26-7 문샷 키미 K3 공개
작성자의 핵심 판단
Kimi-K3는 스케일링 법칙이 계속 통한다는 유의미한 사례지만, 프론티어 AI 연구소의 지형을 바꿀 모델로 보지는 않는다.
근거 보기 2
- 원문 구간 1
섹터 - 📈강세 : 필수소비, 헬스케어, 에너지, 원자재 - 📉약세 : 반도체, 적자성장주, 바이오텍, 테크 📩 메이저 뉴스 보시는 순서는 이렇습니다. 제목 - 참고를 위해 살펴보는 기업군 주가 : 그날의 생각 *AI HW 변동성이 하도 크니 어려운 시장입니다. 게빈 베이커는 지난 3월 30일의 sell-off 이후로 처음으로 Risk/reward가 다시금 매력적으로 보이는 시기가 왔다며 말했습니다. 단기적으로 어떻게 될지야 아무도 모른다고 생각하지만 개인적으로 기업들의 펀더멘탈은 계속해서 좋아지고 있다고 판단합니다. 빅테크/AI Labs: (1) Moonshot AI가 Kimi-K3를 공개했습니다. 성능으로 보면 꽤 유의미한 모델입니다 *첨부자료 1, 2*: 가장 중요한 건 스케일링 법칙이 계속해서 통하고 있음을 증명한 모델입니다. Kimi-K3의 총 파라미터 규모는 2.8T이고, MoE 모델로 896개의 전문가 중 토큰당 16개를 활성화하는 모델입니다. Grok 4.5, GPT-5.6 Sol, Opus 4.8급이 1.5T 정도임을 생각해보면, 2.5~3T급으로 총 파라미터 규모를 키우는 것을 통해서 퍼포먼스를 크게 끌어올렸습니다. 퍼포먼스 자체는 개인적으로 유의미한 벤치라고 보는 SWE-Bench Pro로 비교한 게 아니라서 좀 더 지켜봐야겠습니다. 실제 배포 환경에서 안정성, 성공률, 작업당 비용 등은 추가적인 검증들이 필요합니다. 그래도 대략은 '총 파라미터 규모를 Opus 대비 2배 키워서 Opus 4.8급 성능을 내는 모델'이라고 볼 수 있겠습니다. 문샷 팀이 블로그에 쓴 것처럼 전반적인 퍼포먼스에서 GPT-5.6 Sol 및 Fable 5보다는 낮습니다. Kimi-K3의 가격은 백만토큰당 input/output 기준 $3.00/$15.00입니다.
- 원문 구간 2
비교를 위해서 살펴보자면 이전 Kimi-K2.7의 $0.95/$4.00에 비해서는 훨씬 비싸졌습니다. 총 파라미터 규모를 키운 덕이기도 하고, 꽤나 성능이 잘 나온 만큼 추론 GPM을 높이기 위한 것으로 추정됩니다. 이제 GPT-6, Opus 5 등 총 파라미터 기준 2.5~3T 모델이 8월 하순쯤 출시될 것으로 예상되는데 이를 앞두고 2.8T 파라미터 모델이 Kimi에서 먼저 출시된 것입니다. Mythos/Fable 5 $10/$50(SOTA) > GPT-5.6 Sol $5/$30 > Opus 4.8 $5/$25 > Sonnet 5 $3/$15 = Kimi-K3 $3/$15(이번에 출시)> GPT-5.6 Terra $2.5/$15 > Gemini 3.1 Pro $2/$12 > Gemini 3.5 Flash $1.5/$9 > Grok 4.5 $2/$6(Opus 4.7급을 매우 저렴하게, 저사양 파레토 프론티어) > GPT-5.6 Luna $1/$6 > GLM-5.2 $1.4/$4.4 > Muse Spark 1.1 $1.25/$4.25(Opus 4.6보다는 우수, 4.7보다는 열위) > Kimi K2.7 $0.95/$4입니다. Claude Code/Codex가 갖춘 하네스 엔지니어링 역량 차이, 7월 15일 일간보고에서 전해드렸던 이제부터 오픈AI가 1GW급 클러스터를 완성했기에 여기서 곧 출시될 GPT-6(~3T급 모델)에 대한 기대가 크기에 프론티어 AI Labs의 지형도를 바꿀 것으로 보이진 않습니다. 그리고 코딩 벤치마크 각주를 자세히 살펴보시면 Terminal-Bench 2.1에서 Opus 4.8/Fable 5는 앤스로픽의 Claude Code가 아닌 Terminus 2 하네스를 사용한 벤치마크입니다. 여러모로 Opus 4.8정도에 준하는 모델 정도로 보입니다.
이 자료에서 다룬 사실
문샷 AI가 총 2.8T 파라미터의 MoE 모델 Kimi-K3를 공개했고, 토큰당 896개 전문가 중 16개를 활성화한다. 가격은 백만 토큰당 입력·출력 기준 3달러·15달러다.
근거 보기 2
- 원문 구간 1
섹터 - 📈강세 : 필수소비, 헬스케어, 에너지, 원자재 - 📉약세 : 반도체, 적자성장주, 바이오텍, 테크 📩 메이저 뉴스 보시는 순서는 이렇습니다. 제목 - 참고를 위해 살펴보는 기업군 주가 : 그날의 생각 *AI HW 변동성이 하도 크니 어려운 시장입니다. 게빈 베이커는 지난 3월 30일의 sell-off 이후로 처음으로 Risk/reward가 다시금 매력적으로 보이는 시기가 왔다며 말했습니다. 단기적으로 어떻게 될지야 아무도 모른다고 생각하지만 개인적으로 기업들의 펀더멘탈은 계속해서 좋아지고 있다고 판단합니다. 빅테크/AI Labs: (1) Moonshot AI가 Kimi-K3를 공개했습니다. 성능으로 보면 꽤 유의미한 모델입니다 *첨부자료 1, 2*: 가장 중요한 건 스케일링 법칙이 계속해서 통하고 있음을 증명한 모델입니다. Kimi-K3의 총 파라미터 규모는 2.8T이고, MoE 모델로 896개의 전문가 중 토큰당 16개를 활성화하는 모델입니다. Grok 4.5, GPT-5.6 Sol, Opus 4.8급이 1.5T 정도임을 생각해보면, 2.5~3T급으로 총 파라미터 규모를 키우는 것을 통해서 퍼포먼스를 크게 끌어올렸습니다. 퍼포먼스 자체는 개인적으로 유의미한 벤치라고 보는 SWE-Bench Pro로 비교한 게 아니라서 좀 더 지켜봐야겠습니다. 실제 배포 환경에서 안정성, 성공률, 작업당 비용 등은 추가적인 검증들이 필요합니다. 그래도 대략은 '총 파라미터 규모를 Opus 대비 2배 키워서 Opus 4.8급 성능을 내는 모델'이라고 볼 수 있겠습니다. 문샷 팀이 블로그에 쓴 것처럼 전반적인 퍼포먼스에서 GPT-5.6 Sol 및 Fable 5보다는 낮습니다. Kimi-K3의 가격은 백만토큰당 input/output 기준 $3.00/$15.00입니다.
- 원문 구간 2
비교를 위해서 살펴보자면 이전 Kimi-K2.7의 $0.95/$4.00에 비해서는 훨씬 비싸졌습니다. 총 파라미터 규모를 키운 덕이기도 하고, 꽤나 성능이 잘 나온 만큼 추론 GPM을 높이기 위한 것으로 추정됩니다. 이제 GPT-6, Opus 5 등 총 파라미터 기준 2.5~3T 모델이 8월 하순쯤 출시될 것으로 예상되는데 이를 앞두고 2.8T 파라미터 모델이 Kimi에서 먼저 출시된 것입니다. Mythos/Fable 5 $10/$50(SOTA) > GPT-5.6 Sol $5/$30 > Opus 4.8 $5/$25 > Sonnet 5 $3/$15 = Kimi-K3 $3/$15(이번에 출시)> GPT-5.6 Terra $2.5/$15 > Gemini 3.1 Pro $2/$12 > Gemini 3.5 Flash $1.5/$9 > Grok 4.5 $2/$6(Opus 4.7급을 매우 저렴하게, 저사양 파레토 프론티어) > GPT-5.6 Luna $1/$6 > GLM-5.2 $1.4/$4.4 > Muse Spark 1.1 $1.25/$4.25(Opus 4.6보다는 우수, 4.7보다는 열위) > Kimi K2.7 $0.95/$4입니다. Claude Code/Codex가 갖춘 하네스 엔지니어링 역량 차이, 7월 15일 일간보고에서 전해드렸던 이제부터 오픈AI가 1GW급 클러스터를 완성했기에 여기서 곧 출시될 GPT-6(~3T급 모델)에 대한 기대가 크기에 프론티어 AI Labs의 지형도를 바꿀 것으로 보이진 않습니다. 그리고 코딩 벤치마크 각주를 자세히 살펴보시면 Terminal-Bench 2.1에서 Opus 4.8/Fable 5는 앤스로픽의 Claude Code가 아닌 Terminus 2 하네스를 사용한 벤치마크입니다. 여러모로 Opus 4.8정도에 준하는 모델 정도로 보입니다.
그렇게 판단한 이유
Opus 대비 총 파라미터를 약 두 배로 키워 Opus 4.8급 성능을 냈다고 보면서도, SWE-Bench Pro 비교와 실제 배포 환경의 안정성·성공률·작업당 비용 검증이 남았고 GPT-5.6 Sol과 작업당 비용 차이도 작다고 설명했다.
근거 보기 3
- 원문 구간 1
섹터 - 📈강세 : 필수소비, 헬스케어, 에너지, 원자재 - 📉약세 : 반도체, 적자성장주, 바이오텍, 테크 📩 메이저 뉴스 보시는 순서는 이렇습니다. 제목 - 참고를 위해 살펴보는 기업군 주가 : 그날의 생각 *AI HW 변동성이 하도 크니 어려운 시장입니다. 게빈 베이커는 지난 3월 30일의 sell-off 이후로 처음으로 Risk/reward가 다시금 매력적으로 보이는 시기가 왔다며 말했습니다. 단기적으로 어떻게 될지야 아무도 모른다고 생각하지만 개인적으로 기업들의 펀더멘탈은 계속해서 좋아지고 있다고 판단합니다. 빅테크/AI Labs: (1) Moonshot AI가 Kimi-K3를 공개했습니다. 성능으로 보면 꽤 유의미한 모델입니다 *첨부자료 1, 2*: 가장 중요한 건 스케일링 법칙이 계속해서 통하고 있음을 증명한 모델입니다. Kimi-K3의 총 파라미터 규모는 2.8T이고, MoE 모델로 896개의 전문가 중 토큰당 16개를 활성화하는 모델입니다. Grok 4.5, GPT-5.6 Sol, Opus 4.8급이 1.5T 정도임을 생각해보면, 2.5~3T급으로 총 파라미터 규모를 키우는 것을 통해서 퍼포먼스를 크게 끌어올렸습니다. 퍼포먼스 자체는 개인적으로 유의미한 벤치라고 보는 SWE-Bench Pro로 비교한 게 아니라서 좀 더 지켜봐야겠습니다. 실제 배포 환경에서 안정성, 성공률, 작업당 비용 등은 추가적인 검증들이 필요합니다. 그래도 대략은 '총 파라미터 규모를 Opus 대비 2배 키워서 Opus 4.8급 성능을 내는 모델'이라고 볼 수 있겠습니다. 문샷 팀이 블로그에 쓴 것처럼 전반적인 퍼포먼스에서 GPT-5.6 Sol 및 Fable 5보다는 낮습니다. Kimi-K3의 가격은 백만토큰당 input/output 기준 $3.00/$15.00입니다.
- 원문 구간 2
비교를 위해서 살펴보자면 이전 Kimi-K2.7의 $0.95/$4.00에 비해서는 훨씬 비싸졌습니다. 총 파라미터 규모를 키운 덕이기도 하고, 꽤나 성능이 잘 나온 만큼 추론 GPM을 높이기 위한 것으로 추정됩니다. 이제 GPT-6, Opus 5 등 총 파라미터 기준 2.5~3T 모델이 8월 하순쯤 출시될 것으로 예상되는데 이를 앞두고 2.8T 파라미터 모델이 Kimi에서 먼저 출시된 것입니다. Mythos/Fable 5 $10/$50(SOTA) > GPT-5.6 Sol $5/$30 > Opus 4.8 $5/$25 > Sonnet 5 $3/$15 = Kimi-K3 $3/$15(이번에 출시)> GPT-5.6 Terra $2.5/$15 > Gemini 3.1 Pro $2/$12 > Gemini 3.5 Flash $1.5/$9 > Grok 4.5 $2/$6(Opus 4.7급을 매우 저렴하게, 저사양 파레토 프론티어) > GPT-5.6 Luna $1/$6 > GLM-5.2 $1.4/$4.4 > Muse Spark 1.1 $1.25/$4.25(Opus 4.6보다는 우수, 4.7보다는 열위) > Kimi K2.7 $0.95/$4입니다. Claude Code/Codex가 갖춘 하네스 엔지니어링 역량 차이, 7월 15일 일간보고에서 전해드렸던 이제부터 오픈AI가 1GW급 클러스터를 완성했기에 여기서 곧 출시될 GPT-6(~3T급 모델)에 대한 기대가 크기에 프론티어 AI Labs의 지형도를 바꿀 것으로 보이진 않습니다. 그리고 코딩 벤치마크 각주를 자세히 살펴보시면 Terminal-Bench 2.1에서 Opus 4.8/Fable 5는 앤스로픽의 Claude Code가 아닌 Terminus 2 하네스를 사용한 벤치마크입니다. 여러모로 Opus 4.8정도에 준하는 모델 정도로 보입니다.
- 원문 구간 3
앤스로픽이 2월에 공개했던 것처럼, Kimi-K 시리즈는 Mythos Preview로부터 증류하여 만들고 있습니다. 학습 데이터와 사후훈련의 효율을 높일 수 있던 배경입니다. 그러나 2.5~3.0T 모델인 것에 비해서 Fable과 달리 Kimi-K3는 작업당 비용이 같거나 약간 적습니다. 예를 들어, 작업당 GPT-5.6 Sol은 $1.04인데, K3는 $0.94로 별 차이가 없습니다. 성능은 차이가 있으니 GPT-5.6 Sol을 쓰는 것이 더 유리하며 K3가 추론에서는 덜 효율적인 환경이란 의미입니다. 사실 같은 모델로 훈련에서 압축을 잘했다면 추론에서도 효율이 높은 게 맞는데 두 가지가 다르다는 점에서 증류로 인한 효과임은 여러 갈래에서 느낄 수 있습니다. 구글 입장에서는 다시금 직격으로 밀리는 일입니다. 미국에서는 xAI/MSL, 중국은 Moonshot/Zhipu가 구글을 앞서가고 있습니다. (2) 그런 우려를 하고 있을 때쯤, 구글 Gemini 3.5 Pro 출시가 연기됐다는 블룸버그 보도가 나왔습니다: 원래대로라면 Gemini 3.5 Flash가 공개되던 5월쯤에 Gemini 3.5 Pro도 함께 공개되었어야 했지만, 여전히 원하는 성능을 내지 못하고 있기 때문에 지연되고 있습니다. 장기 에이전트 작업이나 코딩 역량이 크게 떨어지기 때문입니다. 원래 구글의 주장은 자사가 파레토 프론티어를 선도하고 있다는 게 주요 포인트였는데 이제 Gemini 시리즈는 파레토 프론티어에서 가장 열위인 모델이 됐습니다. 블룸버그 보도에 따르면, 구글 내부에서 코딩 에이전트를 성공시키기 위해 노력하는 과정에서 일부 엔지니어들이 'AI를 쓰지 않고 손수 코딩해야 한다'고 하는 주장에 부딪히기도 했었다고 확인됩니다.