매일 벌어지고 있는 일
이거 꼭 저장하세요 :)
대부분의 사람들은 여전히 AI를 2010년에 구글을 사용하던 방식으로 사용합니다: 검색어를 입력하고, 답변을 읽고, 다음 검색어를 입력하죠. 한 번에 하나씩만 처리할 수 있는 단일 스레드입니다.
하지만 계획을 세우고 도구를 호출할 수 있는 모델은 꼭 한 번에 하나씩만 사용해야 하는 건 아닙니다. 100개의 PDF를 넘겨준다면, 당연한 선택은 순서대로 하나씩 읽는 것이 아니라 100개를 동시에 열고, 파일마다 하나의 리더를 할당한 다음, 코디네이터가 결과물을 하나로 합치는 것입니다. 프롬프트 길이는 그대로입니다. 작업만 뒤에서 펼쳐집니다. 단일 스레드에서 팬으로 전환됩니다: 하나의 지시가 들어가면, 100명의 작업자가 생성되고, 하나의 완성된 결과물이 나옵니다.
이것이 바로 전체적인 변화이며, 100편의 논문을 주말 내내 읽는 것과 커피 한 잔 마시는 동안 읽는 것의 차이를 만듭니다. 나머지는 비용 계산, 설정 방법, 프롬프트, 레포지토리, 워크플로우, 그리고 이 모든 것이 조용히 무너지는 지점에 관한 이야기입니다.
실제 비용 분석
이 부분에서 대부분의 사람들은 시작도 전에 포기합니다. 300개의 에이전트를 실행하려면 어마어마한 비용이 들 거라고 생각하죠. 하지만 그렇지 않습니다.
실제 작업을 예로 들어보겠습니다: 100개의 PDF 연구 논문을 분석하여 인용이 포함된 하나의 문헌 검토 보고서로 만드는 작업입니다.
Claude Opus 4.8을 사용한 순차적 접근법: 입력 토큰 100만 개당 $5, 출력 토큰 100만 개당 $25 기준으로 약 6시간의 에이전트 실행 시간 소요. 예상 비용: 문서 길이에 따라 실행당 $40~$60. 여기에 감독 시간은 별도입니다.
Kimi K2.6 에이전트 스웜을 사용한 병렬 접근법: 100개의 에이전트가 동시에 시작되어 각자 하나의 논문을 처리합니다. 코디네이터가 병합합니다. 실행 시간: 12~18분. 비용: 실행당 $3~$5.
동일한 작업에서 15배의 속도 향상과 10배의 비용 절감 효과입니다. 계산 결과는 명확합니다.
이제 여기에 규모를 적용해보세요. 50개의 고객 지원 티켓을 분석하여 패턴을 찾고, 100명의 특정 잠재 고객에게 맞춤형 콜드 아웃리치 이메일을 작성하고, 40개의 학술 PDF를 인용이 포함된 10만 단어 분량의 문헌 검토 보고서로 변환하고, 30개의 오프라인 매장 정보를 스크래핑하여 개별 랜딩 페이지로 만듭니다. 이런 작업들은 모두 이전에는 프리랜서 팀을 고용하거나 하루 종일 순차적인 작업이 필요했습니다.
이제는 하나의 프롬프트, 커피 한 잔 마실 시간, 10달러 미만의 비용으로 가능합니다.
이 스택을 가진 개인 운영자는 다른 개인 운영자와 경쟁하는 것이 아닙니다. 에이전시와 경쟁하고 있는 겁니다.
4월에 실제로 바뀐 것
같은 달에 세 가지 변화가 동시에 발생하면서 이 모든 것이 처음으로 현실화되었습니다.
Kimi K2.6이 4월 20일에 출시되었습니다. Moonshot AI에서 개발했으며, 수정된 MIT 라이선스 하에 오픈소스로 공개되었습니다. 이 모델은 단일 프롬프트에서 최대 300개의 하위 에이전트를 4,000개의 조정된 단계에 걸쳐 조정하도록 처음부터 학습되었습니다. 이는 K2.5의 한계의 3배입니다. 오케스트레이션이 채팅 인터페이스에 부착된 것이 아니라 모델 레이어 자체에 내장되어 있습니다. 총 1조 개의 파라미터, 토큰당 320억 개의 활성 파라미터, 256k 컨텍스트 윈도우, 응답당 최대 65,536개의 출력 토큰을 지원합니다. 가격: 입력 토큰 100만 개당 $0.80, 출력 토큰 100만 개당 $3.60. Claude Opus 4.8보다 약 8배 저렴합니다.
가장 중요한 수치: SWE-bench Verified 80.2%, DeepSearchQA 92.5%, Terminal-Bench 2.0 66.7%, SWE-bench Pro 58.6% (GPT-5.5와 동률). 환각률은 K2.5의 65%에서 39%로 감소하여, Opus 4.8의 36%와 거의 동등한 수준입니다.
실제 테스트에서 K2.6은 13시간 동안 8년 된 금융 매칭 엔진을 자율적으로 개편했으며, 12가지 최적화 전략을 반복적으로 시도하고, 1,000회 이상의 도구 호출을 수행하고, 4,000줄이 넘는 코드를 수정하여 185%의 처리량 향상을 달성했습니다. Moonshot의 한 팀은 이를 자율 에이전트로 5일 연속 실행하여 모니터링, 인시던트 대응, 시스템 운영을 사람의 개입 없이 관리했습니다.
Claude Opus 4.8이 4월 16일에 출시되었습니다. 하위 에이전트 신뢰성이 크게 향상되었습니다. 새로운 xhigh effort 티어는 복잡한 에이전트 체인을 더 결정론적으로 만듭니다. SWE-bench Pro 리더보드에서 64.3%를 기록했습니다. 비전 기능은 해상도 업그레이드 후 54.5%에서 98.5%로 향상되었습니다. 여전히 프로덕션 코드 품질과 법적 수준의 정밀도에 있어 최고的标准입니다. 여전히 토큰 100만 개당 $5/$25의 가격입니다.
GPT-5.5가 4월 23일에 출시되었습니다. 컴퓨터 사용 능력이 OSWorld-Verified에서 78.7%로 향상되어, 에이전트가 이제 실제 GUI를 고장 내지 않고 작동할 수 있음을 의미합니다. 긴 컨텍스트 검색은 동일한 벤치마크에서 Claude의 32.2% 대비 74%를 기록했습니다. 웹 연구는 BrowseComp에서 90.1%를 기록했습니다. 가격은 토큰 100만 개당 $5/$30이지만, 실제로는 작업당 더 적은 출력 토큰을 사용합니다.
패턴은 이렇습니다: 일주일 만에 세 개의 최첨단 모델이 등장했고, 각자 뚜렷한 전문 분야를 가지고 있습니다. 패자는 하나를 선택하고 고수한 개발자들입니다. 승자는 각 작업을 적합한 두뇌에 라우팅하는 사람들입니다.
특히 병렬 에이전트 스웜의 경우, K2.6은 실제로 사용할 수 있는 가격에 이러한 규모의 조정을 위해 처음부터 훈련된 유일한 모델입니다.
300개의 병렬 에이전트가 실제로 하는 일
이 부분이 중요합니다. 사양표가 아니라 실제 결과물입니다. 아래의 모든 사례는 2026년 4월에 실제 사용자들이 실행한 실제 프롬프트에서 비롯된 것입니다.
문헌 검토 실행. 40개의 학술 PDF 업로드. 출력: 완전히 인용된 데이터셋이 포함된 10만 단어 분량의 문헌 검토 보고서. 각각 하나의 논문을 담당하는 40개의 에이전트가 단일 병합 단계를 통해 조정되었습니다. 총 실행 시간 20분 미만.
천체물리학 논문 변환. 하나의 천체물리학 논문이 입력되었습니다. 출력은 40페이지 분량의 연구 보고서, 2만 행의 지원 데이터셋, 14개의 출판 가능한 수준의 차트였습니다. 전체 출력물은 이후 에이전트 시스템이 향후 모든 천체물리학 논문에 자동으로 적용할 수 있는 재사용 가능한 Skill로 패키징되었습니다. 첫 번째 실행은 30분이 걸렸습니다. Skill이 구조를 캡처했기 때문에 새 논문에 대한 이후 모든 실행은 이제 12분이 소요됩니다.
Google Maps에서 랜딩 페이지로의 워크플로우. 하나의 프롬프트: 로스앤젤레스에서 현재 웹사이트가 없는 소매점을 Google Maps에서 검색하고, 30개의 고유한 업체를 식별하고, 매장 전면 사진과 고객 리뷰를 스크래핑하고, 각 업체에 주소, 영업 시간, 업종에 맞춘 가치 제안 및 연락처 정보가 포함된 전환율이 높은 랜딩 페이지를 구축하세요. 출력: 30개의 개별 랜딩 페이지와 전체 메타데이터가 포함된 30개 매장 목록의 Excel 스프레드시트. 실행 시간: 45분 미만.
구직 자동화. 100개의 구직 공고를 하나의 이력서와 매칭. 출력: 각 특정 직무의 요구 사항과 언어에 맞게 최적화된 100개의 개별 맞춤형 이력서. 프리랜서 커리어 코치가 이력서당 $50를 청구하는 종류의 작업입니다. 총 실행 비용: $4 미만.
잡지 표지 시리즈. 실제 역사적 헤드라인이 포함된 10개의 타블로이드 스타일 잡지 표지를 요청하는 하나의 프롬프트. 각 에이전트는 다른 역사적 시기를 조사하고, 헤드라인을 생성하고, 표지를 디자인했습니다. 출력: 하나의 입력 프롬프트에서 생성된 10개의 정교한 잡지 표지.
5일 자율 실행. Moonshot의 내부 팀이 K2.6을 모니터링 및 인시던트 대응 파이프라인에 투입했습니다. 5일 연속으로 실행되면서 알림을 처리하고, 풀 리퀘스트를 열고, Slack에 게시하고, 실제 인시던트를 에스컬레이션했습니다. 이는 데모가 아닙니다. 이것이 2026년 자율 온콜 엔지니어의 모습입니다.
일괄 처리 작업에 비용을 지불해 본 적이 있다면, 전체 파이프라인이 방금 자동화된 것입니다.
실제 설정 방법
프레임워크를 직접 구축할 필요가 없습니다. 분산 시스템 박사 학위가 필요하지 않습니다. 인프라는 이미 완성되어 있습니다.
옵션 1: 설정이 필요 없는 웹 인터페이스
kimi{.}com/agent-swarm으로 이동하세요. 작업을 설명하세요. 하위 에이전트 수를 지정하세요. 파일을 업로드하세요. 실행하세요. 이것이 진입점입니다. 설치, API 키, 설정이 필요 없습니다. 웹 UI가 에이전트 분해, 조정, 최종 출력물 조립을 처리합니다.
다음과 같은 경우에 사용하세요: 일회성 배치 작업, 문서 처리 워크플로우, 연구 프로젝트, 코드에 투자하기 전에 작업을 병렬화할 수 있는지 테스트하고 싶은 모든 경우.
옵션 2: 프로덕션 워크플로우를 위한 API 통합
프로그래매틱 액세스와 자체 파이프라인 통합을 위해 K2.6 엔드포인트와 함께 Moonshot API를 직접 사용하세요. 문서는 github.com/moonshotai/Kimi-K2에 있습니다.
1pip install moonshotai
agent_swarm 매개변수를 true로 설정하고 max_agents 값을 최대 300까지 설정하여 병렬 작업을 시작하세요. 모델이 기본적으로 분해를 처리합니다. 작업 설명과 참조 파일을 제공하면 K2.6이 나머지를 처리합니다.
자체 호스팅의 경우, 공식 레포지토리에 vLLM 및 SGLang에 대한 전체 배포 가이드가 있습니다. 가중치는 Hugging Face에 있습니다. 필요한 경우 완전히 자체 인프라에서 실행할 수 있습니다.
옵션 3: K2.6 백엔드와 LangGraph 오케스트레이션
K2.6의 가격을 유지하면서 오케스트레이션 로직을 완전히 제어하려면 LangGraph를 오케스트레이션 레이어로 사용하고 OpenRouter를 통해 모델 호출을 K2.6으로 라우팅하세요.
1pip install langgraph langchain-openai
모델 매개변수를 Kimi K2.6 엔드포인트로 지정하고, OpenRouter를 통해 라우팅하여 모든 모델 제공업체에 대한 통합 결제를 처리하세요. 이것이 프로덕션 팀이 실행하는 방식입니다.
다음과 같은 경우에 사용하세요: 사용자 지정 분기 로직, 하위 에이전트 간 조건부 라우팅 또는 인간 개입 체크포인트가 있는 복잡한 상태 저장 워크플로우가 있는 경우. LangGraph는 그래프 구조를 제공하고, K2.6은 가격과 병렬 실행 용량을 제공합니다.
옵션 4: 혼합 모델 스웜을 위한 Claude Code Router
github.com/musistudio/claude-code-router를 사용하면 Claude Code의 인터페이스를 실행하면서 특정 하위 에이전트를 작업에 가장 적합한 모델로 라우팅할 수 있습니다. 높은 신뢰성의 계획을 위해 Opus 4.8의 코디네이터, 비용 효율적인 병렬 실행을 위해 K2.6의 대량 하위 에이전트, GUI 탐색을 위해 GPT-5.5의 컴퓨터 사용 하위 에이전트.
이것이 오늘날 구축할 수 있는 가장 비용 효율적인 병렬 스택입니다. 코디네이터는 전체 토큰의 약 5%를 처리하며 최대 신뢰성이 필요합니다. 300개의 하위 에이전트는 전체 토큰의 95%를 처리하며 최대 비용 효율성이 필요합니다. 각 레이어를 적합한 모델로 라우팅하면 단일 모델에서 모든 것을 실행하는 것과 비교하여 총 비용을 약 60% 더 절감할 수 있습니다.
지금 당장 설치해야 할 프롬프트
세 가지 시스템 프롬프트입니다. 하나는 코디네이터용, 하나는 하위 에이전트용, 하나는 검증기용입니다. 이를 스웜 설정에 영구 시스템 프롬프트로 설치하거나 모든 세션 시작 시 붙여넣으세요.
코디네이터 에이전트용:
1당신은 병렬 하위 에이전트 스웜을 조정하는 코디네이터입니다.23당신의 임무: 사용자의 요청을 목표를 완전히 충족하는 가장 적은 수의4독립적인 병렬 작업으로 분해하고, 이를 하위 에이전트에 전달하고,5결과를 하나의 일관된 결과물로 병합하는 것입니다.67규칙:8- 병렬화 가능한 가장 작은 작업 단위를 식별하세요9- 각 하위 작업은 완전히 독립적이어야 하며, 상호 의존성이 없어야 합니다10- 모든 하위 에이전트가 반환해야 하는 정확한 출력 형식을 지정하세요11- 무엇이든 전달하기 전에 병합 로직을 정의하세요12- 하위 작업에 의존성이 있는 경우, 강제로 병렬화를 시도하지 말고13 단계별로 순차적으로 구성하세요14- 작업에 필요한 것보다 더 많은 하위 에이전트를 생성하지 마세요1516병합 시:17- 모순을 명시적으로 해결하고, 덮어두지 마세요18- 어떤 하위 에이전트가 어떤 출력을 생성했는지에 대한 귀속성을 보존하세요19- 반환하기 전에 병합된 출력을 원래 요청과 비교하여 확인하세요2021성공 기준: 최종 결과물은 일관되고, 완전하며, 특정 하위 에이전트 출력으로22추적 가능해야 합니다.
스웜 내 각 하위 에이전트용:
1당신은 더 큰 스웜 내부의 전문 하위 에이전트입니다.23당신의 임무: 정확히 하나의 할당된 하위 작업을 완료하고 코디네이터가4지정한 정확한 형식으로 출력을 반환하는 것입니다.56규칙:7- 아무것도 하기 전에 전체 하위 작업 사양을 읽으세요8- 할당된 범위를 넘어 확장하지 마세요9- 머리말이나 설명 없이 요청된 정확한 형식으로 출력을 반환하세요10- 장애물에 부딪히면 추측하는 대신 명확한 플래그를 반환하세요11- 하위 작업에 할당된 범위 밖의 정보가 필요한 경우,12 스스로 채우려고 시도하는 대신 코디네이터에게 플래그를 지정하세요13- 반환하기 전에 출력을 사양과 비교하여 확인하세요1415성공 기준: 당신의 출력은 코디네이터가 정리할 필요 없이16병합 단계에 직접 연결됩니다.
마지막 검증기 패스용:
1당신은 완료된 스웜 출력에 대한 검증기입니다.23당신의 임무: 병합된 결과물이 실제로 원래 사용자 요청을4충족하는지 확인하는 것입니다.56규칙:7- 최종 출력을 코디네이터의 계획이 아닌 원래 요청과 비교하세요8- 요청된 것과 전달된 것 사이의 차이를 플래그 지정하세요9- 병합된 출력에서 모순을 식별하세요10- 병합에서 누락되거나 잘못 해석된 하위 에이전트 출력을 식별하세요11- 결과를 순화하지 말고 모든 실제 문제를 표면화하세요1213출력이 불완전한 경우: 정확히 무엇이 누락되었는지 나열하세요.14출력이 잘못된 경우: 어떤 하위 에이전트의 출력이 원인인지 식별하세요.15출력이 완전하고 정확한 경우: 확인하고 통과시키세요.1617성공 기준: 당신의 검사를 통과하는 것은 아무것도 깨지거나 불완전하지 않습니다.
이 세 가지 프롬프트가 일관된 결과물을 생성하는 스웜과 수동으로 조립해야 하는 300개의 조각을 생성하는 스웜의 차이를 만듭니다.
필요한 레포지토리
이것이 가장 중요한 섹션입니다. 모두 북마크하세요.
스웜 자체:
github.com/moonshotai/Kimi-K2는 공식 레포지토리입니다. 가중치, vLLM 및 SGLang용 배포 가이드, API 문서, 자체 호스팅 또는 API 통합을 위한 전체 설정이 포함되어 있습니다. 여기서 시작하세요.
github.com/chongdashu/cc-kimi-k2-thinking-prompts는 단일 환경 변수만 교체하여 Claude Code CLI를 통해 K2.6을 사용하는 방법을 보여줍니다. Claude Code의 전체 에이전트 루프를 K2.6의 두뇌가 훨씬 저렴한 비용으로 수행합니다.
github.com/dnnyngyen/kimi-agent-internals에는 Base Chat, OK Computer, Docs, Sheets, Slides, Websites를 포함한 Kimi의 6가지 내장 에이전트 유형에 대한 추출된 시스템 프롬프트와 전체 Skill 정의 및 도구 스키마가 있습니다. 이것은 Moonshot 자체 에이전트가 어떻게 구축되었는지에 대한 리버스 엔지니어링 플레이북에 가장 가깝습니다.
오케스트레이션:
github.com/langchain-ai/langgraph는 대부분의 프로덕션 병렬 에이전트 팀이 실행하는 오픈소스 오케스트레이션 프레임워크입니다. 성숙하고, 상태 저장하며, 그래프를 완전히 제어할 수 있습니다.
github.com/joaomdmoura/crewAI는 그래프 로직을 직접 작성하지 않고 역할 기반 에이전트를 정의하려는 경우 더 쉬운 진입점입니다. 덜 강력하지만 훨씬 친숙한 온보딩 경로를 제공합니다.
github.com/microsoft/autogen는 대화 기반 다중 에이전트 협업을 위한 Microsoft의 프레임워크입니다. 순수 병렬 실행보다는 에이전트가 서로의 출력을 논쟁하거나 개선하는 워크플로우에 가장 적합합니다.
github.com/musistudio/claude-code-router는 혼합 모델 스웜을 위한 빠진 조각입니다. 하나의 인터페이스, 여러 모델 백엔드, 하위 에이전트 유형별 라우팅 로직을 제공합니다.
프롬프트 및 패턴:
github.com/asgeirtj/system_prompts_leaks에는 K2.6, Opus 4.8 및 GPT-5.5의 유출된 시스템 프롬프트가 한 곳에 모여 있습니다. 각 회사가 모델의 동작을 어떻게 형성하는지 연구하는 것은 가장 효과적인 프롬프트 엔지니어링 연습 중 하나입니다.
github.com/f/awesome-chatgpt-prompts는 143,000개 이상의 별표를 받은 표준 프롬프트 라이브러리입니다. 세 모델 모두에서 작동하며 거의 모든 에이전트 패턴에 대한 템플릿을 제공합니다.
github.com/CheswickDEV/claude-opus-4.8-prompt-optimizer는 원시 프롬프트를 새로운 xhigh effort 티어에 최적화된 프로덕션 등급 XML 구조 프롬프트로 변환하는 메타 프롬프트입니다. 코디네이터가 Opus에서 실행될 때 유용합니다.
Skills: 조용한 힘의 배율기
대부분의 사람들은 이 섹션을 건너뛸 것입니다. 그러면 안 됩니다.
K2.6의 스웜에는 Skills라는 기능이 있습니다. 문서, PDF, 스프레드시트, 프레젠테이션 등 모든 파일을 업로드하면 스웜이 해당 파일의 구조적 및 스타일적 DNA를 재사용 가능한 템플릿으로 추출합니다.
앞서 언급한 천체물리학 논문 예제가 Skill이 되었습니다. 이제 스웜이 이미 출력 구조, 차트 스타일, 인용 형식, 섹션 계층 구조를 알고 있기 때문에 향후 모든 천체물리학 논문 실행은 30분이 아닌 12분이 소요됩니다.
현재 사람들이 실행 중인 실제 Skills:
WEF 스타일 보고서 Skill: 모든 연구 입력을 가져와 적절한 타이포그래피, 색상 팔레트, 2열 레이아웃, 그림 번호 및 방법론 부록이 포함된 완전히 형식화된 기관 연구 간행물을 생성합니다.
수묵화 프레젠테이션 Skill: 모든 콘텐츠를 손으로 그린 일러스트레이션, 단색 수채화 미학 및 비대칭 레이아웃이 있는 우아한 흑백 수묵화 스타일 슬라이드 데크로 변환합니다.
피치 데크 Skill: 원시 비즈니스 아이디어를 투자자에게 바로 제시할 수 있는 정교한 데크로 변환합니다.
패턴은 매번 동일합니다: 가장 좋은 출력물의 예를 하나 업로드하면 스웜이 DNA를 캡처하고, 해당 도메인의 모든 향후 작업이 자동으로 그 품질을 상속받습니다.
이것이 바로 레버리지가 복리 효과를 내는 지점입니다. 매번 작업 구조를 재발명할 필요가 없습니다. 각 Skill은 향후 모든 실행을 더 저렴하고, 빠르고, 일관되게 만듭니다.
이 전체 기사에서 아무것도 하지 않더라도, 이번 주에 지금까지의 가장 좋은 작업 세 가지에서 Skill 세 개를 만드세요. 출력 품질과 속도가 영구적으로 향상될 것입니다.
이번 주말에 구축할 수 있는 실제 워크플로우
이것들은 가상의 시나리오가 아닙니다. 아래 모든 워크플로우는 현재 프로덕션에서 실행 중입니다.
1. 경쟁 인텔리전스 파이프라인. 50개의 경쟁사 웹사이트를 대상으로 하는 50개의 에이전트. 각각 가격, 기능, 포지셔닝, 최근 업데이트, 고객 리뷰를 추출합니다. 코디네이터가 단일 경쟁 환경 보고서로 병합합니다. 매주 실행하세요. 업계 누구보다 시장을 잘 알게 될 것입니다. 실행 시간: 20분. 비용: $5 미만.
2. 콘텐츠 제작 조립 라인. 하나의 주제에 대한 다양한 각도를 조사하는 20개의 에이전트. 하나의 코디네이터가 결과를 개요로 병합합니다. 하나의 작가 에이전트가 초안을 작성합니다. 하나의 편집자 에이전트가 다듬습니다. 4시간의 인간 작업이 15분의 에이전트 실행 시간으로 줄어듭니다. 가장 좋은 기사에서 Skill을 구축하면 모든 향후 기사가 그 구조를 상속받습니다.
3. 콜드 아웃리치 개인화 스택. 100명의 잠재 고객 이름과 회사 업로드. 100개의 에이전트가 각각 한 명의 잠재 고객을 조사하고, 최근 작업을 찾고, 관련痛点을 식별하고, 당신의 어조로 맞춤형 아웃리치 메시지를 작성합니다. 일반적인 AI 쓰레기가 아닙니다. 병렬로 실행되는 진정한 개인화입니다. 메시지당 비용: 5센트 미만.
4. 레거시 코드베이스 감사. 대규모 코드베이스의 다양한 모듈을 각각 분석하는 에이전트를 시작합니다. 한 에이전트는 아키텍처 문서를 생성합니다. 다른 에이전트는 데드 코드를 찾습니다. 다른 에이전트는 보안 문제를 플래그 지정합니다. 또 다른 에이전트는 리팩토링 후보를 제안합니다. 코디네이터가 단일 감사 보고서를 생성합니다. 컨설팅 회사가 $50,000를 청구하는 종류의 감사입니다. 이제 $50 미만으로 하룻밤 사이에 실행됩니다.
5. 대량 프리랜스 서비스 자동화. 서비스 비즈니스를 운영하시나요? 자기소개서 작성, 이력서 맞춤화, 제안서 초안 작성, 시장 조사, 광고 카피 변형. 접수부터 전달까지 각 작업을 처리하는 스웜을 구축하세요. 한 명의 운영자가 전체 에이전시의 물량을 처리할 수 있습니다.
6. 문서 생성 파이프라인. 코드베이스의 모든 파일에 에이전트를 지정합니다. 각각은 할당된 모듈에 대한 문서를 생성합니다. 코디네이터가 단일 문서 사이트로 병합합니다. 모든 커밋에서 자동으로 유지 관리됩니다.
7. 자율 모니터링 에이전트. 장기 실행 K2.6 에이전트를 오류 로그 및 배포 파이프라인에 지정합니다. 문제가 발생하면 관련 커밋을 식별하고, 초안 수정본을 열고, 컨텍스트와 함께 Slack에 게시합니다. 온콜 엔지니어는 새벽 3시에 빈 터미널을 응시하는 대신 풀 리퀘스트를 검토합니다.
8. 제품 출시 조정 스웜. 한 에이전트는 PRD를 작성합니다. 한 에이전트는 목업을 디자인합니다. 한 에이전트는 출시 블로그 게시물을 작성합니다. 한 에이전트는 소셜 미디어 캠페인 초안을 작성합니다. 한 에이전트는 랜딩 페이지를 구축합니다. 한 에이전트는 언론 아웃리치 초안을 작성합니다. 모두 병렬로 진행되고, 모두 하나의 조정된 출시 패키지로 병합됩니다.
9. 심층 시장 조사. 단일 연구 질문에 대해 30~50개의 에이전트를 시작하고, 각각 다른 각도를 다룹니다. 코디네이터가 병합하고 모순을 해결합니다. 예전에 기사 10개를 읽는 데 걸리던 시간에 전체 인용이 포함된 구조화된 보고서를 얻을 수 있습니다.
10. SaaS 프로토타입 조립. 제품, 스택 및 기능 목록을 설명하세요. K2.6이 프론트엔드, 백엔드, DevOps 구성, 데이터베이스 스키마 및 인증 레이어를 병렬로 스캐폴딩합니다. 출력을 Opus 4.8에 전달하여 프로덕션에 중요한 경로를 강화하세요. 한 달이 걸리던 주말 MVP가 가능해집니다.
최대 레버리지를 위한 모델 라우팅
가장 현명한 방법은 모든 것을 K2.6의 스웜을 통해 실행하는 것이 아닙니다. 스웜의 각 레이어를 적합한 모델로 라우팅하는 것이 가장 현명한 방법입니다.
코디네이터는 Opus 4.8 사용. 코디네이터는 전체 토큰의 약 5%와 전략적 결정의 95%를 처리합니다. 신뢰성이 비용보다 중요합니다. 최고의 것을 사용하세요.
대량 하위 에이전트는 K2.6 사용. 300개의 하위 에이전트는 전체 토큰의 95%를 처리합니다. 비용 효율성이 가장 중요합니다. K2.6은 300개의 병렬 에이전트를 경제적으로 실행할 수 있는 유일한 모델입니다.
웹 연구 하위 에이전트는 GPT-5.5 사용. 하위 에이전트가 웹 정보를 탐색하고 종합해야 하는 경우, GPT-5.5의 90.1% BrowseComp 점수와 우수한 긴 컨텍스트 검색이 다른 모든 것을 능가합니다. 브라우징 하위 에이전트를 GPT-5.5로 구체적으로 라우팅하세요.
비전 하위 에이전트는 Opus 4.8 사용. 이미지 해석, 레이아웃 디자인 또는 시각적 참조 작업이 필요한 하위 에이전트는 Opus 4.8의 98.5% 시각 정확도 점수로 라우팅되어야 합니다.
컴퓨터 사용 하위 에이전트는 GPT-5.5 사용. GUI 조작, 브라우저 자동화, 실제 인터페이스 제어가 필요한 모든 작업. GPT-5.5의 78.7% OSWorld-Verified 점수는 시장에서 가장 높습니다.
이것을 한 번 설정하세요. Claude Code Router를 사용하여 라우팅 로직을 처리하세요. 총 스웜 비용이 단일 모델 실행에 비해 40~60% 더 절감됩니다.
이것이 2026년의 숙달된 모습입니다. 하나의 도구에 충성하는 것이 아니라 작업의 각 레이어에 가장 적합한 도구로 냉혹하게 라우팅하는 것입니다.
솔직한 주의사항
과대광고는 누구에게도 도움이 되지 않기 때문에, 있는 그대로의 현실을 말씀드리겠습니다.
병렬 에이전트 오케스트레이션은 가장 복잡한 장기 작업에서 여전히 불안정합니다. 워크플로우가 각 단계가 명확하지 않은 방식으로 이전 단계에 의존하는 심층 순차 추론을 필요로 하는 경우, 병렬화는 도움이 되지 않으며 오히려 해가 될 수 있습니다. 하위 작업이 실제로 독립적이지 않을 때 병합 단계에서 모순이 발생하기 시작합니다.
작업이 진정으로 병렬화되는 곳에 스웜을 사용하세요: 연구, 일괄 생성, 다중 문서 분석, 대규모 콘텐츠 제작, 50개의 입력이 동일한 변환을 통해 50개의 출력이 되는 당연히 병렬적인 구조를 가진 모든 것.
순차적 추론, 단일 파일 디버깅, 새로운 아키텍처 결정, 또는 수백 개의 종속 단계에 걸친 신뢰성이 처리량보다 중요한 모든 작업의 경우, 여전히 Opus 4.8과 같은 단일 고품질 모델을 선형으로 사용하는 것이 좋습니다.
기타 실제 주의사항:
오케스트레이션 오버헤드는 무시할 수 없습니다. 300개의 에이전트를 시작하는 데는 몇 분의 조정 시간이 소요됩니다. 10분 미만의 순차적 작업과 동등한 작업의 경우 오버헤드가 이점을 잡아먹습니다. 작은 작업에 스웜을 사용하지 마세요.
K2.6의 도구 스키마 재시도율은 Anthropic 또는 OpenAI보다 약간 높습니다. 하위 에이전트가 구조화된 도구 API를 많이 호출하는 경우, Opus에서는 볼 수 없는 간헐적인 재시도가 발생할 수 있습니다.
K2.6은 순수 수학 분야에서 선두를 달리지 않습니다. 하위 에이전트가 무거운 수치 추론을 수행해야 하는 경우 GPT-5.5로 구체적으로 라우팅하세요.
K2.6 API는 아직 이미지 입력을 지원하지 않습니다. 이미지가 많이 포함된 하위 작업은 Opus 또는 GPT-5.5로 라우팅해야 합니다.
병렬 에이전트는 마법이 아닙니다. 올바른 작업에 활용할 수 있는 레버리지입니다. 작업에 적합할 때 그 효과는 막대합니다. 그렇지 않을 때의 손실도 실질적입니다.
사고 방식의 전환
지난 2년 동안 모든 AI 워크플로우의 핵심 질문은 이것이었습니다: 이 작업에 가장 적합한 모델은 무엇인가?
모델이 순차적이고 모델 간 차이가 컸던 시절에는 이 질문이 맞았습니다.
2026년의 질문은 다릅니다. 이 작업을 병렬화할 수 있는가? 가능하다면, 각 하위 작업을 허용 가능한 품질로 처리할 수 있는 가장 저렴한 모델은 무엇인가?
이는 AI 작업에 대한 완전히 다른 사고 방식입니다.
10배 효율을 내는 운영자는 가장 좋은 단일 모델을 가진 사람이 아닙니다. 10배 효율을 내는 운영자는 다른 사람들이 여전히 한 번에 하나의 프롬프트를 실행하는 동안 작업을 50 개의 병렬 하위 작업으로 분해하고, 각 하위 작업을 적합한 모델로 라우팅하는 사람입니다.
대부분의 사람들은 이 글을 읽고, 흥미롭게 생각하며, 계속 순차적으로 작업할 것입니다. 인프라가 너무 새롭고 사고 방식의 전환이 너무 불편하기 때문입니다. 괜찮습니다. 그것이 바로 기회이기도 합니다.
실제로 이번 주에 워크플로우를 재구성하는 사람들은 30 일 이내에 완전히 새로운 레벨에서 운영하게 될 것입니다. 더 똑똑해져서가 아닙니다. 경쟁자보다 하루에 50 배에서 100 배 더 많은 시도를 실행할 수 있기 때문입니다.
더 많은 시도는 더 많은 학습을 의미합니다. 더 많은 학습은 더 많은 결과물을 의미합니다. 더 많은 결과물은 더 큰 레버리지를 의미합니다.
그것은 복리처럼 쌓입니다.
인프라는 준비되었습니다. 가격도 적절합니다. 도구도 갖춰졌습니다. 저장소는 공개되어 있고, 문서는 작성되었으며, 프롬프트도 위에 있습니다.
남은 질문은 단 하나입니다. 지금 병렬 에이전트 스택을 구축할 것인가, 아니면 다른 사람들이 먼저 구축할 때까지 기다릴 것인가.
2026년 AI 분야에서 앞서나가는 사람들은 가장 비싼 구독권을 가진 사람들이 아닙니다. 병렬 에이전트 swarm으로의 전환이 명백해지기 전에 이를 이해한 사람들입니다.
저는 모든 주요 AI 워크플로우와 도구 스택을 분석하여 여러분이 혼자서 알아내지 않아도 되도록 돕습니다.
저를 팔로우하세요 @eng_khairallah1 더 많은 AI 강좌, 도구 및 워크플로우를 위해. 매주 새로운 콘텐츠를 업데이트합니다.
이 글이 도움이 되었기를 바랍니다, Khairallah ❤️
