K2.8 Preview آپریشن میں

Kimi K2.8 Preview مون شاٹ کی جانب سے Kimi Code اور Kimi Work پر مکمل طور پر دستیاب مرکزی ماڈل ہے۔ کمپنی کے مطابق اس کی مجموعی کارکردگی فلیگ شپ Kimi K3 کے قریب ہے، جبکہ کوڈنگ اور Agent کی صلاحیتوں میں بہتری آئی ہے اور K2.7 کے مقابلے میں سوچنے کی کارکردگی نمایاں طور پر بہتر ہوئی ہے۔ ماڈل low/high/max کی تین سطحوں پر سوچنے اور تصاویر و ویڈیوز کے ان پٹ کو سپورٹ کرتا ہے، جبکہ 1M کی انتہائی طویل سیاقی گنجائش تمام اراکین کے لیے دستیاب ہے۔

کوڈ جنریشن اور تکمیل: روزمرہ کی ترقی کے بنیادی کاموں پر توجہ، کوڈ مکمل کرنے، ترمیم اور واضح حدود والے دیگر کاموں کو بہتر بنانا۔
ایجنٹ کی صلاحیتیں: کوڈنگ اور ایجنٹ کی صلاحیتیں K2.7 Code کے مقابلے میں جامع طور پر بہتر ہیں، اور یہ متعدد مراحل پر مشتمل انجینئرنگ کے کام خود آگے بڑھا سکتا ہے۔
سوچنے کی شدت کی تین سطحیں: low / high / max کی تین reasoning effort سطحوں کو سپورٹ کرتا ہے، جو K3 کی سوچنے کی سطحوں کے مطابق ہیں؛ پہلے سے طے شدہ سطح max ہے۔
ملٹی موڈل ان پٹ: تصاویر اور ویڈیوز کے ان پٹ کو سپورٹ کرتا ہے، اور بصری نوعیت کے ترقیاتی مواد کو پروسیس کر سکتا ہے۔
1M طویل سیاق و سباق: تمام رکنیتی درجات میں زیادہ سے زیادہ 1 ملین token کا سیاق و سباق دستیاب ہے، جس سے بڑے پیمانے کے کوڈ بیس کو ایک ہی بار میں پروسیس کیا جا سکتا ہے۔
بے محسوس اپ گریڈ: Model ID بدستور kimi-for-coding ہے، اس لیے کلائنٹ اور تھرڈ پارٹی ٹولز میں کنفیگریشن تبدیل کرنے کی ضرورت نہیں۔
ذہین روٹنگ: K3 سیریز میں thinking بند ہونے کے بعد، درخواست خودکار طور پر K2.8 کے thinking کے بغیر والے ورژن کو پروسیسنگ کے لیے منتقل کر دی جاتی ہے۔

درجہ وار استدلال کا کنٹرول: reasoning effort میکانزم کے ذریعے استدلال کے بجٹ میں توازن قائم کیا جاتا ہے—low سطح پر رفتار کے بدلے سوچ کی گہرائی کم کی جاتی ہے، جبکہ max سطح پر پیچیدہ کاموں کی کامیابی کی شرح بڑھانے کے لیے مزید thinking tokens استعمال کیے جاتے ہیں۔ بنیادی طور پر یہ ”thinking tokens کی تعداد“ جیسے کمپیوٹیشنل وسائل کی واضح تقسیم ہے۔
طویل سیاق و سباق کی پروسیسنگ: 1M ونڈو مؤثر attention کے نفاذ پر منحصر ہے۔ K3 میں استعمال ہونے والا KDA ہائبرڈ لکیری attention اور Attention Residuals کا طریقہ (جو طویل سلسلوں میں attention کی کمپیوٹیشنل لاگت کو واضح طور پر کم کرتا ہے) K2.8 کے لیے ایک اہم تکنیکی حوالہ ہے۔
درخواست روٹنگ کی تہہ: پروڈکٹ کی جانب سے scheduling system، ماڈل کی دستیابی اور reasoning switch کی حالت کے مطابق سیشن ٹریفک کو K3 اور K2.8 کے درمیان بلا محسوس منتقلی کے ساتھ تبدیل کرتا ہے، تاکہ ایک ہی داخلی راستے پر تجربے کا تسلسل برقرار رہے۔

کسی ترتیب کی ضرورت نہیں، فوراً استعمال کریں: K2.8 Preview اب مکمل طور پر دستیاب ہے، kimi-for-coding خودکار طور پر اپ گریڈ ہو گیا ہے، اور موجودہ کلائنٹس اور تھرڈ پارٹی ٹولز (Claude Code، OpenCode، Codex وغیرہ) میں کسی بھی ترتیب میں تبدیلی کی ضرورت نہیں۔
کسی بھی رکنیت کے ساتھ استعمال کریں: Adagio (مفت پیکیج) سے Allegro تک تمام پیکیجز میں یہ دستیاب ہے، اور براہِ راست 1M کانٹیکسٹ بھی حاصل ہوتا ہے۔
Kimi Code CLI: CLI انسٹال کرنے کے بعد اکاؤنٹ میں لاگ اِن کریں اور معمول کے مطابق سیشن شروع کریں، آپ K2.8 استعمال کر رہے ہوں گے۔ موجودہ ماڈل دیکھنے یا تبدیل کرنے کے لیے /model درج کریں۔
سوچنے کی سطح تبدیل کریں: low / high / max میں سے انتخاب کرنے کے لیے /effort درج کریں۔ سادہ کاموں کے لیے token کی بچت کے لیے کم سطح استعمال کریں، جبکہ پیچیدہ کاموں کے لیے کامیابی کی شرح بڑھانے کے لیے max استعمال کریں۔
تھرڈ پارٹی ٹولز سے کنکشن: ٹول میں ماڈل ID کو kimi-for-coding پر سیٹ کریں۔ رفتار کو ترجیح دینے والے اور Allegretto یا اس سے اعلیٰ رکنیت رکھنے والے صارفین kimi-for-coding-highspeed پر تبدیل ہو سکتے ہیں۔
Kimi Work کا استعمال: Kimi Work میں براہِ راست کام شروع کریں، پلیٹ فارم خودکار طور پر اسے K2.8 Preview پر بھیج دے گا۔

فلیگ شپ کے قریب کارکردگی: مجموعی کارکردگی K3 کے قریب ہے، جبکہ کوڈنگ اور Agent کی صلاحیتیں K2.7 Code کے مقابلے میں نمایاں طور پر بہتر ہوئی ہیں، اور سوچنے کی کارکردگی میں بھی واضح بہتری آئی ہے۔
بغیر کسی رکاوٹ کے استعمال: تمام ممبرشپ درجات، بشمول مفت Adagio درجۂ، میں اسے استعمال کیا جا سکتا ہے، یوں K3 کے لیے ¥99 سے شروع ہونے والی پابندی ختم ہو جاتی ہے۔
تیز تر ردِعمل: صارفین کے عملی تجربات کے مطابق رفتار K3 سے واضح طور پر بہتر ہے، اس لیے یہ کوڈ تکمیل جیسے کثرت سے ہونے والے تعاملی منظرناموں کے لیے موزوں ہے۔
زیادہ قابلِ کنٹرول رویہ: مبہم کاموں میں K3 کے حد سے زیادہ فعال ہونے اور سابقہ thinking کے لیے حساس ہونے جیسے مسائل کے مقابلے میں، K2.8 کو روزمرہ کی ڈویلپمنٹ کے لیے موزوں بنایا گیا ہے اور اس کے رویے کی حدود زیادہ مستحکم ہیں۔
بے رکاوٹ منتقلی: Model ID بدستور kimi-for-coding ہے، اس لیے کلائنٹ اور تھرڈ پارٹی ٹولز میں کسی تبدیلی کے بغیر اپ گریڈ کیا جا سکتا ہے۔
لچک دار سوچ کے درجات: low / high / max کے تین درجات میں آزادانہ تبدیلی ممکن ہے؛ سادہ کاموں میں token کی بچت اور پیچیدہ کاموں میں معیار برقرار رہتا ہے۔
ملٹی موڈل صلاحیتیں: تصاویر اور ویڈیوز کے ان پٹ کو سپورٹ کرتا ہے، جبکہ 1M ونڈو ایک ہی بار میں پوری بڑی کوڈ بیس کو سنبھال سکتی ہے۔

بڑے کوڈ بیس کو سمجھنا اور ریفیکٹرنگ: 1M کانٹیکسٹ ایک ہی بار میں پورے ریپوزٹری کو سنبھال سکتا ہے، جس سے فائلوں کے درمیان انحصار کا تجزیہ، بڑے پیمانے پر ریفیکٹرنگ اور آرکیٹیکچر کی سطح پر تبدیلیوں کی تجاویز ممکن ہیں۔
روزمرہ کوڈ مکمل کرنا اور ڈیولپمنٹ: ”روزمرہ استعمال کے ماڈل“ کی شناخت، K3 کے مقابلے میں زیادہ قابلِ کنٹرول رویہ اور تیز تر ردِعمل، جو بار بار ہونے والے کوڈ کمپلیشن، ڈیبگنگ اور چھوٹی خصوصیات کی تکراری ترقی کے لیے موزوں ہے۔
ملٹی موڈل ڈیولپمنٹ معاونت: تصاویر اور ویڈیوز کے ان پٹ کی معاونت، جس سے براہِ راست خرابی والے انٹرفیس کا اسکرین شاٹ، بگ کی اسکرین ریکارڈنگ، یا ڈیزائن مسودے کی بنیاد پر فرنٹ اینڈ کوڈ تیار کیا جا سکتا ہے۔
ایجنٹ آٹومیشن ورک فلو: کوڈنگ اور ایجنٹ کی صلاحیتیں K2.7 کے مقابلے میں جامع طور پر بہتر ہیں، اور انہیں متعدد مراحل والے کاموں کی ترتیب کے لیے استعمال کیا جا سکتا ہے، جیسے ٹیسٹ چلانا، ناکام ٹیسٹ کیسز درست کرنا اور PR جمع کرانے کا مکمل عمل۔
طویل دستاویزات/طویل لاگز کا تجزیہ: 1M ونڈو انتہائی طویل لاگز، تکنیکی دستاویزات یا اجلاس کے ریکارڈز کو سمیٹ سکتی ہے، جس سے مکمل متن کی تلاش پر مبنی سوال و جواب اور خلاصہ سازی ممکن ہے، اور ممبرشپ کے دوران کوئی اضافی لاگت نہیں۔