무료 오픈소스 모델이 단일 프롬프트에서 300개의 병렬 에이전트를 4,000개의 조정된 단계에 걸쳐 실행하며, 5배 더 비싼 모델보다 실제 연구 과제에서 더 높은 점수를 기록합니다.
대부분의 사람들은 이 기능을 사용해 본 적이 없습니다.
그저 Kimi를 열고, 질문을 입력하고, 답변을 받고, 탭을 닫습니다. 채팅창입니다. 작동은 합니다. 하지만 이는 이 제품이 할 수 있는 일의 약 10%에 불과합니다.
대부분이 놓치는 핵심은 바로 이것입니다:
스웜은 단순히 빠르게 실행되는 것만이 아닙니다. 제대로 실행하면 매번 무언가를 남깁니다. 재사용 가능한 스킬, 더 선명해진 명세, 다음 실행이 오늘의 실수를 반복하지 못하게 막는 제약 조건입니다.
어제 작업을 실행한 스웜은 오늘 작업을 실행하는 스웜보다 더 똑똑해야 합니다.
https://x.com/Kimi_Moonshot/status/2047190578493096122
이것이 바로 루프입니다. Kimi는 작업과 학습을 수행합니다. Opus 4.8은 하나의 게이트, 즉 검증 게이트에 자리 잡고 있으며, 쓰레기 데이터가 스킬로 저장되는 것을 막는 것이 유일한 임무입니다. 엔진은 학습하고, 클로저는 정직함을 유지합니다.
어떤 이들은 하나의 모델을 선택하고 평생 사용합니다. 어떤 이들은 최고 벤치마크 라인을 쫓습니다. 또 다른 이들은 LangGraph를 연결하고 주말 내내 DAG를 디버깅합니다.
결과는 대개 동일합니다: 50번째 실행에서도 1번째 실행과 정확히 동일한 작업을 수행하는 워크플로우입니다.
하지만 이것은 다릅니다. 이것은 복리 효과를 내는 스웜을 위한 완벽한 플레이북입니다. 10단계. 모든 프롬프트는 복사해서 붙여넣기만 하면 됩니다. 모든 숫자는 검증되었습니다.
파트 1 - 루프를 한 번 구축하고 영원히 실행하세요.
01. 프롬프트가 아닌 명세를 작성하세요
대부분이 "300개 에이전트"라는 말을 들으면 "피트니스 앱 시장을 조사해줘"와 같은 한 줄짜리 명령을 던지고 기대합니다. 크레딧을 태우고 쓰레기 데이터를 얻는 가장 빠른 길입니다.
한 줄짜리 프롬프트는 스웜에게 모든 것을 결정할 권한을 주며, 스웜은 분명 잘못 결정할 것입니다.
스웜을 요정이 아닌 계약자처럼 대우하세요. 명세는 무엇을 수집할지, 무엇이 유효한지, 어떤 출처가 허용되는지, 정확한 출력 형식, 그리고 충돌 시 어떻게 처리할지를 정의합니다. 대부분이 놓치는 핵심은 바로 이것입니다: Kimi가 분해(decomposition)를 스스로 결정합니다.
CrewAI처럼 에이전트를 구축하지 않고, LangGraph처럼 그래프를 연결하지 않으며, AutoGen처럼 구조를 정의하지 않습니다. 목표를 설명하면 스웜이 조직도를 만듭니다.
명세는 전체 루프에서 단일한 가장 높은 레버리지를 가진 결과물입니다. 4단계에서 재사용 가능한 스킬의 시드가 되기 때문입니다.
1# 프로젝트: [이름]2목표: [한 문장 — 주제가 아닌 결과물]3범위: [포함되는 것, 명시적으로 제외되는 것]4규칙: [검증 — 검증된 행/결과로 간주하는 기준]5출처: [공식 게시물, 논문, 1차 출처만 — 종합 매체 제외]6출력: [파일 형식 / 개수 / 명명 규칙 / 형식 세부사항]7충돌 시: 해당 행에 플래그 지정, 자동 해결 금지8중단 조건: [추측 대신 중단하고 보고해야 하는 시점]
02. 실행 계획을 먼저 확인하고 비용을 지출하세요
이 단계는 첫 사용자가 건너뛰는 단계이며, 건너뛰었을 때 가장 큰 비용이 발생하는 단계입니다.
명세를 제출하면 Kimi는 실행 전에 실행 계획을 보여줍니다. 즉, 하위 에이전트 수, 각각의 처리 내용, 의존성 순서, 단계 예산을 말이죠.
확인하세요. 잘못 분해된 200개 에이전트 스웜은 실제 비용과 실제 시간을 소모합니다. 계획을 확인하는 데는 비용이 들지 않습니다. 확인해야 할 세 가지는 다음과 같습니다: 범위를 이해했는지, 에이전트 수가 작업 규모에 적합한지, 출력 계획이 실제 필요한 것과 일치하는지.
알아두면 좋은 세부 사항: 4,000단계는 에이전트당 4,000단계가 아닌 스웜 전체의 총 조정 예산입니다. 300개 에이전트 실행은 평균 약 13단계씩, 즉 짧고 특화된 하위 작업을 수행합니다. 이를 통해 작업이 이 구조에 적합한지 알 수 있습니다.
1실행 전에 제안된 분해 계획을 보여주세요:2- 하위 에이전트 수와 각각의 처리 내용3- 의존성 순서 (무엇이 무엇을 차단하는지)4- 예상 단계 예산5- 품질 저하 위험이 가장 큰 지점6아직 실행하지 마세요. 제 확인을 기다리세요.
한 줄짜리 프롬프트는 소원입니다. 명세는 명령입니다. 스웜은 명령을 실행합니다.
03. 낭비를 허용하세요 — 그것이 핵심입니다
이제 실행합니다. 최대 300개의 하위 에이전트가 병렬 웨이브로 실행됩니다. 첫 번째 웨이는 완전히 독립적인 하위 작업을 처리합니다.
결과가 도착하면 오케스트레이터는 결과에 의존하는 다음 웨이브를 시작하여 의존성 그래프가 해결될 때까지 계속합니다.
각 하위 에이전트는 자체 경계가 있는 컨텍스트 창에서 작업합니다. 이것이 구조적 비결입니다. 단일 에이전트가 긴 작업을 수행하면 창이 가득 차서 손실 요약을 시작하고 그 이후의 모든 추론 단계는 점점 나빠집니다.
스웜은 각 하위 작업에 자체 범위가 지정된 컨텍스트를 제공하므로 구조화된 출력만 코디네이터로 다시 흐릅니다. 이것이 단일 에이전트를 망가뜨리는 작업에서도 붕괴되지 않는 이유입니다.
Kimi는 입력 $0.95/M, 출력 $4.00/M에 실행되고 캐시 적중 시 $0.16이므로 첫 번째 시도를 버리고 다시 실행해도 됩니다. 저렴한 볼륨은 시도할 의향을 바꿉니다.
1명세를 처음부터 끝까지 실행하세요.2계획이 허용하는 모든 곳에서 병렬화하세요.330단계마다 진행 상황을 보고하세요.4차단 요소가 있으면 즉시 플래그 지정하세요. 조용히 우회하지 마세요.5하위 에이전트가 10분 이상 지연되면 재할당하거나 보고하세요.6모든 것을 명세에 정의된 출력 형식으로 병합하세요.
04. 실제 파일을 요구하세요, 채팅 답변이 아닌
스웜의 출력은 창 안의 텍스트가 아닙니다. 작업에 바로 사용할 수 있는 구조화된 결과물입니다. 그리고 이것이 대부분의 기사가 놓치는 부분입니다.
한 번의 실행으로 PDF, 스프레드시트, 데이터셋, 슬라이드 데크, 작동하는 코드가 생성됩니다. Kimi가 이러한 형식을 기본적으로 생성하기 때문입니다.
따라서 항상 출력으로 명세를 시작하세요.
"포괄적인 보고서"는 에이전트에게 일찍 중단할 권한을 줍니다. "40페이지 PDF + 20,000행 CSV 1개 + 내보내기 가능한 PNG 차트 14개"는 달성해야 할 품질 목표를 제시합니다.
출력 수준의 구체성이 차이를 만듭니다.
1출력: [파일 형식] / [개수] / [명명 규칙] / [형식 세부사항]23# 좋은 예시:4출력: .xlsx 1개, 모델당 한 행, + 200자 요약5출력: HTML 파일 30개, 매장당 하나, 업체명으로 명명6출력: 40페이지 PDF + 20,000행 CSV + PNG 차트 14개
05. 정직한 모델을 출력에 적용하고 무엇이 잘못되었는지 물어보세요
여기 Kimi가 아닌 한 가지 요소가 있습니다. 스웜의 알려진 약점: 명시적으로 검증을 요구하지 않으면 확신에 차 있지만 인용이 부족한 주장을 생성하며, 독립적인 하위 에이전트가 서로 모순되는 경우가 있습니다. "완료된 것 같다"와 "정확하다"는 다른 차원의 문제입니다.
Opus 4.8은 바로 이 게이트를 위해 만들어졌습니다. Anthropic에 따르면 자체 코드의 결함을 지적하지 않고 넘어갈 가능성이 4.7보다 약 4배 낮으며, 결함이 있는 결과를 비판 없이 보고하는 데 있어 0%를 기록한 최초의 Claude입니다.
여기서의 유일한 역할은 칭찬이 아닌 반박하는 것입니다. 프리미엄 토큰을 생성에 사용하는 것이 아니라 4단계가 결함을 스킬로 영구 저장하기 전에 조용한 결함을 잡아내는 데 사용하는 것입니다.
저렴한 볼륨은 신뢰할 수 있는 무언가가 작업을 확인할 때만 슈퍼파워가 됩니다. 검증 게이트를 유지하세요.
06. 전체 워크플로우를 스킬로 저장하세요
이 단계는 루프가 자기 개선을 하게 만드는 핵심입니다. 반복할 실행 후, Kimi에게 전체 워크플로우(입력 형식, 에이전트 단계, 출력 형식)를 재사용 가능한 스킬로 캡처하도록 지시하세요.
첫 번째 실행은 20분이 걸립니다. 이후의 모든 실행은 30초가 걸립니다.
이것이 "자기 학습"의 정직한 버전입니다. 모델이 실행 사이에 가중치를 재훈련하는 것은 아닙니다.
주변 시스템이 더 똑똑해지는 것입니다. 스킬 라이브러리는 모든 프로젝트와 함께 성장하며, 모든 미래 스웜은 해당 스킬을 자동으로 적용합니다.
경쟁사는 일주일 만에 그 라이브러리를 복사할 수 없습니다. 수개월간의 실제 실행을 통해 구축되기 때문입니다.
1이 전체 워크플로우를 재사용 가능한 스킬로 저장하세요: "[이름]"2캡처할 항목:3- 입력 형식 (예상하는 파일/명세 형태)4- 작동했던 에이전트 단계5- 출력 형식 및 명명 규칙6- 명세의 검증 규칙다음에 이 스킬을 실행할 때 새 파일을 첨부하면 동일한 형태의 결과를 얻습니다.
07. 자체 문서를 스웜 지식으로 공급하세요
스킬은 프로세스를 캡처합니다. 문서-투-스킬은 도메인을 캡처합니다. 최고의 작업물(성사된 제안서, 정제된 보고서, 데크)을 업로드하면 Kimi가 구조적, 스타일적 지문을 스킬로 캡처하여 모든 미래 스웜이 자동으로 적용합니다.
여기서 복리 효과가 발생합니다. 공급하는 모든 PDF, 대본, 스프레드시트는 300개의 병렬 에이전트 모두가 일반 훈련 데이터 대신 기준으로 삼을 수 있는 컨텍스트가 됩니다.
더 많이 공급할수록 이후의 모든 실행이 더 정확해집니다. 보고서는 일반적인 AI 결과물처럼 읽히지 않고 여러분의 작업물처럼 읽히기 시작합니다.
1이 문서를 재사용 가능한 스킬로 캡처하세요. 무엇이 효과적인지 식별하세요:2- 구조 및 섹션 순서3- 어조 및 음성 레지스터4- 섹션별 분석 깊이5- 글쓰기 리듬 및 형식 결정6"[이름]"으로 저장하세요. 그런 다음 캡처된 스킬을 사용하여 [다른 주제]에 대한 새 문서를 생성하세요. 내용이 아닌 품질 기준에 맞춰서 말이죠.
08. 검증 피드백을 영구적인 규칙으로 전환하세요
5단계는 결함을 한 번 잡습니다. 8단계는 스웜이 그 결함을 다시는 만들지 않도록 보장합니다. Opus의 수정 목록을 가져와서 출력만 패치하지 말고, 세션이 시작될 때마다 Kimi가 자동으로 읽는 프로젝트 수준 제약 조건 파일에 교훈을 적용하세요.
이것이 루프가 자체 실패로부터 학습하는 방식입니다. Opus가 1번 실행에서 플래그를 지정한 표류는 2번 실행에서 하드 규칙이 됩니다.
몇 개의 프로젝트를 거치면 제약 조건 파일은 자체적으로 적용되는 살아있는 문서로 변하며, 검증 게이트가 매번 잡아야 할 것이 점점 줄어듭니다.
1# CONSTRAINTS.md — 자동 로드됨2- 모든 주장된 수치는 1차 출처로 추적 가능하거나 플래그가 지정되어야 함3- 충돌 해결 시 자동 처리 금지 — 모순점 표면화4- [마지막 실행의 Opus 피드백에서 추출된 규칙]5- [다시는 반복하고 싶지 않은 실수]6범위 잠금: 명세의 SCOPE 블록 외부를 건드리지 마세요.
09. 새로운 입력에 스킬을 재사용하세요 — 비용이 붕괴되는 것을 지켜보세요
이제 결과물입니다. 2번 실행은 0부터 시작하지 않습니다. 6-8단계에서 구축한 스킬, 스웜 지식, 제약 조건 파일에서 시작합니다.
동일한 워크플로우, 새로운 파일, 설정 시간의 극히 일부.
여기서 "복리"가 유행어가 아닌 청구서에 나타납니다. 첫 번째 경쟁 모니터링 실행은 전체 명세와 검증 패스가 필요합니다.
네 번째 실행은 저장된 스킬에 대한 30초 프롬프트이며, 이전 실행의 모든 수정 사항을 상속받기 때문에 출력이 더 선명합니다.
1저장된 스킬 "[이름]"을 이 새로운 입력들에 대해 실행하세요.2CONSTRAINTS.md를 적용하세요. 캡처된 출력 형식을 사용하세요.3[새 파일 첨부]4스킬의 예상 형태와 다른 점만 보고하세요.
1번 실행 20분. 50번 실행 30초. 이 격차가 프롬프트 대신 루프를 구축해야 하는 이유입니다.
10. 루프를 백그라운드 에이전트로 승격시키세요
마지막 단계: 루프가 안정화되고 스킬로 뒷받침되면 수동으로 실행을 중단합니다.
Kimi를 트리거(일정, 새 파일 드롭, 경쟁사 가격 페이지)에 연결하고 전체 루프를 사전에 실행하게 하여 결과물과 변경 사항만 표시하도록 합니다.
경쟁 모니터링이 가장 깔끔한 예입니다.
1번 실행은 수동으로 구축하고 검증합니다. 백그라운드 에이전트가 되면 매주 모든 경쟁사를 병렬로 확인하고 제로 추가 시간 비용으로 받은 편지함에 요약을 드롭합니다.
루프에 남은 유일한 인간은 설정한 질문과 답변에 대한 결정입니다.
1매주 일정으로 스킬 "[이름]"을 실행하세요.2트리거: [일정 / 새 파일 / 모니터링되는 URL]3각 실행 시: 스웜 실행, CONSTRAINTS.md 적용,4검증 후 출력 + 마지막 실행과의 차이점 전달.5변동이 [임계값]을 초과하는 경우에만 저에게 알리세요.
결론:
폐쇄형 연구소가 한 번에 하나씩 더 똑똑한 챗봇을 출시하는 동안, 오픈 모델은 300개의 에이전트를 병렬로 실행하며 실행할 때마다 시스템 수준에서 더 똑똑해지고 있습니다.
우리는 이미 이와 동일한 패턴을 한 번 목격했습니다. 오픈 릴리스가 폐쇄형 프론티어가 자신의 것이라고 생각했던 것을 재정의하고, 업계 전체가 하루아침에 재조정됩니다. DeepSeek에서 그런 일이 일어났습니다.
오픈 가중치 모델의 자기 학습 스웜은 동일한 형태를 가지고 있습니다.
어떤 모델이 "이겼는지" 여전히 논쟁하는 사람들은 더 이상 중요하지 않은 질문에 답하고 있는 것입니다.
이제 중요한 질문은 어떤 모델이 가장 똑똑한지가 아닙니다. 한 번에 얼마나 많이 실행할 수 있는지, 누가 그 작업을 확인하고 있는지, 그리고 오늘의 설정이 어제보다 더 선명한지입니다.
대부분의 사람들은 이 글을 읽고 Kimi를 채팅창으로 계속 사용할 것입니다. 소수는 이번 주에 루프를 구축할 것입니다. 첫 번째 실행은 20분이 걸립니다. 이후의 모든 실행은 여러분이 소유한 레버리지입니다.
구축하세요. 검증하세요. 정제하세요. 그리고 실행할 때마다 더 저렴해지고 더 선명해지는 것을 지켜보세요.
