Một mô hình mã nguồn mở miễn phí đang chạy 300 tác tử song song qua 4.000 bước phối hợp từ một lời nhắc duy nhất, và nó đạt điểm cao hơn trong các tác vụ nghiên cứu thực tế so với các mô hình bạn phải trả tiền gấp 5 lần.
Hầu hết mọi người chưa bao giờ khám phá ra nó.
Họ mở Kimi, gõ một câu hỏi, nhận câu trả lời, rồi đóng tab. Đó là hộp chat. Nó hoạt động. Nhưng đó cũng chỉ là khoảng 10% những gì sản phẩm có thể làm.
Đây là phần mà hầu hết mọi người bỏ qua:
Bầy tác tử (swarm) không chỉ đơn thuần chạy nhanh. Vận hành nó đúng cách, và nó sẽ luôn để lại thứ gì đó mỗi lần - một kỹ năng có thể tái sử dụng, một bản spec sắc nét hơn, một ràng buộc ngăn lần chạy sau lặp lại sai lầm của lần trước.
Bầy tác tử đã chạy tác vụ hôm qua của bạn lẽ ra phải thông minh hơn cái đang chạy hôm nay.
https://x.com/Kimi_Moonshot/status/2047190578493096122
Đó là vòng lặp. Kimi thực hiện công việc và việc học hỏi. Opus 4.8 ngồi ở một cổng - cổng xác minh - và nhiệm vụ duy nhất của nó là ngăn chặn rác được lưu lại như một kỹ năng. Công cụ học hỏi. Người chốt giữ sự trung thực.
Một số người chọn một mô hình và gắn bó với nó. Một số khác chạy theo điểm benchmark cao nhất. Lại có những người kết nối LangGraph và dành cả cuối tuần để debug một DAG.
Kết quả thường giống nhau: một quy trình làm việc làm y hệt điều tương tự ở lần chạy thứ 50 như lần chạy đầu tiên.
Đây không phải là điều đó. Đây là một cẩm nang hoàn chỉnh cho một bầy tác tử có khả năng tăng trưởng kép. 10 bước. Mỗi lời nhắc đều có thể copy-paste. Mỗi con số đều đã được xác minh.
Phần 1 - Xây dựng vòng lặp một lần. Chạy nó mãi mãi.
01. Viết một bản spec, không phải một lời nhắc
Khi hầu hết mọi người nghe đến "300 tác tử", họ thường đưa ra một câu lệnh một dòng như "nghiên cứu thị trường ứng dụng fitness" và kỳ vọng sự xuất sắc. Đó là cách nhanh nhất để đốt credits và nhận lại rác.
Một lời nhắc một dòng cho phép bầy tác tử tự quyết định mọi thứ, và nó sẽ quyết định sai.
Hãy đối xử với bầy tác tử như một nhà thầu, không phải một vị thần. Một bản spec xác định cần thu thập gì, điều gì được coi là hợp lệ, nguồn nào được phép, định dạng đầu ra chính xác, và phải làm gì khi có xung đột. Đây là phần mà hầu hết mọi người bỏ qua: Kimi tự quyết định việc phân rã.
Bạn không xây dựng các tác tử như trong CrewAI, bạn không vẽ đồ thị như LangGraph, bạn không định nghĩa cấu trúc như AutoGen. Bạn mô tả mục tiêu - bầy tác tử sẽ xây dựng sơ đồ tổ chức.
Bản spec là tạo tác có đòn bẩy cao nhất trong toàn bộ vòng lặp, bởi vì ở bước 4, nó sẽ trở thành hạt giống cho kỹ năng tái sử dụng của bạn.
1# DỰ ÁN: [tên]2MỤC TIÊU: [một câu — sản phẩm bàn giao, không phải chủ đề]3PHẠM VI: [những gì trong, những gì hoàn toàn ngoài]4QUY TẮC: [xác thực — điều gì được coi là một hàng/phát hiện đã được xác minh]5NGUỒN: [bài đăng chính thức, bài báo, chỉ nguồn chính — không trang tổng hợp]6ĐẦU RA: [loại tệp / số lượng / cách đặt tên / chi tiết định dạng]7KHI XUNG ĐỘT: đánh dấu hàng đó, không bao giờ giải quyết một cách âm thầm8ĐIỀU KIỆN DỪNG: [khi nào nên dừng lại và báo cáo thay vì phỏng đoán]
02. Đọc kế hoạch phân rã trước khi bạn tiêu một xu nào
Đây là bước mà người mới thường bỏ qua, và đó là bước đắt giá nhất để bỏ qua.
Sau khi bạn gửi bản spec, Kimi sẽ hiển thị kế hoạch thực thi trước khi nó chạy - có bao nhiêu tác tử phụ, mỗi tác tử xử lý gì, thứ tự phụ thuộc, ngân sách bước.
Hãy đọc nó. Một bầy 200 tác tử bị phân rã sai sẽ tiêu tốn tiền thật và thời gian thật. Kiểm tra kế hoạch không mất gì cả. Bạn đang tìm kiếm ba điều: nó có hiểu phạm vi không, số lượng tác tử có hợp lý cho quy mô tác vụ không, và kế hoạch đầu ra có khớp với những gì bạn thực sự cần không.
Một chi tiết đáng biết: 4.000 bước là tổng ngân sách phối hợp trên toàn bộ bầy, không phải 4.000 bước cho mỗi tác tử. Một lần chạy 300 tác tử trung bình ~13 bước mỗi cái - các tác vụ phụ ngắn, chuyên biệt. Điều đó cho bạn biết liệu tác vụ của bạn có phù hợp với hình dạng này không.
1Hiển thị cho tôi phân rã đề xuất trước khi chạy:2- có bao nhiêu tác tử phụ, và mỗi cái xử lý gì3- thứ tự phụ thuộc (cái gì chặn cái gì)4- ngân sách bước ước tính5- nơi có nguy cơ giảm chất lượng lớn nhất6Chưa thực thi. Chờ xác nhận của tôi.
Một lời nhắc một dòng là một điều ước. Một bản spec là một mệnh lệnh. Bầy tác tử thực thi mệnh lệnh.
03. Hãy để nó lãng phí - đó mới là vấn đề
Bây giờ bạn chạy nó. Lên đến 300 tác tử phụ hoạt động song song theo từng đợt. Đợt đầu tiên xử lý các tác vụ phụ hoàn toàn độc lập.
Khi kết quả đổ về, người điều phối sẽ khởi chạy đợt tiếp theo dựa trên những gì phụ thuộc vào chúng, cho đến khi đồ thị phụ thuộc được giải quyết.
Mỗi tác tử phụ làm việc trong cửa sổ ngữ cảnh giới hạn riêng của nó. Đó là mẹo cấu trúc: một tác tử đơn lẻ trên một tác vụ dài sẽ lấp đầy cửa sổ cho đến khi chìm ngập và bắt đầu tóm tắt mất mát, và mọi bước suy luận sau đó sẽ trở nên tệ hơn.
Bầy tác tử cung cấp cho mỗi tác vụ phụ ngữ cảnh có phạm vi riêng, vì vậy chỉ có đầu ra có cấu trúc mới chảy ngược về người điều phối. Đó là lý do tại sao nó không sụp đổ trên các tác vụ mà một tác tử đơn lẻ không làm nổi.
Bởi vì Kimi có giá $0.95/M đầu vào và $4.00/M đầu ra - với cache hit ở $0.16 - bạn có thể đủ khả năng để vứt bỏ lần thử đầu tiên và chạy lại. Khối lượng rẻ thay đổi những gì bạn sẵn sàng thử.
1Thực thi bản spec từ đầu đến cuối.2Song song hóa bất cứ nơi nào kế hoạch cho phép.3Báo cáo tiến độ mỗi 30 bước.4Đánh dấu bất kỳ trình chặn nào ngay lập tức — không giải quyết nó một cách âm thầm.5Nếu một tác tử phụ bị treo >10 phút, phân công lại hoặc báo cáo.6Hợp nhất mọi thứ vào ĐẦU RA được định nghĩa trong bản spec.
04. Yêu cầu các tệp thực sự, không phải câu trả lời trong chat
Đầu ra của một bầy tác tử không phải là văn bản trong một cửa sổ. Đó là các sản phẩm bàn giao có cấu trúc đi thẳng vào công việc của bạn - và đây là phần mà hầu hết các bài báo đều bỏ lỡ.
Một lần chạy có thể tạo ra PDF, bảng tính, tập dữ liệu, slide deck và mã làm việc, tất cả từ một lần khởi chạy duy nhất, bởi vì Kimi phát ra các định dạng đó một cách tự nhiên.
Vì vậy, hãy luôn dẫn đầu bản spec bằng đầu ra.
"Một báo cáo toàn diện" cho phép các tác tử dừng lại sớm. "Một PDF 40 trang + một CSV với 20.000 hàng + 14 biểu đồ PNG sẵn sàng xuất" cho chúng một mục tiêu chất lượng để đạt được.
Tính cụ thể ở cấp độ đầu ra là sự khác biệt.
1ĐẦU RA: [loại tệp] / [số lượng] / [cách đặt tên] / [chi tiết định dạng]23# ví dụ mạnh:4ĐẦU RA: 1 .xlsx, một hàng cho mỗi mô hình, + bản tóm tắt 200 từ5ĐẦU RA: 30 tệp HTML, một tệp cho mỗi cửa hàng, đặt tên theo doanh nghiệp6ĐẦU RA: PDF 40 trang + CSV 20.000 hàng + 14 biểu đồ PNG
05. Hướng mô hình trung thực vào đầu ra và hỏi xem có gì sai không
Đây là một nhịp duy nhất không phải của Kimi. Lỗ hổng đã biết của bầy tác tử: trừ khi bạn yêu cầu xác minh một cách rõ ràng, nó sẽ tạo ra các tuyên bố tự tin nhưng thiếu trích dẫn, và các tác tử phụ độc lập đôi khi mâu thuẫn với nhau. "Có vẻ xong" và "đúng" là hai hành tinh khác nhau.
Opus 4.8 được xây dựng chính xác cho cổng này. Anthropic báo cáo rằng nó ít có khả năng để lọt lỗi trong mã của chính nó hơn khoảng 4 lần so với 4.7, và nó là Claude đầu tiên đạt điểm 0% trong việc báo cáo không phê phán các kết quả sai sót.
Công việc duy nhất của nó ở đây là bác bỏ, không phải khen ngợi. Bạn không trả token cao cấp để tạo ra - bạn trả chúng để bắt lỗi âm thầm trước khi bước 4 lưu nó vào một kỹ năng mãi mãi.
Khối lượng rẻ chỉ là siêu năng lực khi có thứ gì đó đáng tin cậy đang kiểm tra công việc. Hãy giữ cổng xác minh.
06. Lưu toàn bộ quy trình làm việc dưới dạng Kỹ năng
Đây là nhịp làm cho vòng lặp tự cải thiện. Sau một lần chạy mà bạn sẽ lặp lại, hãy yêu cầu Kimi ghi lại toàn bộ quy trình làm việc dưới dạng một Kỹ năng có thể tái sử dụng - định dạng đầu vào, các bước tác tử, định dạng đầu ra.
Lần chạy đầu tiên mất 20 phút. Mọi lần chạy sau đó chỉ mất 30 giây.
Đó là phiên bản trung thực của "tự học." Mô hình không đào tạo lại trọng số của nó giữa các lần chạy của bạn.
Hệ thống xung quanh nó đang trở nên thông minh hơn - thư viện kỹ năng của bạn phát triển với mỗi dự án, và mọi bầy tác tử trong tương lai sẽ tự động áp dụng các kỹ năng đó.
Một đối thủ cạnh tranh không thể sao chép thư viện đó trong một tuần. Nó được xây dựng từ nhiều tháng chạy thực tế của bạn.
1Lưu toàn bộ quy trình làm việc này dưới dạng Kỹ năng có thể tái sử dụng: "[tên]"2Ghi lại:3- định dạng đầu vào (loại tệp / hình dạng spec mà nó mong đợi)4- các bước tác tử đã hoạt động5- định dạng đầu ra và quy ước đặt tên6- các quy tắc xác thực từ bản spec7Lần tới khi tôi chạy cái này, tôi đính kèm tệp mới và nhận được cùng một hình dạng.
07. Đưa tài liệu của riêng bạn vào làm kiến thức bầy
Kỹ năng nắm bắt quy trình. Tài liệu thành Kỹ năng nắm bắt lĩnh vực. Tải lên công việc tốt nhất của bạn - một đề xuất đã chốt deal, một báo cáo trau chuốt, một deck - và Kimi sẽ ghi lại dấu vân tay cấu trúc và phong cách của nó dưới dạng một kỹ năng mà mọi bầy tác tử trong tương lai sẽ tự động áp dụng.
Đây là nơi nó tăng trưởng kép: mọi PDF, bản ghi âm, hay bảng tính bạn đưa vào đều trở thành ngữ cảnh mà tất cả 300 tác tử song song có thể dựa vào, thay vì dựa vào dữ liệu huấn luyện chung.
Bạn càng cung cấp nhiều, mọi lần chạy sau đó càng trở nên chính xác hơn. Các báo cáo không còn đọc như AI chung chung nữa mà bắt đầu đọc như công việc của bạn.
1Ghi lại tài liệu này dưới dạng một kỹ năng có thể tái sử dụng. Xác định điều gì làm cho nó hiệu quả:2- cấu trúc và thứ tự phần3- giọng điệu và thanh ghi giọng nói4- độ sâu phân tích mỗi phần5- nhịp điệu viết và các quyết định định dạng6Lưu nó dưới dạng "[tên]". Sau đó tạo một tài liệu mới về [chủ đề khác]7sử dụng kỹ năng đã ghi lại — khớp với thanh chất lượng, không phải nội dung.
08. Biến phản hồi xác minh thành một quy tắc vĩnh viễn
Bước 5 bắt một lỗi một lần. Bước 8 đảm bảo bầy tác tử không bao giờ mắc lại lỗi đó. Lấy danh sách sửa lỗi của Opus và không chỉ vá đầu ra - hãy đưa bài học vào một tệp ràng buộc cấp dự án mà Kimi tự động đọc khi bắt đầu mỗi phiên.
Đây là vòng lặp học hỏi từ những thất bại của chính nó. Sự sai lệch mà Opus đã gắn cờ ở lần chạy số 1 trở thành một quy tắc cứng ở lần chạy số 2.
Qua một vài dự án, tệp ràng buộc của bạn biến thành tài liệu sống tự thực thi - và cổng xác minh ngày càng có ít thứ để bắt hơn mỗi lần.
1# CONSTRAINTS.md — được tải tự động2- mọi con số được tuyên bố phải dẫn đến một nguồn chính hoặc bị gắn cờ3- không giải quyết xung đột âm thầm — làm nổi bật mâu thuẫn4- [quy tắc được chắt lọc từ phản hồi Opus của lần chạy trước]5- [sai lầm bạn không bao giờ muốn lặp lại]6Khóa phạm vi: không chạm vào bất cứ thứ gì ngoài khối PHẠM VI của bản spec.
09. Phát lại kỹ năng trên các đầu vào mới - xem chi phí sụp đổ
Bây giờ là phần thưởng. Lần chạy số 2 không bắt đầu từ con số không. Nó bắt đầu từ kỹ năng, kiến thức bầy và tệp ràng buộc mà bạn đã xây dựng ở các bước 6–8.
Cùng một quy trình làm việc, tệp mới, một phần nhỏ thời gian thiết lập.
Đây là nơi "tăng trưởng kép" không còn là một từ thông dụng nữa mà hiện rõ trên hóa đơn. Lần chạy giám sát cạnh tranh đầu tiên cần một bản spec đầy đủ và một lượt xác minh.
Lần thứ tư là một lời nhắc 30 giây dựa trên kỹ năng đã lưu, và đầu ra sắc nét hơn vì nó kế thừa mọi bản sửa lỗi từ các lần chạy trước đó.
1Chạy kỹ năng đã lưu "[tên]" trên các đầu vào mới này.2Áp dụng CONSTRAINTS.md. Sử dụng định dạng đầu ra đã ghi lại.3[đính kèm tệp mới]4Chỉ báo cáo các sai lệch so với hình dạng dự kiến của kỹ năng.
20 phút cho lần chạy một. 30 giây cho lần chạy thứ năm mươi. Khoảng cách đó là toàn bộ lý do để xây dựng một vòng lặp thay vì một lời nhắc.
10. Thăng cấp vòng lặp thành một tác tử nền
Bước đi cuối cùng: một khi vòng lặp đã ổn định và được hỗ trợ bởi kỹ năng, bạn ngừng khởi chạy nó bằng tay.
Hướng Kimi vào trình kích hoạt - một lịch trình, một tệp mới được thả vào, một trang giá của đối thủ cạnh tranh - và để nó chạy toàn bộ vòng lặp một cách chủ động, chỉ đưa ra sản phẩm bàn giao và các sai lệch.
Giám sát cạnh tranh là một ví dụ rõ ràng.
Lần chạy số 1 bạn xây dựng và xác minh bằng tay. Đến khi nó trở thành một tác tử nền, nó đang kiểm tra mọi đối thủ cạnh tranh song song hàng tuần và thả một bản tóm tắt vào hộp thư đến của bạn với chi phí thời gian cận biên bằng không.
Con người duy nhất còn lại trong vòng lặp là câu hỏi bạn đặt ra và quyết định bạn đưa ra trên câu trả lời.
1Chạy kỹ năng "[tên]" theo lịch trình hàng tuần.2Trình kích hoạt: [lịch trình / tệp mới / URL được giám sát]3Mỗi lần chạy: thực thi bầy tác tử, áp dụng CONSTRAINTS.md,4xác minh, sau đó gửi ĐẦU RA + khác biệt so với lần chạy trước.5Chỉ ping tôi nếu một sai lệch vượt quá [ngưỡng].
Kết luận:
Trong khi các phòng thí nghiệm đóng tiếp tục tung ra những chatbot thông minh hơn mỗi lần một cái, một mô hình mở đang chạy 300 tác tử song song - và trở nên thông minh hơn ở cấp độ hệ thống với mỗi lần chạy bạn giao cho nó.
Chúng ta đã thấy dấu vân tay chính xác này một lần rồi. Một bản phát hành mở tái định hình những gì ranh giới đóng tưởng rằng nó sở hữu, và toàn bộ lĩnh vực hiệu chỉnh lại qua đêm. Điều đó đã xảy ra với DeepSeek.
Một bầy tác tử tự học trên một mô hình trọng số mở cũng có hình dạng tương tự.
Những người xây dựng vẫn đang tranh luận mô hình nào đã "thắng" đang trả lời một câu hỏi không còn quan trọng nữa.
Câu hỏi bây giờ không phải là mô hình nào thông minh nhất. Mà là bạn có thể chạy bao nhiêu cái cùng một lúc, ai đang kiểm tra công việc của chúng, và liệu thiết lập của bạn có sắc nét hơn hôm qua so với hôm nay không.
Hầu hết mọi người sẽ đọc bài này và tiếp tục sử dụng Kimi như một hộp chat. Một số ít sẽ xây dựng vòng lặp trong tuần này. Lần chạy đầu tiên mất 20 phút. Mọi lần chạy sau đó là đòn bẩy mà bạn sở hữu.
Xây dựng nó. Xác minh nó. Chắt lọc nó. Sau đó, hãy nhìn nó rẻ hơn và sắc nét hơn mỗi lần bạn chạy nó.
