तीन सप्ताह पहले मैंने Kimi K2.6 का एक परिचय लिखा था और इसे वह मॉडल कहा था जिसे अधिकांश लोग अनदेखा कर रहे थे।
लेख प्रकाशित हुआ, लोगों ने इसे आज़माया, और उनमें से आधे लोग वापस आकर वही सवाल पूछने लगे।
"ठीक है, लेकिन मैं इस चीज़ का उपयोग वास्तविक काम के लिए कैसे करूँ?"
यह इसका उत्तर है, परिचय से अधिक गहरा, कम सतही, अधिक रणनीतियों के साथ।
नई सुविधाएँ, चार मोड जिनके अस्तित्व के बारे में अधिकांश ऑपरेटर नहीं जानते, आज कॉपी और टेस्ट करने के लिए प्रॉम्प्ट, और वे उपयोग के मामले जिनके बारे में अभी कोई नहीं लिख रहा है।
यदि आपने पहला लेख पढ़ा है, तो यह वह अनुवर्ती है जो आप चाहते थे; यदि नहीं पढ़ा, तो आप जल्दी से पकड़ लेंगे।
त्वरित पुनर्कथन...
Kimi K2.6 Moonshot AI का ओपन सोर्स मॉडल है, जो 20 अप्रैल 2026 को रिलीज़ हुआ है। यह मुफ्त है और API के माध्यम से प्रति मिलियन इनपुट टोकन पर लगभग $0.55-0.80 खर्च होता है, जो आउटपुट वॉल्यूम के आधार पर समान काम के लिए Claude से लगभग 7-10 गुना सस्ता है।
तकनीकी शीर्षक 300 उप-एजेंट हैं जो समानांतर में 4,000 समन्वित कदम निष्पादित कर रहे हैं।
यह agent swarm है: एक प्रॉम्प्ट -> सैकड़ों एजेंट एक साथ काम कर रहे हैं, एक ऑर्केस्ट्रेटर परिणामों को मर्ज कर रहा है।
अधिकांश लेख उस शीर्षक संख्या पर रुक जाते हैं, असली कहानी यह है कि यह आर्किटेक्चर पहली बार में क्यों मौजूद है।
एकल-एजेंट AI एक संरचनात्मक सीमा तक क्यों पहुँच गया है
यह Moonshot का ढाँचा है, मेरा नहीं, और यह किसी भी ट्यूटोरियल से अधिक प्रभावशाली है।
तीन वर्षों से AI उद्योग हथौड़े को निखार रहा है। तेज़ इन्फ़रेंस, लंबा कॉन्टेक्स्ट, सस्ते टोकन। हर रिलीज़ टूल को थोड़ा बेहतर बनाने के बारे में रही है।
समस्या यह है कि बढ़ई के पास अभी भी दो हाथ और चौबीस घंटे हैं; एक बेहतर हथौड़ा मदद नहीं करता अगर अड़चन कभी हथौड़ा नहीं थी।
यहाँ वह हिस्सा है जिसे अधिकांश लोग छोड़ देते हैं: एकल-एजेंट डीप रिसर्च टूल से सौ कंपनियों का सर्वेक्षण करने या दर्जनों पेपरों को संश्लेषित करने के लिए कहें।
जैसे-जैसे कार्य लंबा खिंचता है, कॉन्टेक्स्ट विंडो भर जाती है, सिस्टम नए टोकन के लिए जगह बनाने हेतु हिस्ट्री फोल्डिंग या सारांशीकरण का सहारा लेता है।
वह संपीड़न हानिपूर्ण है, और उसके बाद हर तर्कशील कदम और खराब होता जाता है।
यह कोई बग या अस्थायी सीमा नहीं है। यह एक संरचनात्मक सीमा है जो एकल-एजेंट अनुक्रमिक निष्पादन मॉडल द्वारा ही लगाई गई है। आप इसे एक स्मार्ट मॉडल से ठीक नहीं कर सकते। आप इसे केवल आर्किटेक्चर को छोड़ कर ही ठीक कर सकते हैं।
यही Agent Swarm है: एक बेहतर एकल एजेंट नहीं, बल्कि पूरी कार्यशाला का पुनर्निर्माण।
K2.5 में 100 उप-एजेंट और 1,500 समन्वित कदम थे। K2.6 में 300 उप-एजेंट और 4,000 कदम हैं।
लंबी अवधि के कार्यों पर वास्तविक दुनिया के परिणाम समान कार्य पर अनुक्रमिक एजेंट की तुलना में 4.5 गुना तेज़ निष्पादन प्रदान करते हैं, उच्च अंतिम गुणवत्ता के साथ क्योंकि swarm संरचनात्मक रूप से उस कॉन्टेक्स्ट पतन से बचता है जो एकल एजेंटों को तोड़ देता है।
शीर्षक संख्याएँ वास्तविक हैं, और वे महत्वपूर्ण हैं क्योंकि अड़चन स्थानांतरित हो गई है।
Agent Swarm एक संगठन है जो स्वयं को डिज़ाइन करता है
Moonshot के शोध पोस्ट की वह पंक्ति जिसे लगभग कोई उद्धृत नहीं करता:
यह कई AI एजेंटों के एक साथ काम करने की कहानी नहीं है। हम जो बना रहे हैं वह बॉस, कर्मचारी और श्रम विभाजन वाली एक संगठनात्मक संरचना है, सिवाय इसके कि यह संगठन मनुष्यों द्वारा डिज़ाइन नहीं किया गया है। यह स्वयं को डिज़ाइन करता है।
जब आप Agent Swarm को एक लक्ष्य देते हैं, तो आप किसी सहायक को आदेश नहीं दे रहे हैं। आप एक CEO को काम पर रख रहे हैं। वह CEO फिर अपने आप शोधकर्ताओं, विश्लेषकों, तथ्य-जांचकर्ताओं को ढूँढता है।
आप सूक्ष्म प्रबंधन नहीं करते। आप टीम नहीं चुनते। आप डिलीवरेबल को परिभाषित करते हैं, और swarm उसे पूरा करने के लिए आवश्यक संगठन बनाता है।
🚨 ठीक है, Agent Swarm ने मुझे सरल प्रश्न 'दिखाओ कि तुम क्या कर सकते हो' के उत्तर में यह दिया
वह स्व-संगठन ही वास्तविक सफलता है। बाजार में हर दूसरी 'मल्टी-एजेंट' प्रणाली एक निश्चित लूप में LLM A को LLM B को कॉल करना है जिसे आपको डिज़ाइन करना था।
Kimi का swarm हर बार खरोंच से संगठन चार्ट बनाता है, जो सामने वाले काम के आकार के अनुसार होता है।
Swarm वास्तव में कैसे काम करता है
जब आप कोई swarm कार्य सबमिट करते हैं तो अंदर पाँच चीज़ें होती हैं।
विघटन (Decomposition). समन्वयक आपके लक्ष्य को डोमेन-विशेषज्ञ उप-कार्यों में तोड़ता है। शोध शोध एजेंटों के पास जाता है, संश्लेषण संश्लेषण एजेंटों के पास, लेखन लेखन एजेंटों के पास।
एजेंट मिलान (Agent matching). प्रत्येक उप-कार्य को कौशल और उपकरणों के आधार पर सबसे उपयुक्त उप-एजेंट के पास भेजा जाता है। यही रूटिंग कारण है कि K2.6 ने Swarm मोड में BrowseComp पर 86.3% हासिल किया, जबकि K2.5 का 78.4% था, एक ही कर्मचारी, स्मार्ट डिस्पैच।
समानांतर निष्पादन (Parallel execution). सभी उप-एजेंट अपनी स्वयं की सीमित कॉन्टेक्स्ट विंडो के साथ एक साथ काम करते हैं, जो उस कॉन्टेक्स्ट-पतन समस्या को खत्म करता है जो एकल-एजेंट रन को तोड़ती है।
विफलता पुनर्प्राप्ति (Failure recovery). जब कोई उप-एजेंट रुक जाता है, तो समन्वयक पुनर्निर्देशित और पुनः असाइन करता है। swarm रन के दौरान स्वयं ठीक हो जाता है।
संश्लेषण (Synthesis). आउटपुट एक सुसंगत डिलीवरेबल में विलीन हो जाते हैं जिसमें विरोधाभास हल हो जाते हैं।
एक छठी चीज़ है जिसके बारे में कोई बात नहीं करता: संरचनात्मक असहमति। स्वतंत्र एजेंट स्वाभाविक रूप से अतिव्यापी प्रश्नों पर अलग-अलग निष्कर्षों पर पहुँचते हैं, समन्वयक समाधान को मजबूर करता है, और यह संरचनात्मक रूप से समूह सोच से बचता है। यही कारण है कि swarm आउटपुट अक्सर एक मॉडल द्वारा उत्पादित आउटपुट की तुलना में अधिक तेज लगता है।
Moonshot के अपने उदाहरण जो इसे साबित करते हैं: swarm ने व्यक्तिगत साइटों और आर्काइव्स में बिखरे 200 से अधिक Paul Graham निबंधों को एक प्रॉम्प्ट से 6 विषय-आधारित फ़ोल्डरों में एक पूर्ण सारांश रिपोर्ट के साथ खींच लिया।
एक अन्य रन ने 100 विशिष्ट YouTube डोमेन में शीर्ष 3 क्रिएटर्स को पाया, 100 समानांतर उप-एजेंट भेजने से पहले प्रत्येक विशिष्ट क्षेत्र को स्वयं परिभाषित किया।
पैटर्न दोनों में समान है: खोजने या संसाधित करने के लिए चीज़ों का एक पहाड़ जहाँ प्रत्येक आइटम स्वतंत्र है। यही सर्वोत्तम स्थिति है। अनुक्रमिक कार्यों के लिए जहाँ कदम N कदम N-1 पर निर्भर करता है, एकल-एजेंट मोड पर रहें।
Swarm वास्तव में चार तरीकों से काम करता है: Instant त्वरित खोजों के लिए, Thinking विश्लेषण और जटिल कोड के लिए, Agent मध्यम स्वायत्त कार्यों के लिए जैसे 10-पेज की रिपोर्ट, Agent Swarm केवल तब जब काम वास्तव में समानांतर हो। अधिकांश ऑपरेटर डिफ़ॉल्ट रूप से Swarm तक पहुँचते हैं और उस समानांतरता के लिए भुगतान करते हैं जिसका वे कभी उपयोग नहीं करते। मोड को कार्य के आकार से मिलाएँ।
तीन कम उपयोग की जाने वाली सुविधाएँ और उनके साथ क्या बनाएँ
/swarm से पहले /plan चलाएँ, लगभग कोई इसे नहीं सिखाता।
/plan आपको दिखाता है कि कोई काम होने से पहले Kimi आपके कार्य को उप-एजेंटों और चरणों में कैसे विघटित करेगा।
आप योजना देखते हैं, अगर एजेंट गलत हैं तो समायोजित करते हैं, फिर कमिट करते हैं।
इसकी कोई लागत नहीं है, गलत तरीके से विघटित 200-एजेंट swarm वास्तविक पैसा खर्च करता है।
Document to Skills: अपना सर्वश्रेष्ठ काम अपलोड करें, एक पॉलिश रिपोर्ट, एक लैंडिंग पेज, एक डेक जिसने एक डील बंद की। Kimi संरचनात्मक और शैलीगत फिंगरप्रिंट को एक पुन: प्रयोज्य कौशल के रूप में कैप्चर करता है जिसे हर भविष्य का swarm स्वचालित रूप से लागू करता है। मेनू में बैठा है, लगभग कोई इसका उपयोग नहीं करता।
कोडिंग-संचालित डिज़ाइन: एक ही प्रॉम्प्ट, दो अलग-अलग परिणाम। Claude डिफ़ॉल्ट रूप से साफ टेम्पलेट वाले लेआउट देता है। Kimi UI को पहले एक कोडिंग समस्या के रूप में मानता है, MoonVIT एन्कोडर के साथ जोड़ा जाता है, और संपादकीय लेआउट तैयार करता है जो जानबूझकर रचित लगते हैं।
दोनों को 'The J Hotel के लिए एक लैंडिंग पेज डिज़ाइन करें' प्रॉम्प्ट करें। Claude नेवी पर सोने के एक्सेंट के साथ एक केंद्रित बुकिंग फॉर्म लौटाता है, जो हर AI होटल पेज जैसा दिखता है।
Kimi एक बाएँ-संरेखित संपादकीय लेआउट लौटाता है जिसमें एक गर्म हीरो फोटो है, 'Book a Stay' छवि पर फ्लोट किया गया है, टाइपोग्राफी जो डिज़ाइन की गई लगती है।
यदि आप बड़े पैमाने पर फ्रंट-एंड शिप करते हैं, तो वर्कफ़्लो के उस हिस्से के लिए Kimi पर स्विच करें।
आज बनाने के लिए छह चीज़ें:
बहु-चरणीय बाजार प्रवेश रणनीतियाँ जो एक ही रन में PDF, Excel और PowerPoint तैयार करती हैं।
तुलनात्मक शैक्षणिक गहन अध्ययन जो 24 महीनों के संबंधित पेपरों को 40-पेज के विश्लेषण में खींचते हैं।
मैक्रो डेटा एकीकरण के साथ कच्चे CSV से वित्तीय डैशबोर्ड।
सामग्री लाइब्रेरी ऑडिट जो 50 पुरानी पोस्ट को लगातार फिंगरप्रिंट के साथ फिर से लिखते हैं।
30 अनुक्रमिक के बजाय 300-प्रॉस्पेक्ट पैमाने पर आउटरीच।
लंबी अवधि के कोड रीफैक्टर जो 50,000-लाइन लीगेसी कोडबेस को मॉड्यूल द्वारा विभाजित करते हैं, 24-36 घंटों में स्वायत्त रूप से चलते हैं।
आज परीक्षण करने के लिए तीन वास्तविक प्रॉम्प्ट
ये ऑपरेटर-ग्रेड, स्कोप लॉक, स्रोत नियम, त्रुटि प्रबंधन और थ्रेशोल्ड शर्तें हैं, न कि सामान्य प्रॉम्प्ट जो टाइमलाइन में बाढ़ लाते हैं।
परीक्षण 1: Agent Swarm समानांतर शोध
Kimi को Agent Swarm मोड पर स्विच करें, फिर इसे पेस्ट करें।
आपको क्या देखना चाहिए: swarm कई एजेंटों में शोध को विभाजित कर रहा है, प्रत्येक समानांतर में अलग-अलग स्रोतों से खींच रहा है, फिर एक एकल साफ डिलीवरेबल में विलय कर रहा है। इसे मैन्युअल रूप से करने के समय के साथ तुलना करें।
परीक्षण 2: Document to Skills
अपना सबसे अच्छा पेशेवर काम खोजें। एक रिपोर्ट, एक प्रस्ताव, एक डेक, कुछ भी जिस पर आपको गर्व है। इसे अपलोड करें और यह पेस्ट करें।
आपको क्या देखना चाहिए: एक पूरी तरह से अलग विषय पर एक नया दस्तावेज़ जो ऐसा लगता है जैसे उसी लेखक ने इसे लिखा हो। यह बड़े पैमाने पर प्रीमियम आउटपुट तैयार करने की सफलता है।
परीक्षण 3: Swarm सत्यापन के लिए योजना मोड
किसी भी महंगे swarm रन से पहले, विघटन का परीक्षण करें।
आपको क्या देखना चाहिए: Kimi कमिट करने से पहले ठीक से बता रहा है कि वह कार्य पर कैसे हमला करेगा। 200-एजेंट swarm शुरू करने से पहले आप सबसे सस्ती बीमा पॉलिसी खरीद सकते हैं।
और सबसे महत्वपूर्ण भागों में से एक | लागत का चित्र, ईमानदारी से
कुछ मोटे आंकड़े ताकि आप कैलिब्रेट कर सकें:
Kimi पर मुफ्त टियर आपको तुरंत Instant और thinking मोड देता है, agent और Agent Swarm के लिए Allegretto प्लान चाहिए, हालांकि मैं सीधे कहूँगा कि यह इसके लायक है।
API मूल्य एंडपॉइंट और रूटिंग के आधार पर प्रति मिलियन इनपुट टोकन लगभग $0.55-0.80 और प्रति मिलियन आउटपुट टोकन $2.65-3.60 है।
समान कार्यभार के लिए Claude Opus से लगभग 7-10 गुना सस्ता।
एक 100-एजेंट शोध रन जो उद्धरणों और एक संरचित डेटासेट के साथ 40-पेज की रिपोर्ट तैयार करता है, आमतौर पर टोकन में $2-6 खर्च होता है।
वही काम Claude Code के माध्यम से मैन्युअल ऑर्केस्ट्रेशन के साथ $30-80 खर्च करता है और तीन गुना अधिक समय लेता है।
स्व-होस्टिंग मुफ्त है यदि आपके पास हार्डवेयर है, वेट्स Hugging Face पर Modified MIT License के तहत उपलब्ध हैं।
- Leo
