एक ही सप्ताह में तीन मॉडल रिलीज़ हुए।
16 अप्रैल: Claude Opus 4.7।
20 अप्रैल: Kimi K2.6।
23 अप्रैल: GPT-5.5।
ज़्यादातर लोगों ने एक को चुन लिया और आगे बढ़ गए।
यह गलत कदम है।
विजेता किसी एक मॉडल के प्रति वफादार नहीं होते।
वे हर कार्य को उसके लिए सबसे अच्छे मॉडल पर स्वचालित रूप से रूट करते हैं, एक अविश्वसनीय रूप से शक्तिशाली और व्यावहारिक रूप से मुफ्त या बेतुके सस्ते तीन-भाग वाले स्टैक का उपयोग करके।
इस सेटअप के साथ एक अकेला व्यक्ति वह कर सकता है जिसके लिए पहले चार लोगों की टीम चाहिए थी।
एक एकल प्रॉम्प्ट 300 समानांतर एजेंट लॉन्च कर सकता है जो 4,000 समन्वित चरणों के माध्यम से काम कर रहे हों।
एक सप्ताह का सेटअप और आपका वर्कफ़्लो स्थायी रूप से बदल जाता है।
यहाँ बताया गया है कि तीनों को एक प्रणाली के रूप में कैसे उपयोग करें।
वास्तव में प्रत्येक क्या है
Kimi K2.6
20 अप्रैल को Moonshot AI द्वारा जारी, संशोधित MIT लाइसेंस के तहत ओपन सोर्स, API के माध्यम से लगभग $0.60 से $0.95 USD प्रति मिलियन इनपुट टोकन पर सस्ता, समान काम के लिए Claude से लगभग 8 गुना सस्ता और GPT-5.5 से 5 गुना सस्ता।
महत्वपूर्ण आंकड़े:
कुल 1 ट्रिलियन पैरामीटर, प्रति टोकन 32 बिलियन सक्रिय, 256k कॉन्टेक्स्ट विंडो, और प्रति प्रतिक्रिया अधिकतम 65,536 टोकन आउटपुट—जो Claude या OpenAI के फ्लैगशिप मॉडल से बड़ा है।
लंबी अवधि के कार्यों में 4,000 समन्वित चरणों के माध्यम से 300 उप-एजेंटों के समन्वय के लिए मूल रूप से प्रशिक्षित।
वास्तविक दुनिया के परीक्षणों में, K2.6 ने 13 घंटों में एक 8 साल पुराने वित्तीय मिलान इंजन को स्वायत्त रूप से फिर से बनाया, 12 अनुकूलन रणनीतियों और 1,000 से अधिक टूल कॉल के माध्यम से पुनरावृत्ति करते हुए, सटीकता के साथ 4,000 से अधिक कोड की पंक्तियों को संशोधित किया, जिससे माध्यिका थ्रूपुट में 185% की वृद्धि और प्रदर्शन थ्रूपुट में 133% की वृद्धि हुई।
Moonshot की एक आंतरिक टीम ने इसे लगातार पाँच दिनों तक एक स्वायत्त एजेंट के रूप में चलाया, बिना मानवीय हस्तक्षेप के निगरानी, घटना प्रतिक्रिया और सिस्टम संचालन का प्रबंधन किया।
बेंचमार्क:
SWE-bench Verified पर 80.2%।
SWE-bench Pro पर 58.6%, GPT-5.5 के साथ बराबरी।
DeepSearchQA पर 92.5%।
Terminal-Bench 2.0 पर 66.7%।
भ्रम दर K2.5 में 65% से घटकर 39% हो गई, व्यावहारिक रूप से Claude Opus 4.7 के 36% के स्तर पर।
कमज़ोरी:
API में कोई इमेज इनपुट नहीं, Anthropic या OpenAI की तुलना में टूल-स्कीमा पर थोड़ी अधिक रीट्राय दर, और शुद्ध गणित में अग्रणी नहीं है।
Claude Opus 4.7
16 अप्रैल को जारी, यह प्रोडक्शन कोड गुणवत्ता, कानूनी और उद्यम दस्तावेज़, विज़न कार्यों और किसी भी चीज़ के लिए सबसे अच्छा मॉडल है जहाँ गति से अधिक सटीकता मायने रखती है।
SWE-bench Pro में, यह 64.3% के साथ आगे है, Kimi और GPT-5.5 से लगभग 6 अंक आगे।
1.15 से 3.75 मेगापिक्सेल के रिज़ॉल्यूशन अपग्रेड के बाद दृश्य तीक्ष्णता 54.5% से बढ़कर 98.5% हो गई।
यह आपको वापस देने से पहले अपने उत्तरों को सत्यापित करता है, आपसे पहले तार्किक दोषों को पकड़ता है।
उद्यम ज्ञान कार्य के लिए, यह BigLaw Bench पर 90.9% स्कोर करता है, कानूनी प्रावधानों को सही ढंग से अलग करता है जिन्होंने ऐतिहासिक रूप से फ्रंटियर मॉडल को भ्रमित किया और स्रोत जानकारी के साथ काम करते समय Opus 4.6 की तुलना में 21% कम त्रुटियाँ देता है।
कमज़ोरी:
यह तीनों में से सबसे महंगे में से एक है, 5/25 USD प्रति मिलियन टोकन पर, और वेब रिसर्च में थोड़ा पीछे रह गया है।
GPT-5.5
23 अप्रैल को जारी, गणित, BrowseComp पर 90.1% के साथ वेब रिसर्च और कंप्यूटर उपयोग के लिए सबसे अच्छा है जहाँ यह OSWorld-Verified पर 78.7% के साथ स्वायत्त रूप से वास्तविक GUI संचालित करता है।
यह समान कार्यों को पूरा करने के लिए पिछले मॉडलों की तुलना में कम आउटपुट टोकन का उपयोग करता है, जिससे यह अपनी आधिकारिक कीमत 5/30 USD प्रति मिलियन से व्यवहार में सस्ता हो जाता है।
लंबे-संदर्भ पुनर्प्राप्ति में, यह उसी बेंचमार्क पर Claude के 32.2% की तुलना में 74.0% तक पहुँच जाता है—एक अंतर जो विशाल कोडबेस या अत्यंत लंबे दस्तावेज़ों के साथ काम करने वाले किसी भी व्यक्ति के लिए मायने रखता है।
और GPT की एक सुपरपावर वास्तव में Image 2 है।
ईमानदारी से, मैंने ऐसा कभी नहीं देखा।
कमज़ोरी:
आउटपुट की आधिकारिक लागत 30 USD प्रति मिलियन टोकन है, और यह वास्तविक कोड गुणवत्ता में Claude से और बड़े पैमाने के काम के लिए कीमत में Kimi से हार जाता है।
एजेंट स्वॉर्म: Kimi वास्तव में ऐसा क्या करता है जो और कुछ नहीं करता
K2.6 300 उप-एजेंटों तक स्केल करता है जो एक साथ 4,000 समन्वित चरणों को निष्पादित करते हैं, K2.5 की सीमा को तिगुना करते हुए।
प्रत्येक एजेंट समानांतर में एक विशेष उप-कार्य संभालता है, एक समन्वयक परिणामों को मर्ज करता है, और आपको एक एकल प्रॉम्प्ट से एंड-टू-एंड आउटपुट मिलता है।
लॉन्च के वास्तविक उदाहरण:
100 एजेंटों ने एक CV की तुलना 100 नौकरी के प्रस्तावों से की और 100 वैयक्तिकृत रिज़्यूमे लौटाए।
एक अन्य रन ने एक खगोल भौतिकी पेपर को 40-पेज, 7,000-शब्दों के शोध आउटपुट में 20,000-पंक्ति डेटासेट और 14 चार्ट के साथ परिवर्तित किया।
आप किसी भी PDF, स्प्रेडशीट या दस्तावेज़ को पुन: प्रयोज्य कौशल में भी बदल सकते हैं।
अपना सर्वश्रेष्ठ काम एक बार अपलोड करें, और स्वॉर्म स्वचालित रूप से हर भविष्य के कार्य में इसकी संरचना और गुणवत्ता की नकल करता है।
ईमानदार चेतावनी:
अत्यंत जटिल, लंबी अवधि के कार्यों में ऑर्केस्ट्रेशन नाजुक बना हुआ है।
Agent Swarm का उपयोग वहाँ करें जहाँ काम वास्तव में समानांतर किया जा सकता है:
बड़े पैमाने पर शोध, बैच प्रोसेसिंग, वॉल्यूम जनरेशन और बड़े पैमाने पर लंबे-फ़ॉर्म लेखन।
अनुक्रमिक तर्क, सिंगल-फ़ाइल डिबगिंग या आर्किटेक्चर निर्णयों के लिए, Opus 4.7 सबसे अच्छा विकल्प बना हुआ है।
चीट कोड: प्रत्येक कार्य को सही मॉडल पर रूट करें
पूरी रणनीति यह है:
आप किसी मॉडल के प्रति वफादार नहीं हैं।
आप रूट करते हैं।
Kimi K2.6 को दें:
बड़े पैमाने पर कोडिंग कार्य, प्रॉम्प्ट या इमेज से फ्रंट-एंड जनरेशन, बड़े शोध के लिए एजेंट स्वॉर्म, रात भर के स्वायत्त रन, और कोई भी चीज़ जो आपको सस्ते में और बड़े पैमाने पर करने की आवश्यकता है।
यदि आपको चाहिए:
50 फ़ंक्शन लिखे जाएँ,
100 पेज रिसर्च किए जाएँ,
एक फुल-स्टैक ऐप स्कैफोल्ड किया जाए,
या एक एजेंट 12 घंटे बिना निगरानी के चले,
Kimi आपका कर्मचारी है।
Claude Opus 4.7 को दें:
प्रोडक्शन कोड जो पहली बार में सही होना चाहिए, कानूनी दस्तावेज़, उद्यम वर्कफ़्लो, विज़न कार्य, डिज़ाइन सटीकता से संबंधित कोई भी चीज़, और कोई भी चीज़ जहाँ गलत उत्तर की वास्तविक लागत हो।
Opus आपका वरिष्ठ इंजीनियर और आपका सुरक्षा जाल है।
GPT-5.5 को दें:
गणित की समस्याएँ, भारी वेब ब्राउज़िंग की आवश्यकता वाले शोध कार्य, कंप्यूटर उपयोग और GUI नेविगेशन, और कोई भी चीज़ जहाँ आपको मॉडल को वर्तमान जानकारी जल्दी से खोजने और संश्लेषित करने की आवश्यकता है।
GPT-5.5 आपका शोधकर्ता और आपका कंप्यूटर ऑपरेटर है।
रूटिंग निर्णय में पाँच सेकंड लगते हैं।
बचत स्थायी है।
वास्तव में इसे कैसे सेट अप करें
विकल्प 1: मैनुअल रूटिंग (मुफ्त, आज काम करता है)
प्रत्येक कार्य से पहले तीन प्रश्न।
1/ बड़े पैमाने पर कोडिंग या स्वायत्त कार्य?
Kimi।
2/ परफेक्ट प्रोडक्शन, विज़न या कानूनी सामग्री?
Opus 4.7।
3/ गणित, वेब रिसर्च या कंप्यूटर नेविगेशन?
GPT-5.5।
प्रति कार्य पाँच सेकंड।
तत्काल लागत बचत।
विकल्प 2: Claude Code Router
आपको Claude Code इंटरफ़ेस का उपयोग करने की अनुमति देता है लेकिन अनुरोधों को Kimi, GPT-5.5 या OpenRouter के माध्यम से किसी भी मॉडल पर रूट करता है।
एक इंटरफ़ेस, तीन दिमाग, स्वचालित रूटिंग।
विकल्प 3: CodeRouter
coderouter.io स्वचालित रूप से प्रत्येक API कॉल को इष्टतम मॉडल पर रूट करता है।
कोई कॉन्फ़िगरेशन नहीं।
वर्तमान रूटिंग:
योजना और डिबगिंग के लिए Opus।
कार्यान्वयन और बड़े पैमाने पर जनरेशन के लिए Kimi।
गणित और शोध के लिए GPT-5.5।
किसी भी ध्यान देने योग्य गुणवत्ता परिवर्तन के बिना मासिक लागत लगभग 60% कम करता है।
🚨 आपको जिन रिपॉजिटरी की आवश्यकता है (सबसे महत्वपूर्ण भाग)
Kimi K2.6 के लिए:
github.com/moonshotai/Kimi-K2
आधिकारिक रिपॉजिटरी है।
वेट, vLLM और SGLang के लिए डिप्लॉयमेंट गाइड, API दस्तावेज़ीकरण, और सेल्फ-होस्टिंग या इंटीग्रेशन के लिए सभी कॉन्फ़िगरेशन।
यहाँ से शुरू करें।
github.com/chongdashu/cc-kimi-k2-thinking-prompts
दिखाता है कि एक एकल एनवायरनमेंट वेरिएबल बदलकर Claude Code CLI के माध्यम से Kimi K2.6 का उपयोग कैसे करें।
लागत के एक अंश पर Kimi के दिमाग के साथ काम करने वाला पूरा Claude Code एजेंट लूप।
github.com/dnnyngyen/kimi-agent-internals
में Kimi के छह एजेंट प्रकारों के लिए निकाले गए सिस्टम प्रॉम्प्ट हैं जिनमें Base Chat, OK Computer, Docs, Sheets, Slides और Websites शामिल हैं, साथ ही कौशल परिभाषाएँ और पूर्ण टूल स्कीमा भी शामिल हैं।
Claude Opus 4.7 के लिए:
github.com/CheswickDEV/claude-opus-4.7-prompt-optimizer
एक मेटा-प्रॉम्प्ट है जो आपके कच्चे प्रॉम्प्ट को संरचित XML प्रॉम्प्ट में बदलता है जो प्रोडक्शन के लिए तैयार होते हैं और विशेष रूप से Opus 4.7 की विशिष्टताओं के लिए अनुकूलित होते हैं, नए xhigh प्रयास और अनुकूली सोच स्तरों के लिए समायोजित।
github.com/rohitg00/awesome-claude-design
में Claude Design के लिए सौंदर्य परिवारों द्वारा आयोजित DESIGN.md प्रॉम्प्ट हैं, जिसमें टोकन बजट रेसिपी शामिल हैं क्योंकि Opus 4.7 विज़न टोकन समतुल्य टेक्स्ट से लगभग 3 गुना अधिक महंगे हैं।
github.com/Piebald-AI/claude-code-system-prompts
में रिलीज़ द्वारा अपडेट किया गया पूरा Claude Code सिस्टम प्रॉम्प्ट और 24 अंतर्निहित टूल विवरण हैं।
GPT-5.5 के लिए:
github.com/openai/gpt-5-coding-examples
एक एकल GPT-5 प्रॉम्प्ट के साथ पूरी तरह से निर्मित डेमो एप्लिकेशन के साथ आधिकारिक OpenAI रिपॉजिटरी है।
प्रत्येक डेमो में सटीक जीरो-शॉट प्रॉम्प्ट शामिल है जिसने इसे उत्पन्न किया।
github.com/f/awesome-chatgpt-prompts
143k से अधिक स्टार के साथ, विहित प्रॉम्प्ट लाइब्रेरी है और तीनों मॉडलों पर काम करता है।
तीनों को एक साथ उपयोग करने के लिए:
github.com/musistudio/claude-code-router
सब कुछ एक साथ लाता है।
एक इंटरफ़ेस, तीन मॉडल, स्वचालित रूटिंग।
github.com/asgeirtj/system_prompts_leaks
में एक ही स्थान पर तीनों मॉडलों के लीक हुए सिस्टम प्रॉम्प्ट हैं ताकि आप देख सकें कि प्रत्येक कंपनी अपने मॉडल के व्यवहार को कैसे आकार देती है।
वे प्रॉम्प्ट जो आपको अभी इंस्टॉल करने चाहिए
तीन प्रॉम्प्ट।
प्रति मॉडल एक।
उन्हें कहीं सुलभ सहेजें और किसी भी सत्र की शुरुआत में पेस्ट करें या उन्हें स्थायी सिस्टम प्रॉम्प्ट के रूप में इंस्टॉल करें।
Kimi K2.6 के साथ बड़े पैमाने पर काम और एजेंटों के लिए:
Claude Opus 4.7 के साथ प्रोडक्शन कार्य के लिए:
GPT-5.5 के साथ शोध और कंप्यूटर उपयोग के लिए:
वास्तविक चीज़ें जो आप आज इस स्टैक के साथ कर सकते हैं
एक ही सत्र में एक पूर्ण SaaS बनाएँ।
Kimi को उत्पाद, स्टैक और सुविधाओं का वर्णन करें।
इसे चलने दें।
फ्रंट-एंड, बैक-एंड और DevOps कॉन्फ़िगरेशन स्कैफोल्ड करें।
महत्वपूर्ण प्रोडक्शन रूट को मजबूत करने के लिए आउटपुट Opus 4.7 को दें।
किसी भी विषय पर गहराई से शोध करें।
एक शोध प्रश्न पर 50 से 100 एजेंटों के साथ Kimi का Agent Swarm लॉन्च करें।
प्रत्येक एक अलग कोण को कवर करता है।
समन्वयक विरोधाभासों को मर्ज और हल करता है।
10 लेख पढ़ने में पहले लगने वाले समय में उद्धरणों के साथ संरचित रिपोर्ट।
किसी भी चीज़ को बड़े पैमाने पर प्रोसेस करें।
100 नौकरी के प्रस्ताव, 100 वैयक्तिकृत कवर लेटर।
50 सपोर्ट टिकट, 50 अनुरूप प्रतिक्रियाएँ।
जिन कार्यों के लिए पहले एक टीम की आवश्यकता थी, वे अब कुछ डॉलर में रात भर चलते हैं।
दस्तावेज़ों को पुन: प्रयोज्य कौशल में बदलें।
अपनी सर्वश्रेष्ठ रिपोर्ट या प्रस्ताव Kimi पर अपलोड करें।
संरचनात्मक और शैलीगत DNA को एक कौशल के रूप में कैप्चर करें जिसे स्वॉर्म स्वचालित रूप से हर भविष्य के कार्य पर लागू करता है।
निगरानी और घटना प्रतिक्रिया को स्वचालित करें।
Kimi को एक पृष्ठभूमि एजेंट के रूप में अपने एरर लॉग और डिप्लॉयमेंट पाइपलाइन से कनेक्ट करें।
जब कुछ टूटता है:
प्रासंगिक कमिट ढूँढता है,
एक ड्राफ्ट फिक्स खोलता है,
और इसे Slack पर पोस्ट करता है।
आपका ऑन-कॉल इंजीनियर सुबह 3 बजे एक खाली टर्मिनल को घूरने के बजाय एक PR की समीक्षा करता है।
