شركة Moonshot تطلق Kimi K2.6: دعم 300 وكيل فرعي و13 ساعة من البرمجة الذاتية المستقلة

أتاحت شركة Moonshot AI نموذج Kimi K2.6 مفتوح المصدر، وهو تحديث لنموذجها الرائد في مجالات البرمجة والسيناريوهات المعتمدة على الوكلاء. بات النموذج متاحاً للاستخدام عبر Kimi.ai وتطبيق الهواتف المحمولة وعبر الـ API وفي بيئة Kimi Code. الحجة الأساسية للمطورين هي أن K2.6 قادر على إدارة المهام الهندسية لساعات متواصلة دون أي تدخل بشري. وفي أحد العروض التجريبية، نجح خلال 12 ساعة وعبر أكثر من 4000 استدعاء للأدوات في رفع سرعة استدلال مخصص من ~15 إلى ~193 رمزاً في الثانية، مع زيادة سعة سرب الوكلاء من 100 إلى 300 وكيل فرعي.

البرمجة في المهام الطويلة والمعقدة

كانت الحالة الأولى غير تقليدية؛ إذ قام K2.6 بتنزيل Qwen3.5-0.8B على جهاز Mac ونفّذ بيئة استدلال باستخدام لغة Zig، وهي لغة ذات حصة ضئيلة للغاية في بيانات التدريب. وخلال 14 تكراراً، ارتفعت قدرة المعالجة من ~15 إلى ~193 رمزاً/ثانية، وهو ما يزيد بنحو 20% تقريباً عن سرعة LM Studio. وتصف Moonshot هذا الإنجاز بالتعميم خارج نطاق التوزيع (out-of-distribution generalization)، ويعد المثال دالاً بالفعل إذا افترضنا دقته وموثوقيته.

أما الحالة الثانية فكانت أقرب إلى بيئات الإنتاج الفعلية؛ حيث تولى النموذج مهمة تحسين exchange-core، وهو محرك مفتوح المصدر لمطابقة أوامر التداول يعود تاريخه إلى 8 سنوات. وخلال 13 ساعة، اختبر النموذج 12 استراتيجية تحسين، ونفّذ أكثر من 1000 استدعاء للأدوات، وعدّل أكثر من 4000 سطر برمجي. ولتحديد مواضع الاختناق، قام بتحليل الرسوم البيانية الحرارية (flame graphs) لاستهلاك وحدة المعالجة المركزية (CPU) وتخصيص الذاكرة، ثم أعاد بناء بنية المسارات من 4ME+2RE إلى 2ME+1RE. وبحسب تصريحات المطورين، كانت النتائج كالتالي:

• زيادة متوسط قدرة المعالجة (medium throughput) بنسبة 185%، من 0,43 إلى 1,24 مليون معاملة/ثانية (MT/s)؛
• زيادة أقصى قدرة معالجة (performance throughput) بنسبة 133%، من 1,23 إلى 2,86 مليون معاملة/ثانية (MT/s)؛
• علماً بأن المحرك كان يعمل بالفعل قبل ذلك بالقرب من حدوده القصوى.

من جهتهم، يقدم الشركاء تقييمات أكثر واقعية؛ حيث سجلت منصة CodeBuddy في اختباراتها تحسناً بنسبة +12% في دقة توليد الكود، و+18% في استقرار السياق الطويل، مع نسبة نجاح لاستدعاء الأدوات بلغت 96,60%. وسجلت منصة تقدم النموذج عبر AI Gateway زيادة تتجاوز 50% في اختبار أدائها الداخلي الخاص بإطار Next.js، في حين أشار شريك آخر إلى زيادة قدرها +15% في اختباراته الخاصة. تجدر الإشارة إلى أن كل هذه الأرقام مستخلصة من مجموعات بيانات داخلية لدى الشركات الشريكة، ولا يمكن مقارنتها ببعضها مباشرة في ظل غياب أي تدقيق مستقل حتى الآن.

سرب من 300 وكيل وميزة Claw Groups

يعتمد الجانب الخاص بالوكلاء في هذا الإصدار على نظام Agent Swarm؛ حيث يفكك النظام المهمة الكبرى إلى مهام فرعية متباينة ويسندها إلى وكلاء ينشئهم ذاتياً. وفي إصدار K2.6، يتوسع السرب ليصل إلى 300 وكيل فرعي و4000 خطوة منسقة، مقارنة بـ 100 وكيل و1500 خطوة في K2.5. وتتمثل النتيجة المعلنة لجلسة تشغيل ذاتية واحدة في توليد المستندات والمواقع والعروض التقديمية والجداول في آن واحد. ويستطيع النموذج تحويل أي ملف PDF أو جدول بيانات أو مستند Word جيد إلى مهارة (Skill)، مع الاحتفاظ بهيكل المستند وأسلوبه للاستخدام في المهام المستقبلية.

وفيما يتعلق بالوكلاء الذين يعملون بصفة مستمرة مثل OpenClaw وHermes، استعرضت Moonshot تجربة أبقى فيها فريق البنية التحتية لتقنيات التعلم المعزز (RL) وكيلاً يعمل بنموذج K2.6 لمدة 5 أيام؛ حيث أدار عمليات المراقبة، واستجاب للحوادث التقنية، ونفّذ العمليات بدءاً من رصد التنبيه حتى حل المشكلة. وتأتي هذه الميزة الجديدة تحت اسم Claw Groups وطُرحت كمعاينة بحثية (research preview).

وتسمح هذه البيئة بدمج وكلاء يعملون من أي جهاز أو يعتمدون على أي نموذج ضمن مسار عمل موحد، مع تمتع كل وكيل بمهاراته وذاكرته الخاصة. ويعمل K2.6 كمنسق رئيسي يقوم بتوزيع المهام وفقاً لملفات المهارات، ويرصد حالات الفشل، ويعيد إسناد الأعمال.

وتعتمد Moonshot داخلياً هذا الأسلوب لإدارة فريق تسويق مؤلف من وكلاء ذكاء اصطناعي، يضم Demo Makers وBenchmark Makers وSocial Media Agents وVideo Makers.

سبل التحقق العملي من الأداء

أجرت Moonshot كافة مقارناتها مع نماذج Claude Opus 4.6 (بأقصى جهد)، وGPT-5.4 (بأعلى مستوى تفكير)، وGemini 3.1 Pro (بمستوى تفكير متقدم). وضُبطت إعدادات K2.6 عند درجة حرارة (temperature) قدرها 1.0، وقيمة top-p بلغت 1.0، وسياق استيعاب يصل إلى 262 144 رمزاً. وفي الاختبار النصي الفرعي لتقييم Humanity's Last Exam، حقق النموذج 36,4% دون استخدام أدوات، و55,5% عند الاستعانة بها. ومن الأفضل إعادة التحقق من نتائج اختبارات الأداء الداخلية Kimi Code Bench وKimi Design Bench وClaw Bench عبر مهامكم المخصصة.

وفي حال تشغيل K2.6 عبر مزود خارجي، يُنصح بالاطلاع على أداة Kimi Vendor Verifier؛ إذ توصي بها Moonshot لاختيار الخدمات التي تضمن أعلى درجات الدقة. وتوصي الشركة أيضاً بالاعتماد على واجهة برمجة التطبيقات الرسمية (API) لإعادة إنتاج الأرقام الرسمية بدقة. أما بالنسبة للفرق الهندسية التي تبني مسارات عمل قائمة على الوكلاء، فمن المنطقي أن تبدأ بالمهام الطويلة متعددة الخطوات، كإعادة هيكلة الأكواد (refactoring) أو تحليل الأداء البرمجي (profiling)؛ فهذه المجالات تحديداً هي التي يُظهر فيها النموذج تفوقاً ملحوظاً مقارنة بـ K2.5، كما أن تكلفة الرموز للنموذج المفتوح تتيح تشغيل هذه الجلسات لساعات دون تكاليف باهظة.