คนคนเดียวคือหนึ่งทีม: รีวิวเชิงลึกของ Kimi K2.6 Agent Cluster ที่สามารถสร้างรายงานวิจัย 97 หน้าและระบบภาพรวมแบบฟูลสแต็กโดยอัตโนมัติ

ยุคที่คนคนเดียวคือทีม มาถึงแล้วหรือยัง?

คำว่า “ปัญญากลุ่ม” (Swarm Intelligence) ผมเห็นผลิตภัณฑ์มากมายเอามาใช้เป็นคำทางการตลาด พอเปิดดูก็พบว่าเป็นแค่โมเดลที่ใส่เปลือก เปลี่ยน UI แล้วบอกว่านี่คือ “การทำงานร่วมกันของหลายเอเจนต์”

เมื่อ Kimi อ้างว่า “Agent Cluster” สามารถจัดตารางเอเจนต์จำนวนมากให้ทำงานแบบขนานได้ งั้นเรามาลองกดดัน “ทีม AI” กันหน่อย:

ทดสอบที่ 1: จำลองบริษัทหลักทรัพย์จัดทำรายงานวิจัยอุตสาหกรรม AI Compute ทั่วโลก (ใช้เวลา ~1.25 ชั่วโมง)

จำลองสถาบันวิจัยของบริษัทหลักทรัพย์ จัดทำวิจัยเชิงลึกเกี่ยวกับห่วงโซ่อุตสาหกรรม AI Compute ทั่วโลก

กำหนดให้ส่งมอบ 5 สิ่งในครั้งเดียว ได้แก่ รายงาน PDF 80-100 หน้า, Excel ประเมินมูลค่า 3 แบบ (DCF/PE/PEG) สำหรับ 30 บริษัท, PowerPoint 25-30 หน้าสำหรับผู้บริหาร, กระดานติดตามพอร์ตหุ้น 1 หน้า, และกระดานภาพ HTML แบบสแตนด์อโลน (ประกอบด้วยแผนที่ห่วงโซ่อุตสาหกรรม, แผนที่ความร้อนการประเมินมูลค่า, แผนภาพเรดาร์ผู้นำ)

เรื่องการจัดระเบียบการทำงานร่วมกัน มันดูเหมือนจะทำได้จริง

หลังจากได้รับงาน K2.6 แยกย่อยงานออกเป็น 8 Stage โดยอัตโนมัติ:

มีทีมวิจัยเฉพาะทาง 12 ทีม “คอยคุ้มกัน”:

ในระหว่างนั้น มันเรียกใช้ Skill หลายอย่างโดยอัตโนมัติ (screensheet จัดการ Excel, doc จัดการ Word/PDF/PPT, frontend-skill จัดการ HTML) และสร้างเอเจนต์เฉพาะทางขึ้นมาดูแลการออกแบบโครงสร้างและโครงร่างเนื้อหาของรายงาน/PPT

ต้องแทรกตรงนี้หน่อย: คุณเองก็เคยหาคำว่า “skill แปลง PDF เป็นเว็บ” ในเน็ตทุกวันเหมือนกันไหม?

แล้วสุดท้ายก็ต้องเริ่มติดตั้งจากศูนย์ ซื้อ API วุ่นวายครึ่งวัน สุดท้ายได้ของที่ใช้ไม่ได้อะไรเลย?

K2.6 ห่อหุ้มกระบวนการทั้งหมดไว้ให้เรียบร้อย คุณอยากได้ skill อะไร บอกมัน มันจะจัดการให้คุณ

เมื่อเทียบกับ codex ที่มีตัวอักษร密密麻麻ขนาดนี้ ต้องบอกว่า kimi ประสบการณ์ผู้ใช้ดีจริงๆ

กว่าหนึ่งชั่วโมงต่อมา แค่ไปกินข้าวเย็น กลับมาแทบช็อก

บนหน้าจอคือสิ่งที่มันส่งมอบ:

• PDF 97 หน้า
• Excel 11 Sheet
• PPT 26 หน้า
• Word 1 หน้าสำหรับติดตาม
• หน้า HTML แบบ ECharts ที่สมบูรณ์
• บวกแผนภูมิวิทยาศาสตร์สไตล์ The Economist อีก 6 รูป

ครั้งเดียว ครบวงจร ทำออกมาหมด

ยังมีผลงานเพิ่มเติมอีก 6 ชิ้น โชว์ความสามารถในการสร้างภาพ (และแก้ไขได้)ของ K2.6 อีกครั้ง

ตามที่เพื่อนที่เคยทำงานในธนาคารเพื่อการลงทุนบอกว่า ในอดีตนักวิเคราะห์การเงินเขียนรายงานวิจัยฉบับสมบูรณ์หนึ่งฉบับใช้เวลาเฉลี่ยมากกว่า 80 ชั่วโมง

ไม่ใช่ว่าพวกเขาไม่พยายาม แต่เป็นเพราะงานนี้เป็นงานที่ใช้แรงกายจริงๆ

การดึงข้อมูล การสร้างแบบจำลองทางการเงิน การวิเคราะห์อุตสาหกรรม การออกแบบ排版 แต่ละขั้นตอนเป็นทักษะเฉพาะทางที่เป็นอิสระต่อกัน และต้องทำแบบอนุกรม คือทีมข้อมูลทำเสร็จ ทีมสร้างแบบจำลองถึงเริ่มได้ ทีมสร้างแบบจำลองเสร็จ ทีมเขียนถึงเริ่มลงมือ

นักวิจัยบริษัทหลักทรัพย์ผลิตงานวิจัยเฉลี่ยปีละประมาณ 20-30 ฉบับ ถ้าคิดที่ 80 ชั่วโมงต่อฉบับ เวลาทำงานที่มีประสิทธิภาพทั้งปีแทบหมดไปกับเรื่องนี้

ด้านล่างเรามาดูกันรวดเดียวว่า AI ผลิตอะไรออกมาบ้าง:

1. กระดานภาพห่วงโซ่อุตสาหกรรม AI Compute ทั่วโลก (HTML)

2. รายงานวิจัยอุตสาหกรรมเชิงลึก (PDF) สุดยอด!

97 หน้า 11.39MB ประกอบด้วยแผนภูมิวิทยาศาสตร์ที่ฝังอยู่ 6 รูป

โครงสร้างสารบัญสมบูรณ์ ตั้งแต่ภาพรวมอุตสาหกรรม การแยกย่อย 5 ห่วงโซ่หลัก ไปจนถึงการวิเคราะห์ทีละบริษัท 30 แห่ง ภาคผนวกมีคำอธิบายแหล่งข้อมูล

การจัดหน้าใช้สไตล์เวกเตอร์ความละเอียดสูงแบบ “The Economist”

ต้องบอกว่า สะอาด มืออาชีพ!

3. วิจัยเชิงลึกห่วงโซ่อุตสาหกรรม AI Compute ทั่วโลก (PPT)

26 หน้า สไตล์มืดของ Bloomberg Terminal ทุกหน้ามีข้อมูลสนับสนุน แผนภูมิซิงค์กับโมเดล Excel

สามารถเอาไปรายงานเจ้านายได้ทันที ไม่ต้องปรับรูปแบบเอง

4. แบบจำลองประเมินมูลค่าทางการเงินรวมของห่วงโซ่อุตสาหกรรม AI Compute (Excel)

11 Sheet ครอบคลุมการประเมินมูลค่า 3 แบบ DCF+PE+PEG สำหรับ 30 บริษัท:

5. กระดานติดตามพอร์ตหุ้น AI Compute (Word)

เนื้อหาทดสอบ AI มีไว้เพื่อการเรียนรู้และแลกเปลี่ยนเท่านั้น ไม่ใช่คำแนะนำการลงทุน

อาจกล่าวได้ว่างานระดับองค์กรแบบนี้ K2.6 ทำได้ค่อนข้างดีทีเดียว

และปัญหาที่ทุกคนกังวลมากที่สุดคือ “ภาพหลอนตัวเลข” ตามที่官方บอก ปัจจุบัน K2.6 รองรับการเรียกใช้ฐานข้อมูลมืออาชีพ: Tianyancha, Tonghuashun เป็นต้น ไม่ต้องซื้อสมาชิกข้อมูลเหล่านั้นเพิ่ม

สำหรับคนที่ต้องเสียเงินซื้อข้อมูลบ่อยๆ เครื่องมือสร้างภาพข้อมูลอัตโนมัติที่มีฐานข้อมูลในตัวแบบนี้คุ้มค่ามาก

เสร็จเรื่องการเงินแล้ว มาทดสอบความสามารถ Coding กันบ้าง ตามที่官方เน้นว่าเป็น “ฟร้อนท์เอนด์ระดับดีไซเนอร์” ผลจะเป็นอย่างไร

ทดสอบที่ 2: เวิร์กสเตชันอัจฉริยะสร้างร่าง论文อัตโนมัติ (ใช้เวลา ~45 นาที)

K2.6 แยกย่อยงานโดยอัตโนมัติ สร้างโครงสร้างโปรเจกต์ อ่านเอกสารออกแบบที่เกี่ยวข้อง (react-dev.md, design.md, visualization.md) จากนั้นเริ่มดำเนินการ:

• สร้างแอนิเมชันเปิดหน้าจออัตโนมัติ (เฟดเข้า-ออก + รู้สึกถึงการหายใจ)
• เลย์เอาต์แบ่งซ้าย-ขวา: ด้านซ้ายแถบโน้ตกึ่งโปร่งใส ด้านขวาเขตบรรณาธิการหลัก
• ป้อนโน้ตแล้วสร้างโครงสร้าง论文แบบเรียลไทม์
• เอฟเฟกต์การ์ด悬停สำหรับเอกสารอ้างอิง
• ตัวยึดตำแหน่งการแสดงภาพโมเลกุล/ข้อมูล 3 มิติด้วย Three.js
• ฟังก์ชันส่งออก PDF ด้วยคลิกเดียว (ใช้เทมเพลตสไตล์ LaTeX)

ครั้งนี้ใช้เพียงสองบทบาท แต่ผลลัพธ์ยังคงน่าทึ่ง

ด้านล่างคือแอนิเมชันเปิดหน้าจอที่สร้างอัตโนมัติ:

นี่คือผลลัพธ์หลังจากฝังการออกแบบฟร้อนท์เอนด์:

จะว่าไงดี ก็รู้สึกว่า “มีกลิ่นอาย” นะ

ยังไงก็สวยกว่าที่ผมออกแบบเอง ฮ่าๆ

การโต้ตอบก็ลื่นไหล เอกสารที่悬停ทางซ้ายจะแสดงบทคัดย่อ:

ต้องบอกว่า รสนิยมด้านสุนทรียภาพนี้ใช้ได้จริง แอนิเมชันเปิดหน้าจอ การจับคู่ฟอนต์ การเว้นว่าง การตอบสนองการโต้ตอบ ล้วนดีกว่า AI ทั่วไปที่สร้างฟร้อนท์เอนด์ ตรรกะการโต้ตอบชัดเจน ประสบการณ์การใช้งานก็ลื่นไหล

ข้อเสียคือ ผมไม่ได้ขอให้เว็บเพจนี้มีแบ็คเอนด์และฐานข้อมูล ดูเหมือนต้องแจ้งเตือน主动ถึงจะเรียกใช้ได้

ในด้านฟังก์ชันยัง “ใช้ไม่ได้จริง” — การคงอยู่ของข้อมูล การแก้ไขหลายรอบ ความสมบูรณ์ของรูปแบบการส่งออก PDF การดึงข้อมูลอ้างอิงอัตโนมัติ ฯลฯ ความสามารถระดับการผลิตยังขาดอยู่ ห่างไกลจากเครื่องมือวิจัยที่ใช้งานได้จริง

ตามที่官方บอก ปัจจุบันสามารถเพิ่มระบบ预约 ฟังก์ชันฟอร์ม เพื่อเก็บข้อมูลผู้เยี่ยมชมและรองรับการเข้าสู่ระบบบัญชีได้แล้ว

สำหรับผู้ใช้ทั่วไป ก็เพียงพอแล้ว ลด门槛จาก 0 ถึง 1 ลง 90%

พูดคุย

หลังจากทดสอบสองกรณีนี้ ผมมีความรู้สึกรุนแรงสองอย่าง

ประการแรก K2.6 กำลังสำรวจความเป็นไปได้ของ AGI จริงๆ

คุณเคยเห็นโมเดลไหนที่สามารถจัดตาราง Agent 300 ตัว พร้อมกันวิ่งมากกว่า 4000 ขั้นตอน เขียนรายงาน券商 97 หน้าให้คุณ แล้วสร้างเวิร์กสเตชัน论文ระดับดีไซเนอร์ได้?

K2.6 ไม่ใช่แค่ “ฟังคำสั่งแล้วทำงาน”

มันลองผิดลองถูกเอง ปรับปรุงตัวเอง แยกย่อยงานเอง เรียกใช้เครื่องมือเอง (และไม่ต้องติดตั้งในเครื่องหรือใช้科学上网) นี่ไม่ใช่แค่การสร้างโค้ดและการใช้งาน工程ง่ายๆ แต่เป็น “ความเป็นอิสระทาง工程” ที่มีตรรกะ

ประการที่สอง มันรู้ขอบเขตของตัวเอง

K2.6 ไม่สมบูรณ์แบบ ฟังก์ชันยังมีพื้นที่ให้ปรับปรุง ความสามารถในการ推理ยังไม่แข็งแกร่งที่สุด

แต่มันคือโมเดลโอเพนซอร์สที่ใกล้เคียงที่สุดกับ “ที่ช่วยคุณทำงานได้จริง” เพราะมันคือผู้ที่แข็งแกร่งที่สุดในบรรดาโมเดลโอเพนซอร์สในปัจจุบัน

ถ้าคุณยังไม่เคยลอง แนะนำให้ลองดู ไม่ต้องเข้าใจโค้ด แค่เปิด Kimi พูดภาษาคน ดูมันทำงาน

แล้วบอกผมว่าคุณใช้มันทำอะไร