픈소스로 풀렸다는 사실입니다. 상용 폐쇄형 모델의 전유물로 여겨지던 고성능 코딩 에이전트와 대규모 병렬 협업 파이프라인을 자체 인프라에 직접 올려 통제할 수 있는 실질적인 대안이 생겼습니다.