[AI Frontier] Kimi K3란 무엇인가? 성능과 경쟁 모델의 차이, 주목받는 이유

[AI Frontier]

Kimi K3는 단순히 매개변수가 큰 중국 AI가 아닙니다. 장기 코딩, 시각 이해, 지식 업무와 개방형 가중치를 결합하면서 최상위 AI 모델의 경쟁 기준을 다시 묻고 있습니다.

Image generated by OpenAI

중국의 인공지능 기업 문샷 AI(Moonshot AI)가 Kimi K3를 공개했습니다. 발표에서 먼저 눈에 들어오는 숫자는 2조8천억 개 매개변수와 100만 토큰 맥락창입니다. 지금까지 공개된 개방형 모델 가운데 가장 큰 축에 속하는 규모입니다.

하지만 모델의 크기만으로 Kimi K3를 설명하기는 어렵습니다. 이 모델이 강조하는 것은 질문 한 번에 좋은 답을 내놓는 능력보다, 코드를 작성하고 실행 결과를 확인하며 자료 조사와 결과물 제작을 오랫동안 이어가는 능력입니다. 개발사 표현을 빌리면 장기 과업 코딩과 종단간 지식 업무에 초점을 둔 모델입니다.

이 글에서는 Kimi K3가 무엇인지부터 시작해 모델 구조와 성능, GPT·Claude·GLM 계열과 구분되는 지점, 실제 도입 전에 확인할 조건을 차례로 살펴봅니다.

한 문장으로 이해하기

Kimi K3는 문샷 AI가 만든 초대형 인공지능 모델로, 긴 문서와 대규모 코드 저장소를 읽고 시각 자료와 도구를 활용하면서 복잡한 작업을 여러 단계에 걸쳐 수행하도록 설계됐습니다.

Kimi K3란 무엇인가

Kimi는 문샷 AI가 운영하는 인공지능 서비스 이름이고, K3는 그 안에서 작동하는 최신 주력 모델입니다. 대규모 언어 모델(Large Language Model, LLM)을 일반 사용자용 챗봇, 업무용 데스크톱 도구, 코딩 도구, 개발자용 응용 프로그램 프로그래밍 인터페이스(Application Programming Interface, API)에 연결한 구조입니다.

일반 사용자는 Kimi 웹사이트와 앱에서 질문하거나 자료를 조사할 수 있습니다. 개발자는 Kimi Code로 코드 저장소를 다루고, 기업은 Kimi Work나 API를 통해 문서 작성, 데이터 분석, 소프트웨어 개발 같은 업무에 모델을 연결할 수 있습니다.

ChatGPT나 Claude와 마찬가지로 대화형 화면을 제공하지만, Kimi K3가 전면에 내세우는 용도는 단순 질의응답이 아닙니다. 하나의 목표를 받은 뒤 여러 자료를 찾고 도구를 호출하며, 결과를 검토하고 수정하는 AI 에이전트형 작업에 더 가깝습니다.

전체 규모

2.8조

모델 전체에 포함된 매개변수 수

전문가 구조

16 / 896

요청마다 선택적으로 활성화되는 전문가 영역

맥락창

100만

한 작업에서 처리할 수 있는 최대 토큰 범위

입력 유형

텍스트·시각

문서와 함께 이미지·영상 이해 지원

2조8천억 개 매개변수는 무엇을 의미하나

매개변수는 모델이 학습 과정에서 조정한 수많은 숫자입니다. 언어의 관계, 코드 패턴, 이미지 특징과 문제 해결 방식이 이 숫자들의 조합에 반영됩니다. 매개변수가 많으면 더 많은 패턴을 담을 여지는 생기지만, 숫자가 크다는 이유만으로 항상 더 정확하거나 효율적인 모델이 되는 것은 아닙니다.

Kimi K3는 혼합 전문가 모델(Mixture of Experts, MoE) 구조를 사용합니다. 전체 896개 전문가 영역을 매번 모두 계산하지 않고, 요청에 적합한 16개를 골라 활성화합니다. 직원 896명이 한 업무에 모두 투입되는 조직보다, 필요한 전문성을 가진 16명으로 프로젝트팀을 구성하는 방식에 가깝습니다.

문샷 AI는 키미 델타 어텐션(Kimi Delta Attention, KDA)과 어텐션 레지듀얼(Attention Residuals, AttnRes)이라는 구조도 적용했습니다. KDA는 긴 문맥을 처리할 때 계산 부담을 줄이기 위한 주의집중 구조이고, AttnRes는 깊은 모델 내부에서 필요한 이전 표현을 선택적으로 다시 가져오는 방식입니다. 개발사는 이런 변화로 K2보다 전체 확장 효율이 약 2.5배 개선됐다고 설명합니다.

오해하기 쉬운 지점

2조8천억 개는 모델 전체 규모입니다. 질문 하나를 처리할 때 모든 매개변수가 동시에 작동하는 것은 아닙니다. 실제 품질은 모델 구조, 학습 데이터, 후속 학습, 추론 설정, 도구 연결 방식에 함께 좌우됩니다.

Kimi K3는 실제로 무엇을 잘하나

Kimi K3의 첫 번째 강점은 장기 코딩입니다. 짧은 함수 하나를 작성하는 데 그치지 않고, 큰 코드 저장소를 탐색하고 터미널 명령을 실행하며 오류를 확인한 뒤 다시 수정하는 작업을 오래 이어가도록 설계됐습니다.

두 번째는 시각 정보를 작업 과정에 넣는 능력입니다. 화면 캡처를 보고 웹사이트의 배치 오류를 수정하거나, 실행 중인 게임 화면을 확인해 코드를 바꾸고, 컴퓨터 지원 설계(Computer-Aided Design, CAD) 결과물을 검토하는 식입니다. 이미지 설명에서 끝나지 않고 시각적 결과를 다음 행동에 반영하는 흐름입니다.

세 번째는 종단간 지식 업무입니다. 자료를 검색하고 요약한 뒤 보고서, 표, 프레젠테이션, 대시보드나 실행 가능한 코드로 결과를 만드는 과정까지 연결합니다. 공식 사례에는 과학 논문 검토, 금융·산업 조사, 데이터 시각화와 영상 편집이 포함됩니다.

100만 토큰 맥락창도 이런 작업을 지원합니다. 여러 보고서와 코드 파일, 긴 대화 이력을 한 번에 넣을 수 있는 범위가 넓어졌기 때문입니다. 다만 입력 가능한 길이와 그 안의 모든 정보를 정확히 활용하는 능력은 같은 개념이 아닙니다. 긴 맥락에서 목표를 잊지 않는지, 중요한 근거를 다시 찾는지는 실제 업무로 별도 검증해야 합니다.

GPT·Claude·GLM과 무엇이 다른가

Kimi K3가 모든 평가에서 GPT-5.6 Sol이나 Claude Fable 5를 넘어섰다고 보기는 어렵습니다. 문샷 AI도 전체 성능과 사용자 경험에서는 두 폐쇄형 모델이 앞선다고 밝혔습니다. 반면 일부 장기 코딩, 그래픽 처리 장치(Graphics Processing Unit, GPU) 커널 최적화, 시각 피드백 기반 개발 평가에서는 경쟁력 있는 결과를 제시했습니다.

성능표를 읽을 때는 평가 조건을 함께 봐야 합니다. Kimi K3는 Kimi Code, GPT 계열은 Codex, Claude와 일부 GLM 평가는 Claude Code처럼 서로 다른 실행 도구를 사용한 항목이 있습니다. 일부 수치는 개발사의 자체 평가나 내부 벤치마크이기도 합니다. 따라서 하나의 종합 점수로 승자를 정하기보다 어떤 작업과 실행 환경에서 강했는지를 읽는 편이 정확합니다.

비교 항목	Kimi K3	GPT-5.6 Sol	Claude Fable 5	GLM-5.2
접근 방식	가중치 공개 예정	폐쇄형 서비스·API	폐쇄형 서비스·API	개방형 가중치
주요 강조점	장기 코딩, 시각 작업, 종단간 지식 업무	코딩, 연구, 과학, 보안, 컴퓨터 사용	코딩, 전문 업무, 에이전트 실행, 사용 경험	장기 코딩, 시스템 개발, 비용 효율
긴 맥락	100만 토큰	제품·사용 환경별 공식 조건 확인 필요	제품·사용 환경별 공식 조건 확인 필요	100만 토큰
시각 이해	이미지·영상 지원	지원	이미지 입력 지원	기본 모델과 시각 모델 구성이 구분될 수 있음
자체 운영	가능할 예정이나 대규모 인프라 필요	모델 가중치 자체 운영 불가	모델 가중치 자체 운영 불가	가중치 기반 자체 운영 가능
먼저 볼 조건	실제 공개 라이선스, 배치 비용, 장기 작업 안정성	이용 비용, 안전 제한, 플랫폼 의존도	비용, 접근 정책, 플랫폼 의존도	실행 속도, 인프라 요구량, 시각 업무 범위

Kimi K3의 차별화 포인트는 무엇인가

첫째, 초대형 규모와 희소 구조를 함께 사용합니다. 전체 용량은 크게 늘리되 요청마다 필요한 전문가만 골라 계산합니다. 모델 크기와 추론 효율 사이의 간극을 줄이려는 설계입니다.

둘째, 긴 작업을 제품의 중심에 둡니다. 많은 모델이 에이전트 기능을 지원하지만, Kimi K3는 대규모 코드 저장소 탐색, 도구 실행, 장시간 연구와 결과물 제작을 핵심 사용 사례로 내세웁니다.

셋째, 시각 이해와 실행을 한 작업 흐름으로 연결합니다. 화면을 보고 코드를 수정하거나 이미지와 영상을 분석해 새로운 결과물을 만드는 능력을 강조합니다. 텍스트 답변과 시각 인식을 별개의 기능으로 분리하지 않는 접근입니다.

넷째, 프런티어 규모의 모델을 개방형 생태계로 가져오려 합니다. 문샷 AI는 전체 가중치를 2026년 7월 27일까지 공개하겠다고 밝혔습니다. 다만 7월 20일 현재 실제 파일과 최종 라이선스, 지원 추론 도구는 모두 확인된 상태가 아닙니다. 지금은 완전히 공개된 모델보다 가중치 공개 예정 모델이라고 표현하는 편이 정확합니다.

오픈소스와 오픈 웨이트

가중치가 공개된다고 학습 데이터, 전체 학습 코드와 개발 과정까지 모두 공개되는 것은 아닙니다. Kimi 공식 자료는 오픈소스라는 표현을 사용하지만, 기업은 실제 공개 후 라이선스와 수정·재배포·상업 이용 조건을 별도로 확인해야 합니다.

성능표 밖에서 확인해야 할 한계

문샷 AI는 Kimi K3의 한계를 비교적 구체적으로 공개했습니다. 먼저 이전 사고 이력이 온전히 전달되지 않거나 다른 모델을 사용하던 작업 중간에 K3로 바꾸면 출력 품질이 불안정해질 수 있습니다. 긴 대화에서는 최종 답변만 저장할 것이 아니라 모델이 요구하는 전체 메시지 구조와 도구 호출 이력을 유지해야 합니다.

두 번째는 과도한 적극성입니다. 어려운 장기 과업에 맞춰 학습된 탓에 요청이 모호하면 사용자가 결정해야 할 일을 모델이 임의로 처리할 수 있습니다. 기업 업무에 적용할 때는 시스템 지침, 도구 권한, 금지 행동과 사람 승인 지점을 구체적으로 정해야 합니다.

자체 배치 장벽도 높습니다. 문샷 AI는 추론 효율을 위해 64개 이상의 가속기가 연결된 슈퍼노드 구성을 권장합니다. 전체 가중치가 공개되더라도 일반 개인용 컴퓨터에서 실행하는 로컬 LLM과는 거리가 있습니다. 소유할 수 있는 모델과 감당할 수 있는 모델은 다릅니다.

출시 직후에는 예상보다 많은 요청이 몰리면서 문샷 AI가 신규 유료 구독을 일시 중단했습니다. 높은 관심을 보여주는 신호인 동시에, 2조8천억 개 규모 모델을 안정적인 서비스로 제공하는 일이 얼마나 많은 연산 자원을 요구하는지도 드러냅니다.

도입 전 체크리스트

우리 업무는 일반적인 대화보다 장기 코딩·조사·도구 실행 비중이 높은가?
모델이 임의로 결정하지 않도록 권한과 사람 승인 지점을 정했는가?
사고 이력, 도구 호출, 작업 상태를 세션 사이에 보존할 수 있는가?
자체 배치와 외부 API 중 어느 쪽이 총운영비와 보안 조건에 맞는가?
7월 27일 공개될 라이선스가 상업적 이용과 수정·재배포를 허용하는가?
벤치마크가 아니라 실제 내부 업무 10~20개로 비교 평가할 준비가 됐는가?

누가 Kimi K3를 먼저 살펴봐야 하나

대규모 코드 저장소를 운영하는 개발 조직, 여러 보고서와 데이터를 함께 분석하는 연구·컨설팅팀, 시각 자료와 코드를 오가며 작업하는 제품팀이라면 우선 검토할 이유가 있습니다. 폐쇄형 API 의존도를 낮추고 내부 인프라에서 프런티어급 모델을 운영하려는 기업에도 중요한 선택지가 될 수 있습니다.

반대로 일반적인 문서 요약, 이메일 작성과 짧은 질의응답이 중심이라면 2조8천억 개 규모가 직접적인 이점으로 이어지지 않을 수 있습니다. 자체 인프라가 없고 안정적인 사용자 경험을 우선한다면 기존 폐쇄형 서비스나 더 작은 개방형 모델이 현실적인 선택일 수 있습니다.

Kimi K3의 의미는 당장 모든 모델을 대체한다는 데 있지 않습니다. 개방형 AI가 모델 크기뿐 아니라 장기 코딩과 지식 업무에서도 최상위 폐쇄형 모델을 압박하기 시작했다는 점이 중요합니다. 그 경쟁이 실제 시장 변화로 이어질지는 공개 이후의 라이선스, 추론 비용, 외부 평가와 운영 안정성에서 판가름납니다.

Summary

Kimi K3는 2조8천억 개 규모의 MoE 구조, 100만 토큰 맥락창, 네이티브 시각 이해와 장기 과업 수행을 결합한 문샷 AI의 주력 모델입니다. 일부 코딩과 에이전트형 업무에서 경쟁력을 보였지만, 최상위 폐쇄형 모델보다 사용자 경험이 부족하고 자체 운영에는 대규모 인프라가 필요합니다. 다음에 확인할 것은 매개변수 수가 아니라 7월 27일 공개될 가중치와 라이선스, 독립 평가, 추론 비용, 실제 장기 작업의 안정성입니다.

FAQ

Kimi K3에 대해 자주 묻는 질문

Q. Kimi K3는 어떤 AI인가요?

Kimi K3는 문샷 AI가 개발한 초대형 멀티모달 AI 모델입니다. 긴 시간 동안 코드 작성, 자료 조사, 도구 실행과 결과물 제작을 이어가는 업무에 초점을 맞췄으며, 텍스트와 이미지·영상 입력을 지원합니다.

Q. Kimi K3가 GPT-5.6 Sol이나 Claude Fable 5보다 성능이 좋은가요?

모든 영역에서 더 좋다고 볼 근거는 없습니다. 일부 코딩과 장기 과업 평가에서는 경쟁력 있는 결과를 보였지만, 문샷 AI는 종합 성능과 사용자 경험에서 GPT-5.6 Sol과 Claude Fable 5가 앞선다고 밝히고 있습니다. 평가 도구와 실행 환경도 서로 달라 업무별 검증이 필요합니다.

Q. Kimi K3는 오픈소스인가요?

문샷 AI는 오픈소스 모델이라고 소개하며 전체 가중치를 2026년 7월 27일까지 공개할 예정입니다. 다만 현재는 공개 전이고, 학습 데이터와 전체 학습 코드까지 공개되는지는 별개의 문제입니다. 실제 공개 후 최종 라이선스를 확인해야 합니다.

Q. 개인 컴퓨터에서 Kimi K3를 실행할 수 있나요?

현실적으로 어렵습니다. 문샷 AI는 64개 이상의 가속기가 연결된 구성을 권장하고 있어 일반적인 로컬 LLM보다 훨씬 높은 인프라를 요구합니다. 대부분의 사용자는 Kimi 서비스나 API, 전문 추론 사업자를 통해 이용하는 편이 현실적입니다.

TERMINOLOGY

본문에 나오는 주요 용어

용어	뜻	실무자가 이해할 포인트
LLM	대규모 텍스트와 코드를 학습한 언어 모델	챗봇은 서비스 화면이고 LLM은 그 안에서 답변과 추론을 만드는 핵심 모델입니다.
MoE	요청에 따라 일부 전문가 영역만 활성화하는 모델 구조	전체 매개변수 수와 요청당 실제 계산량을 구분해서 봐야 합니다.
맥락창	한 작업에서 모델이 입력과 출력으로 처리할 수 있는 정보 범위	길이가 크다고 모든 정보를 같은 정확도로 기억하거나 활용한다는 의미는 아닙니다.
오픈 웨이트	학습이 끝난 모델의 가중치를 내려받을 수 있는 방식	사용 가능 범위는 라이선스에 따라 달라지며 학습 데이터와 전체 개발 코드 공개를 보장하지 않습니다.
AI 에이전트	목표를 받아 도구를 사용하고 여러 단계를 수행하는 AI 시스템	모델 성능 외에 권한, 승인, 상태 관리와 실행 기록이 필요합니다.

이 블로그 검색