Un modello open-source gratuito esegue 300 agenti in parallelo attraverso 4.000 passi coordinati a partire da un singolo prompt, e ottiene punteggi più alti in compiti di ricerca reali rispetto a modelli per cui paghi 5 volte tanto.
La maggior parte delle persone non l'ha mai aperto.
Aprono Kimi, digitano una domanda, ottengono una risposta, chiudono la scheda. Questa è la chatbox. Funziona. Ma rappresenta solo circa il 10% di ciò che il prodotto può fare.
Ecco la parte che la maggior parte salta:
Lo sciame non corre solo veloce. Se lo usi bene, lascia sempre qualcosa dietro di sé – un'abilità riutilizzabile, una specifica più precisa, un vincolo che impedisce al run successivo di ripetere l'errore di oggi.
Lo sciame che ha eseguito il tuo compito ieri dovrebbe essere più intelligente di quello che lo esegue oggi.
https://x.com/Kimi_Moonshot/status/2047190578493096122
Questo è il ciclo. Kimi fa il lavoro e impara. Opus 4.8 si trova a un cancello – il cancello di verifica – e il suo unico compito è impedire che spazzatura venga salvata come abilità. Il motore impara. Il "chiuditore" lo mantiene onesto.
Alcuni scelgono un modello e lo sposano. Altri inseguono la linea di benchmark più alta. Altri ancora cablano LangGraph e passano un fine settimana a debuggare un DAG.
Il risultato è di solito lo stesso: un workflow che fa esattamente la stessa cosa al run #50 come al run #1.
Questo non è così. Questo è il manuale completo per uno sciame che accumula. 10 passi. Ogni prompt è copia-incolla. Ogni numero è verificato.
Parte 1 – Costruisci il ciclo una volta. Eseguilo per sempre.
01. Scrivi una specifica, non un prompt
Quando la maggior parte delle persone sente "300 agenti", spara una frase di una riga – "ricerca il mercato delle app fitness" – e si aspetta brillantezza. Questo è il modo più veloce per bruciare crediti e ottenere spazzatura.
Un prompt di una riga dà allo sciame il permesso di decidere tutto, e deciderà male.
Tratta lo sciame come un appaltatore, non un genio. Una specifica definisce cosa raccogliere, cosa conta come valido, quali fonti sono permesse, il formato esatto dell'output e cosa fare in caso di conflitto. Ecco la parte che la maggior parte salta: Kimi decide la decomposizione da solo.
Non costruisci gli agenti come faresti in CrewAI, non cabli il grafico come LangGraph, non definisci la struttura come AutoGen. Descrivi l'obiettivo – lo sciame costruisce l'organigramma.
La specifica è l'artefatto singolo con la leva più alta nell'intero ciclo, perché al passo 4 diventa il seme della tua abilità riutilizzabile.
1# PROGETTO: [nome]2OBIETTIVO: [una frase — il deliverable, non l'argomento]3AMBITO: [cosa è incluso, cosa è esplicitamente escluso]4REGOLE: [validazione — cosa conta come riga/risultato verificato]5FONTI: [post ufficiali, paper, solo fonti primarie — niente aggregatori]6OUTPUT: [tipo di file / numero / nomenclatura / dettagli formato]7IN CASO DI CONFLITTO: segnala la riga, mai risolvere in silenzio8CONDIZIONE DI ARRESTO: [quando fermarsi e riportare invece di indovinare]
02. Leggi il piano di decomposizione prima di spendere un centesimo
Questo è il passo che i principianti saltano, ed è il più costoso da saltare.
Dopo aver inviato la specifica, Kimi mostra il piano di esecuzione prima di eseguirlo – quanti sotto-agenti, cosa gestisce ciascuno, l'ordine delle dipendenze, il budget di passi.
Leggilo. Uno sciame di 200 agenti decomposto male costa soldi veri e ore vere. Controllare il piano non costa nulla. Cerchi tre cose: capisce l'ambito, il numero di agenti è sensato per la dimensione del compito, e il piano di output corrisponde a ciò di cui hai realmente bisogno.
Un dettaglio che vale la pena sapere: i 4.000 passi sono un budget totale coordinato per l'intero sciame, non 4.000 passi per agente. Un run con 300 agenti ha una media di ~13 passi ciascuno – sotto-compiti brevi e specializzati. Questo ti dice se il tuo compito si adatta alla forma.
1Mostrami la decomposizione proposta prima di eseguire:2- quanti sotto-agenti, e cosa gestisce ciascuno3- l'ordine delle dipendenze (cosa blocca cosa)4- budget di passi stimato5- dove si trova il rischio maggiore di calo di qualità6NON eseguire ancora. Aspetta la mia conferma.
Un prompt di una riga è un desiderio. Una specifica è un ordine. Lo sciame esegue ordini.
03. Lascialo essere dispendioso – è questo il punto
Ora lo esegui. Fino a 300 sotto-agenti si attivano in ondate parallele. La prima ondata gestisce sotto-compiti completamente indipendenti.
Man mano che i risultati arrivano, l'orchestratore lancia la successiva ondata su ciò che dipendeva da essi, finché il grafo delle dipendenze non si risolve.
Ogni sotto-agente lavora nella propria finestra di contesto limitata. Questo è il trucco strutturale: un singolo agente su un compito lungo riempie la sua finestra fino ad annegare e iniziare una sintesi lossy, e ogni passo di ragionamento successivo peggiora.
Lo sciame dà a ogni sotto-compito il proprio contesto circoscritto, così solo output strutturato ritorna al coordinatore. Ecco perché non collassa su compiti che rompono un singolo agente.
Poiché Kimi costa $0,95/M in input e $4,00/M in output – con cache hits a $0,16 – puoi permetterti di buttare via il primo tentativo e riprovare. Un volume economico cambia ciò che sei disposto a tentare.
1Esegui la specifica dall'inizio alla fine.2Parallelizza ovunque il piano lo permetta.3Riporta i progressi ogni 30 passi.4Segnala immediatamente qualsiasi blocco – non aggirarlo in silenzio.5Se un sotto-agente si blocca >10 min, riassegna o segnala.6Unisci tutto nell'OUTPUT definito nella specifica.
04. Esigi file veri, non una risposta in chat
L'output di uno sciame non è testo in una finestra. Sono deliverable strutturati che vanno direttamente nel tuo lavoro – e questa è la parte che la maggior parte degli articoli dimentica.
Un singolo run produce PDF, fogli di calcolo, dataset, presentazioni e codice funzionante, tutto da un singolo avvio, perché Kimi emette questi formati nativamente.
Quindi guida sempre la specifica con l'output.
"Un rapporto completo" dà agli agenti il permesso di fermarsi presto. "Un PDF di 40 pagine + un CSV con 20.000 righe + 14 grafici PNG pronti per l'esportazione" dà loro un obiettivo di qualità da raggiungere.
La specificità a livello di output fa la differenza.
1OUTPUT: [tipo di file] / [numero] / [nomenclatura] / [dettaglio formato]23# esempi forti:4OUTPUT: 1 .xlsx, una riga per modello, + brief di 200 parole5OUTPUT: 30 file HTML, uno per negozio, nominati per azienda6OUTPUT: PDF di 40 pagine + CSV di 20.000 righe + 14 grafici PNG
05. Punta il modello onesto all'output e chiedi cosa non va
Ecco l'unico battito che non è Kimi. Il difetto noto dello sciame: a meno che non richieda esplicitamente verifica, produce affermazioni sicure ma poco citate, e sotto-agenti indipendenti a volte si contraddicono. "Sembra finito" e "è corretto" sono pianeti diversi.
Opus 4.8 è costruito esattamente per questo cancello. Anthropic riporta che è circa 4 volte meno probabile rispetto a 4.7 che lascia passare un difetto nel proprio codice senza notarlo, ed è il primo Claude a ottenere 0% nel riportare acriticamente risultati difettosi.
Il suo unico compito qui è confutare, non lodare. Non stai pagando token premium per generare – li stai pagando per cogliere il difetto silenzioso prima che il passo 4 lo salvi per sempre in un'abilità.
Il volume economico è un superpotere solo quando qualcosa di affidabile controlla il lavoro. Mantieni il cancello di verifica.
06. Salva l'intero workflow come Skill
Questo è il battito che rende il ciclo auto-migliorante. Dopo un run che ripeterai, chiedi a Kimi di catturare l'intero workflow come Skill riutilizzabile – formato di input, passi degli agenti, formato di output.
Il primo run richiede 20 minuti. Ogni run successivo richiede 30 secondi.
Questa è la versione onesta di "auto-apprendimento". Il modello non sta riaddestrando i suoi pesi tra i tuoi run.
Il sistema intorno ad esso sta diventando più intelligente – la tua libreria di skill cresce con ogni progetto, e ogni futuro sciame applica automaticamente quelle skill.
Un concorrente non può copiare quella libreria in una settimana. È costruita da mesi dei tuoi run reali.
1Salva questo intero workflow come Skill riutilizzabile: "[nome]"2Cattura:3- formato di input (che tipo di file / forma di specifica si aspetta)4- i passi degli agenti che hanno funzionato5- il formato di output e la convenzione di nomenclatura6- le regole di validazione dalla specifica7La prossima volta che eseguo questo, allego nuovi file e ottengo la stessa forma.
07. Inserisci i tuoi documenti come conoscenza dello sciame
Le Skill catturano il processo. Documento-in-Skill cattura il dominio. Carica il tuo miglior lavoro – una proposta di affare chiuso, un rapporto rifinito, una presentazione – e Kimi cattura la sua impronta strutturale e stilistica come skill che ogni futuro sciame applica automaticamente.
Ecco dove si accumula: ogni PDF, trascrizione o foglio di calcolo che inserisci diventa contesto a cui tutti i 300 agenti paralleli possono ancorarsi, invece di ricadere sui dati di addestramento generali.
Più gli dai, più preciso diventa ogni run successivo. I rapporti smettono di sembrare generici AI e iniziano a sembrare tuo lavoro.
1Cattura questo documento come skill riutilizzabile. Identifica cosa lo rende efficace:2- struttura e ordine delle sezioni3- tono e registro vocale4- profondità di analisi per sezione5- il ritmo di scrittura e le scelte di formattazione6Salvalo come "[nome]". Poi produci un nuovo documento su [argomento diverso]7usando la skill catturata — raggiungi lo stesso livello di qualità, non lo stesso contenuto.
08. Trasforma il feedback di verifica in una regola permanente
Il passo 5 coglie un difetto una volta. Il passo 8 fa sì che lo sciame non lo commetta mai più. Prendi la lista di correzioni di Opus e non limitarti a correggere l'output – integra la lezione in un file dei vincoli a livello di progetto che Kimi legge automaticamente all'inizio di ogni sessione.
Questo è il ciclo che impara dai propri fallimenti. La deriva che Opus ha segnalato al run #1 diventa una regola rigida al run #2.
Dopo alcuni progetti, il tuo file dei vincoli si trasforma in documentazione vivente che si auto-applica – e il cancello di verifica ha sempre meno da cogliere ogni volta.
1# VINCOLI.md — caricato automaticamente2- ogni cifra dichiarata deve risalire a una fonte primaria o essere segnalata3- nessuna risoluzione silenziosa di conflitti — evidenzia le contraddizioni4- [regola distillata dal feedback di Opus dell'ultimo run]5- [l'errore che non vuoi mai ripetere]6Blocco ambito: non toccare nulla al di fuori del blocco AMBITO della specifica.
09. Ripeti la skill su nuovi input – guarda i costi crollare
Ora il payoff. Il run #2 non parte da zero. Parte dalla skill, dalla conoscenza dello sciame e dal file dei vincoli che hai costruito nei passi 6–8.
Stesso workflow, nuovi file, una frazione del setup.
È qui che "accumulo" smette di essere una parola d'ordine e si mostra sulla fattura. Il primo run di monitoraggio competitivo richiede una specifica completa e una verifica.
Il quarto è un prompt di 30 secondi contro la skill salvata, e l'output è più affilato perché eredita ogni correzione dai run precedenti.
1Esegui la skill salvata "[nome]" su questi nuovi input.2Applica VINCOLI.md. Usa il formato di output catturato.3[allega nuovi file]4Riporta solo le deviazioni dalla forma prevista della skill.
20 minuti al run uno. 30 secondi al run cinquanta. Questo divario è l'intera ragione per costruire un ciclo invece di un prompt.
10. Promuovi il ciclo a un agente in background
La mossa finale: una volta che un ciclo è stabile e basato su skill, smetti di lanciarlo manualmente.
Punta Kimi al trigger – un programma, un nuovo file caricato, la pagina dei prezzi di un concorrente – e lascia che esegua l'intero ciclo in modo proattivo, mostrando solo il deliverable e le deviazioni.
Il monitoraggio competitivo è l'esempio pulito.
Run #1 lo costruisci e verifichi a mano. Quando diventa un agente in background, sta controllando ogni concorrente in parallelo settimanalmente e lasciando un brief nella tua casella di posta a costo marginale zero di tempo.
L'unico essere umano rimasto nel ciclo è la domanda che poni e la decisione che prendi sulla risposta.
1Esegui skill "[nome]" con cadenza settimanale.2Trigger: [programma / nuovo file / URL monitorato]3Ad ogni run: esegui lo sciame, applica VINCOLI.md,4verifica, poi consegna l'OUTPUT + un diff rispetto all'ultimo run.5Contattami solo se una deviazione supera [soglia].
Conclusione:
Mentre i laboratori chiusi continuano a spedire un chatbot più intelligente alla volta, un modello aperto sta eseguendo 300 agenti in parallelo – e sta diventando più intelligente a livello di sistema con ogni run che gli dai.
Abbiamo già visto questa impronta esatta una volta. Una release open-source ridefinisce ciò che la frontiera chiusa pensava di possedere, e l'intero campo si ricalibra da un giorno all'altro. È successo con DeepSeek.
Uno sciame auto-apprendente su un modello open-weight ha la stessa forma.
I costruttori che ancora discutono su quale modello "ha vinto" stanno rispondendo a una domanda che ha smesso di essere rilevante.
La domanda ora non è quale modello è il più intelligente. È quanti puoi eseguire contemporaneamente, chi controlla il loro lavoro, e se la tua configurazione è più affilata oggi di quanto lo fosse ieri.
La maggior parte delle persone leggerà questo e continuerà a usare Kimi come chatbox. Alcuni pochi costruiranno il ciclo questa settimana. Il primo run richiede 20 minuti. Ogni run successivo è leva che possiedi.
Costruiscilo. Verificalo. Distillalo. Poi guardalo diventare più economico e più affilato ogni singola volta che lo esegui.
