Kimi K2 کیا سوچ رہا ہے اور کیسے رسائی حاصل کی جائے؟

Kimi K2 Thinking Moonshot AI کی Kimi K2 فیملی کا نیا "سوچ" قسم ہے: ایک ٹریلین پیرامیٹر، اسپرس مکسچر آف ایکسپرٹس (MoE) ماڈل جو واضح طور پر انجنیئر کیا گیا ہے۔ اداکاری کرتے وقت سوچو — یعنی، قابل اعتماد ٹول کالز، طویل افق کی منصوبہ بندی، اور خودکار خود جانچ کے ساتھ گہری سوچ کے حامل استدلال کو ایک دوسرے سے الگ کرنا۔ یہ ایک بڑی ویرل ریڑھ کی ہڈی (≈1T کل پیرامیٹرز، ~32B فی ٹوکن چالو)، ایک مقامی INT4 کوانٹائزیشن پائپ لائن، اور ایک ایسا ڈیزائن جو پیمانہ بناتا ہے۔ اندازہ وقت استدلال (زیادہ "سوچنے والے ٹوکنز" اور زیادہ ٹول کال راؤنڈ) بجائے اس کے کہ جامد پیرامیٹر کی تعداد میں اضافہ ہو۔

سادہ الفاظ میں: K2 تھنکنگ ماڈل کو مسئلہ حل کرنے کے طور پر دیکھتی ہے۔ ایجنٹ ایک شاٹ لینگویج جنریٹر کے بجائے۔ وہ تبدیلی - "لینگویج ماڈل" سے "تھنکنگ ماڈل" میں - وہی ہے جو اس ریلیز کو قابل ذکر بناتی ہے اور کیوں بہت سے پریکٹیشنرز اسے اوپن سورس ایجنٹ AI میں سنگ میل کے طور پر مرتب کر رہے ہیں۔

"Kimi K2 سوچ" بالکل کیا ہے؟

فن تعمیر اور کلیدی وضاحتیں۔

K2 تھنکنگ کو ایک ویرل MoE ماڈل کے طور پر بنایا گیا ہے (384 ماہرین، 8 ماہرین فی ٹوکن منتخب) 1 ٹریلین کل پیرامیٹرز اور ~32B چالو پیرامیٹرز فی تخمینہ یہ ہائبرڈ آرکیٹیکچرل انتخاب (MLA توجہ، SwiGLU ایکٹیویشنز) کا استعمال کرتا ہے اور اسے Moonshot's Muon/MuonClip آپٹیمائزر کے ساتھ تربیت دی گئی تھی جو ان کی تکنیکی رپورٹ میں بیان کیے گئے بڑے ٹوکن بجٹ پر تھے۔ سوچ کی مختلف حالت میں پوسٹ ٹریننگ کوانٹائزیشن (مقامی INT4 سپورٹ)، ایک 256k سیاق و سباق کی ونڈو، اور حقیقی استعمال کے دوران ماڈل کے اندرونی استدلال کے ٹریس کو بے نقاب اور مستحکم کرنے کے لیے انجینئرنگ کے ساتھ بیس ماڈل میں توسیع ہوتی ہے۔

عملی طور پر "سوچ" کا کیا مطلب ہے؟

یہاں "سوچنا" ایک انجینئرنگ مقصد ہے: ماڈل کو (1) اندرونی استدلال کی طویل، ساختی زنجیریں (چین آف تھاٹ ٹوکنز) پیدا کرنے کے قابل بنائیں، (2) اس استدلال کے حصے کے طور پر بیرونی ٹولز (تلاش، ازگر کے سینڈ باکسز، براؤزر، ڈیٹا بیس) کو کال کریں، (3) اس طرح کے بہت سے ذرائع ابلاغ کا جائزہ لیں اور خود تصدیق کریں اور اس طرح کے متعدد ذرائع ابلاغ کے ذریعے تصدیق کریں۔ ٹوٹنے والی ہم آہنگی مون شاٹ کی دستاویزات اور ماڈل کارڈ K2 تھنکنگ کو واضح طور پر تربیت یافتہ اور انٹرلیو ریجننگ اور فنکشن کالز، اور سیکڑوں مراحل میں مستحکم ایجنٹی رویے کو برقرار رکھنے کے لیے دکھایا گیا ہے۔

بنیادی مقصد کیا ہے؟

روایتی بڑے پیمانے پر ماڈلز کی حدود ہیں:

• جنریشن کا عمل دور اندیشی کا حامل ہے، جس میں کراس سٹیپ منطق کی کمی ہے۔
• ٹول کا استعمال محدود ہے (عام طور پر صرف بیرونی ٹولز کو ایک یا دو بار بلایا جا سکتا ہے)؛
• وہ پیچیدہ مسائل میں خود کو درست نہیں کر سکتے۔

K2 تھنکنگ کا بنیادی مقصد ان تینوں مسائل کو حل کرنا ہے۔ عملی طور پر، K2 تھنکنگ، انسانی مداخلت کے بغیر: 200-300 مسلسل ٹول کالز کو انجام دے سکتی ہے۔ منطقی طور پر مربوط استدلال کے سینکڑوں مراحل کو برقرار رکھنا؛ سیاق و سباق کی خود جانچ کے ذریعے پیچیدہ مسائل کو حل کریں۔

جگہ بدلنا: زبان کا ماڈل → سوچ کا ماڈل

K2 تھنکنگ پروجیکٹ میدان میں ایک وسیع تر اسٹریٹجک تبدیلی کی عکاسی کرتا ہے: مشروط ٹیکسٹ جنریشن سے آگے بڑھنا ایجنٹی مسئلہ حل کرنے والے. بنیادی مقصد بنیادی طور پر پریشانی یا اگلی ٹوکن پیشن گوئی کو بہتر بنانا نہیں ہے بلکہ ایسے ماڈل بنانا ہے جو کر سکتے ہیں:

• کی منصوبہ بندی ان کی اپنی کثیر قدمی حکمت عملی؛
• رابطہ کریں بیرونی ٹولز اور اثر کرنے والے (تلاش، کوڈ پر عمل درآمد، علم کی بنیاد)؛
• اس کی تصدیق کرلیں درمیانی نتائج اور درست غلطیاں؛
• مستقل طویل سیاق و سباق اور لمبی ٹول چینز میں ہم آہنگی۔

یہ ریفرمنگ دونوں تشخیص کو تبدیل کرتی ہے (بینچ مارک صرف متن کے معیار پر نہیں بلکہ عمل اور نتائج پر زور دیتے ہیں) اور انجینئرنگ (ٹول روٹنگ، قدموں کی گنتی، خود تنقید، وغیرہ کے ڈھانچے)۔

کام کرنے کے طریقے: سوچ کے ماڈل کیسے کام کرتے ہیں۔

عملی طور پر، K2 Thinking کئی کام کرنے کے طریقوں کو ظاہر کرتا ہے جو "سوچنے کے ماڈل" کے نقطہ نظر کی نشاندہی کرتے ہیں:

1. مستقل اندرونی نشانات: ماڈل ڈھانچے والے درمیانی مراحل (استدلال کے نشانات) تیار کرتا ہے جنہیں سیاق و سباق میں رکھا جاتا ہے اور بعد میں دوبارہ استعمال یا آڈٹ کیا جا سکتا ہے۔
2. متحرک ٹول روٹنگ: ہر اندرونی قدم کی بنیاد پر، K2 فیصلہ کرتا ہے کہ کس ٹول کو کال کرنا ہے (تلاش، کوڈ انٹرپریٹر، ویب براؤزر) اور اسے کب کال کرنا ہے۔
3. ٹیسٹ ٹائم اسکیلنگ: تخمینہ کے دوران، نظام اپنی "سوچ کی گہرائی" (زیادہ اندرونی استدلال کے ٹوکن) کو بڑھا سکتا ہے اور بہتر حل تلاش کرنے کے لیے ٹول کالز کی تعداد میں اضافہ کر سکتا ہے۔
4. خود تصدیق اور بازیابی: ماڈل واضح طور پر نتائج کی جانچ کرتا ہے، سنٹی ٹیسٹ چلاتا ہے، اور چیک ناکام ہونے پر دوبارہ منصوبہ بندی کرتا ہے۔

یہ طریقے ماڈل فن تعمیر (MoE + طویل سیاق و سباق) کو سسٹم انجینئرنگ (ٹول آرکیسٹریشن، سیفٹی چیک) کے ساتھ جوڑتے ہیں۔

کون سی تکنیکی ایجادات Kimi K2 سوچ کو فعال کرتی ہیں؟

Kimi K2 Thinking's Reasoning Mechanism interleaved سوچ اور آلے کے استعمال کی حمایت کرتا ہے۔ K2 سوچنے کا استدلال لوپ:

• مسئلہ کو سمجھنا (تجزیہ اور خلاصہ)
• ایک کثیر مرحلہ استدلال کی منصوبہ بندی (پلان چین)
• بیرونی ٹولز کا استعمال (کوڈ، براؤزر، ریاضی کا انجن)
• نتائج کی تصدیق اور نظر ثانی (تصدیق اور نظر ثانی)
• استدلال کو ختم کریں (استدلال کو ختم کریں)

ذیل میں، میں تین کلیدی تکنیکوں کو متعارف کرواؤں گا جو xx میں ریجننگ لوپس کو ممکن بناتی ہیں۔

1) ٹیسٹ ٹائم اسکیلنگ

یہ کیا ہے: روایتی "اسکیلنگ قوانین" تربیت کے دوران پیرامیٹرز یا ڈیٹا کی تعداد بڑھانے پر توجہ مرکوز کرتے ہیں۔ K2 تھنکنگ کی اختراع اس میں مضمر ہے: "استدلال کے مرحلے" کے دوران متحرک طور پر ٹوکن کی تعداد (یعنی سوچ کی گہرائی) کو بڑھانا؛ اس کے ساتھ ساتھ ٹول کالز کی تعداد (یعنی عمل کی وسعت) کو بڑھانا۔ اس طریقہ کو ٹیسٹ ٹائم اسکیلنگ کہا جاتا ہے، اور اس کا بنیادی مفروضہ ہے: "ایک طویل استدلال کا سلسلہ + زیادہ انٹرایکٹو ٹولز = اصل ذہانت میں ایک قابلیت کی چھلانگ۔"

یہ معاملہ کیوں ہے: K2 تھنکنگ واضح طور پر اس کے لیے بہتر بناتی ہے: مون شاٹ سے پتہ چلتا ہے کہ "تھنکنگ ٹوکنز" کو پھیلانا اور ٹول کالز کی تعداد/گہرائی ایجنٹی بینچ مارکس میں قابل پیمائش بہتری لاتی ہے، جس سے ماڈل کو FLOPs سے مماثل منظرناموں میں اسی طرح کے یا بڑے سائز کے دوسرے ماڈلز کو پیچھے چھوڑنے دیتا ہے۔

2) ٹول-آگمنٹڈ ریزننگ

یہ کیا ہے: K2 Thinking کو مقامی طور پر ٹول اسکیموں کو پارس کرنے، کسی ٹول کو کب کال کرنے کے لیے خود مختاری سے فیصلہ کرنے، اور ٹول کے نتائج کو اس کے جاری استدلال کے سلسلے میں شامل کرنے کے لیے بنایا گیا تھا۔ مون شاٹ نے ماڈل کو فنکشن کالز کے ساتھ چین آف تھاٹ کو انٹرلییو کرنے کے لیے تربیت دی اور ٹیون کیا، پھر اس طرز عمل کو سینکڑوں ترتیب وار ٹول مراحل میں مستحکم کیا۔

یہ معاملہ کیوں ہے: وہ امتزاج - قابل اعتماد تجزیہ + مستحکم اندرونی حالت + API ٹولنگ - وہی ہے جو ماڈل کو ایک سیشن کے حصے کے طور پر ویب براؤزنگ، کوڈ چلانے، اور ملٹی اسٹیج ورک فلو کو آرکیسٹریٹ کرنے کے قابل بناتا ہے۔

اپنے اندرونی فن تعمیر کے اندر، ماڈل ایک "تصوراتی سوچ کے عمل" پر عمل درآمد کی رفتار بناتا ہے: پرامپٹ → استدلال کے ٹوکن → ٹول کال → مشاہدہ → اگلا استدلال → حتمی جواب

3) طویل افق ہم آہنگی اور خود کی تصدیق

یہ کیا ہے: لانگ ہورائزن ہم آہنگی ماڈل کی کئی مراحل اور بہت طویل سیاق و سباق میں مربوط منصوبہ اور اندرونی حالت کو برقرار رکھنے کی صلاحیت ہے۔ خود توثیق کا مطلب ہے کہ ماڈل اپنے انٹرمیڈیٹ آؤٹ پٹس کو فعال طور پر چیک کرتا ہے اور تصدیق کے ناکام ہونے پر اقدامات کو دوبارہ چلاتا ہے یا اس پر نظر ثانی کرتا ہے۔ لمبے ٹاسک اکثر ماڈلز کو بھٹکنے یا فریب میں مبتلا کرنے کا سبب بنتے ہیں۔ K2 Thinking اس سے متعدد تکنیکوں سے نمٹتا ہے: بہت لمبی سیاق و سباق کی ونڈوز (256k)، تربیتی حکمت عملی جو طویل CoT تسلسل میں ریاست کو محفوظ رکھتی ہے، اور غیر تعاون یافتہ دعووں کا پتہ لگانے کے لیے واضح جملے کی سطح کی وفاداری/جج ماڈل۔

یہ معاملہ کیوں ہے: "بار بار استدلال کی یادداشت" میکانزم استدلال کی حالت کو برقرار رکھتا ہے، اسے انسانی جیسا "سوچ استحکام" اور "سیاق و سباق کی خود نگرانی" کی خصوصیات دیتا ہے.. جیسے جیسے کام بہت سے مراحل پر پھیلتے ہیں (مثلاً، تحقیقی منصوبے، ملٹی فائل کوڈنگ کے کام، طویل ادارتی عمل)، ایک واحد پڑھنا ضروری ہو جاتا ہے۔ خود کی تصدیق خاموش ناکامیوں کو کم کرتی ہے۔ قابل فہم لیکن غلط جواب واپس کرنے کے بجائے، ماڈل تضادات کا پتہ لگا سکتا ہے اور ٹولز سے دوبارہ مشورہ کر سکتا ہے یا دوبارہ منصوبہ بنا سکتا ہے۔

صلاحیتیں:

• سیاق و سباق کی مستقل مزاجی: 10k+ ٹوکنز میں معنوی تسلسل کو برقرار رکھتا ہے۔
• غلطی کا پتہ لگانا اور رول بیک: ابتدائی سوچ کے عمل میں منطقی انحراف کی نشاندہی اور درست کرتا ہے۔
• خود توثیق کا لوپ: استدلال مکمل ہونے کے بعد خود بخود جواب کی معقولیت کی تصدیق کرتا ہے۔
• کثیر راستہ استدلال ضم کرنا: متعدد منطقی زنجیروں سے بہترین راستہ منتخب کرتا ہے۔

K2 سوچ کی چار بنیادی صلاحیتیں کیا ہیں؟

گہری اور ساختی استدلال

K2 تھنکنگ کو واضح، کثیر الجہتی استدلال کے نشانات پیدا کرنے اور مضبوط نتائج تک پہنچنے کے لیے استعمال کرنے کے لیے بنایا گیا ہے۔ ماڈل ریاضی اور سخت استدلال کے بینچ مارکس (GSM8K، AIME، IMO طرز کے بینچ مارکس) پر مضبوط اسکور دکھاتا ہے اور طویل سلسلے میں استدلال کو برقرار رکھنے کی صلاحیت کو ظاہر کرتا ہے - تحقیق کے درجے کے مسئلے کو حل کرنے کے لیے ایک بنیادی ضرورت۔ ہیومینٹی کے آخری امتحان میں اس کی بہترین کارکردگی (44.9%) ماہرین کی سطح کی تجزیاتی صلاحیتوں کو ظاہر کرتی ہے۔ یہ مبہم سیمنٹک وضاحتوں سے منطقی فریم ورک نکال سکتا ہے اور استدلال گراف تیار کرسکتا ہے۔

کلیدی خصوصیات:

• علامتی استدلال کی حمایت کرتا ہے: ریاضی، منطقی، اور پروگرامنگ ڈھانچے کو سمجھتا اور ان پر کام کرتا ہے۔
• مفروضے کی جانچ کی صلاحیتوں کے حامل ہیں: مفروضوں کی بے ساختہ تجویز اور تصدیق کر سکتے ہیں۔
• ملٹی اسٹیج پرابلم سڑن کو انجام دے سکتا ہے: پیچیدہ مقاصد کو متعدد ذیلی کاموں میں توڑ دیتا ہے۔

ایجنٹ کی تلاش

ایک ہی بازیافت کے مرحلے کے بجائے، ایجنٹ کی تلاش ماڈل کو تلاش کی حکمت عملی کی منصوبہ بندی کرنے دیتی ہے (کیا تلاش کرنا ہے)، اسے بار بار ویب/ٹول کالز کے ذریعے عمل میں لاتا ہے، آنے والے نتائج کی ترکیب کرتا ہے، اور استفسار کو بہتر بناتا ہے۔ K2 Thinking کے BrowseComp اور Seal-0 ٹول سے چلنے والے اسکور اس صلاحیت پر مضبوط کارکردگی کی نشاندہی کرتے ہیں۔ ماڈل کو واضح طور پر ریاستی منصوبہ بندی کے ساتھ ملٹی راؤنڈ ویب تلاشوں کو برقرار رکھنے کے لیے ڈیزائن کیا گیا ہے۔

تکنیکی جوہر:

• سرچ ماڈیول اور لینگویج ماڈل ایک بند لوپ بناتے ہیں: استفسار جنریشن → ویب پیج بازیافت → سیمنٹک فلٹرنگ → ریجننگ فیوژن۔
• ماڈل انکولی طور پر اپنی تلاش کی حکمت عملی کو ایڈجسٹ کر سکتا ہے، مثال کے طور پر، پہلے تعریفیں تلاش کرنا، پھر ڈیٹا، اور آخر میں مفروضوں کی تصدیق کرنا۔
• بنیادی طور پر، یہ "معلومات کی بازیافت + تفہیم + دلیل" کی ایک جامع ذہانت ہے۔

ایجنٹی کوڈنگ

یہ کرنے کی صلاحیت ہے۔ لکھیں، عمل کریں، ٹیسٹ کریں، اور اعادہ کریں۔ کوڈ پر استدلال لوپ کے حصے کے طور پر۔ K2 تھنکنگ لائیو کوڈنگ اور کوڈ کی تصدیق کے بینچ مارکس پر مسابقتی نتائج پوسٹ کرتا ہے، اس کے ٹول کالز میں Python ٹول چینز کو سپورٹ کرتا ہے، اور سینڈ باکس کو کال کرکے، غلطیوں کو پڑھنے، اور بار بار گزرنے والے کوڈ کو ٹھیک کرکے ملٹی اسٹیپ ڈیبگنگ لوپس چلا سکتا ہے۔ اس کے EvalPlus/LiveCodeBench کے اسکور ان طاقتوں کی عکاسی کرتے ہیں۔ SWE-Bench تصدیق شدہ ٹیسٹ میں 71.3% سکور حاصل کرنے کا مطلب ہے کہ یہ حقیقی دنیا کے سافٹ ویئر کی مرمت کے 70% سے زیادہ کاموں کو صحیح طریقے سے مکمل کر سکتا ہے۔

یہ LiveCodeBench V6 مقابلے کے ماحول میں بھی مستحکم کارکردگی کا مظاہرہ کرتا ہے، اس کے الگورتھم کے نفاذ اور اصلاح کی صلاحیتوں کو ظاہر کرتا ہے۔

تکنیکی جوہر:

• یہ "Semantic parsing + AST-level refactoring + automatic verification" کے عمل کو اپناتا ہے۔
• کوڈ پر عمل درآمد اور جانچ ایگزیکیوشن لیئر پر ٹول کالز کے ذریعے حاصل کی جاتی ہے۔
• یہ کوڈ کو سمجھنے → غلطیوں کی تشخیص → پیچ پیدا کرنے → کامیابی کی تصدیق سے بند لوپ خودکار ترقی کا احساس کرتا ہے۔

ایجنٹی تحریر

تخلیقی نثر سے ہٹ کر، ایجنٹی تحریر کی ساخت، ہدف پر مبنی دستاویز کی تیاری ہے جس کے لیے بیرونی تحقیق، حوالہ جات، ٹیبل جنریشن، اور تکراری تطہیر کی ضرورت ہو سکتی ہے (مثال کے طور پر، ایک مسودہ تیار کریں → حقائق کی جانچ → نظر ثانی)۔ K2 تھنکنگ کا طویل سیاق و سباق اور ٹول آرکیسٹریشن اسے ملٹی اسٹیج رائٹنگ ورک فلو (ریسرچ بریف، ریگولیشنز سمری، ملٹی چیپٹر مواد) کے لیے اچھی طرح سے موزوں بناتا ہے۔ ایرینا طرز کے ٹیسٹ اور لانگفارم تحریری میٹرکس پر ماڈل کی اوپن اینڈ جیت کی شرح اس دعوے کی تائید کرتی ہے۔

تکنیکی جوہر:

• ایجنٹی سوچ کی منصوبہ بندی کا استعمال کرتے ہوئے خودکار طور پر متن کے حصے تیار کرتا ہے۔
• داخلی طور پر استدلال کے ٹوکن کے ذریعے متن کی منطق کو کنٹرول کرتا ہے۔
• "ملٹی موڈل رائٹنگ" کو حاصل کرنے کے لیے بیک وقت ٹولز جیسے سرچ، کیلکولیشن، اور چارٹ جنریشن کا استعمال کر سکتے ہیں۔

آج آپ K2 سوچ کا استعمال کیسے کر سکتے ہیں؟

رسائی کے طریقے

K2 تھنکنگ ایک اوپن سورس ریلیز (ماڈل وزن اور چیک پوائنٹس) کے طور پر اور پلیٹ فارم اینڈ پوائنٹس اور کمیونٹی ہبس (ہگنگ فیس، مون شاٹ پلیٹ فارم) کے ذریعے دستیاب ہے۔ اگر آپ کے پاس کافی کمپیوٹ ہے یا استعمال ہے تو آپ خود میزبانی کر سکتے ہیں۔ CometAPIتیزی سے آن بورڈنگ کے لیے کا API/ہوسٹڈ UI۔ یہ بھی دستاویز کرتا ہے a reasoning_content فیلڈ جو فعال ہونے پر کال کرنے والے کو اندرونی سوچ کے ٹوکنز فراہم کرتی ہے۔

استعمال کے لیے عملی تجاویز

• ایجنٹ بلڈنگ بلاکس کے ساتھ شروع کریں۔: ڈیٹرمنسٹک ٹولز کے ایک چھوٹے سے سیٹ کو پہلے بے نقاب کریں (تلاش، ازگر سینڈ باکس، اور ایک قابل اعتماد حقائق DB)۔ واضح ٹول اسکیما فراہم کریں تاکہ ماڈل کالز کو پارس/تصدیق کر سکے۔
• ٹیسٹ ٹائم کمپیوٹ کو ٹیون کریں۔: مشکل مسئلے کو حل کرنے کے لیے، طویل سوچنے والے بجٹ اور مزید ٹول کال راؤنڈز کی اجازت دیں؛ پیمائش کریں کہ تاخیر/لاگت کے مقابلے میں معیار کیسے بہتر ہوتا ہے۔ مون شاٹ چیمپئنز ٹیسٹ ٹائم اسکیلنگ کو بطور پرائمری لیور۔
• لاگت کی کارکردگی کے لیے INT4 طریقوں کا استعمال کریں۔: K2 Thinking INT4 کوانٹائزیشن کی حمایت کرتا ہے، جو بامعنی رفتار پیش کرتا ہے۔ لیکن اپنے کاموں پر ایج کیس رویے کی توثیق کریں۔
• سطحی استدلال کے مواد کو احتیاط سے دیکھیں: اندرونی زنجیروں کو بے نقاب کرنے سے ڈیبگنگ میں مدد مل سکتی ہے، بلکہ خام ماڈل کی غلطیوں کی نمائش میں بھی اضافہ ہوتا ہے۔ اندرونی استدلال کا علاج کریں تشخیصی مستند نہیں؛ اسے خودکار تصدیق کے ساتھ جوڑیں۔

نتیجہ

Kimi K2 Thinking AI کے اگلے دور کا جان بوجھ کر انجنیئر کردہ جواب ہے: نہ صرف بڑے ماڈلز، بلکہ ایجنٹ جو سوچتے ہیں، عمل کرتے ہیں اور تصدیق کرتے ہیں۔. یہ MoE اسکیلنگ، ٹیسٹ ٹائم کمپیوٹ کی حکمت عملیوں، مقامی کم درستگی کا اندازہ، اور واضح ٹول آرکیسٹریشن کو ایک ساتھ لاتا ہے تاکہ پائیدار، کثیر مرحلہ مسئلہ کو حل کیا جا سکے۔ ان ٹیموں کے لیے جنہیں کثیر مرحلہ مسائل کو حل کرنے کی ضرورت ہے اور جن کے پاس ایجنٹی نظام کو مربوط کرنے، سینڈ باکس اور نگرانی کرنے کے لیے انجینئرنگ کا نظم و ضبط ہے، K2 تھنکنگ ایک اہم، قابل استعمال قدم ہے - اور یہ ایک اہم تناؤ کا امتحان ہے کہ صنعت اور معاشرہ کس طرح تیزی سے قابل، عمل پر مبنی AI پر حکومت کرے گا۔

ڈویلپرز رسائی حاصل کر سکتے ہیں۔ Kimi K2 Thinking API CometAPI کے ذریعے، جدید ترین ماڈل ورژن ہمیشہ سرکاری ویب سائٹ کے ساتھ اپ ڈیٹ کیا جاتا ہے۔ شروع کرنے کے لیے، میں ماڈل کی صلاحیتوں کو دریافت کریں۔ کھیل کے میدان اور مشورہ کریں API گائیڈ تفصیلی ہدایات کے لیے۔ رسائی کرنے سے پہلے، براہ کرم یقینی بنائیں کہ آپ نے CometAPI میں لاگ ان کیا ہے اور API کلید حاصل کر لی ہے۔ CometAPI آپ کو انضمام میں مدد کے لیے سرکاری قیمت سے کہیں کم قیمت پیش کریں۔

جانے کے لیے تیار ہیں؟→ CometAPI کے لیے آج ہی سائن اپ کریں۔ !

اگر آپ AI پر مزید ٹپس، گائیڈز اور خبریں جاننا چاہتے ہیں تو ہمیں فالو کریں۔ VK, X اور Discord!