역대 최대 오픈웨이트 모델이 오늘 풀렸다

2026년 7월 27일 00시(UTC), 중국 문샷 AI가 예고했던 대로 **키미 K3(Kimi K3)**의 전체 가중치를 공개했어. 파라미터 2조 8,000억 개. 지금까지 공개된 어떤 오픈웨이트 모델보다 크고, 미국 프론티어 랩들의 최상위 모델과 같은 리그에서 겨루는 첫 번째 다운로드 가능한 모델이야.

그런데 이 소식의 진짜 재미는 숫자 두 개가 나란히 놓일 때 드러나. 하나는 3위. 아티피셜 애널리시스 인텔리전스 인덱스에서 키미 K3는 Claude Fable 5와 GPT-5.6 Sol Max 다음인 3위에 올랐어. 즉 세계에서 세 번째로 똑똑한 모델이 무료로 다운로드 가능한 상태가 됐다는 뜻이야. 다른 하나는 1.4TB. 이 모델의 가중치 파일 총 용량이야. 그것도 4비트로 양자화한 뒤의 크기.

무료인데 받을 수가 없어. 정확히는 받을 수는 있는데 돌릴 데가 없지. 이 두 숫자 사이의 간격이 2026년 오픈웨이트 생태계의 현실 그 자체야. 하나씩 풀어볼게.

문샷 AI는 어떤 회사고, K3는 어디서 왔나

**문샷 AI(Moonshot AI, 月之暗面)**는 2023년 3월 베이징에서 설립된 중국 AI 스타트업이야. 창업자 양즈린(Yang Zhilin)은 카네기멜런에서 박사를 받고 Transformer-XL과 XLNet 논문에 공저자로 이름을 올린 연구자야. 회사 이름은 핑크 플로이드의 앨범 'The Dark Side of the Moon'에서 따왔고, 알리바바와 텐센트가 주요 투자자로 들어와 있어.

문샷의 노선은 처음부터 뚜렷했어. 긴 컨텍스트야. 2023년 첫 제품인 Kimi Chat이 20만 자 컨텍스트를 내세우며 중국 시장에서 화제가 됐고, 이후 K1.5, K2를 거치며 컨텍스트 길이와 에이전트 능력을 계속 밀어붙였어. 특히 2025년의 Kimi K2는 1조 파라미터급 MoE 모델을 오픈웨이트로 풀면서 중국 오픈소스 진영의 대표 주자로 자리를 굳혔지. 서구권 개발자들이 K2를 진지하게 쓰기 시작한 게 이때부터야.

K3는 그 연장선이자 규모의 도약이야. 모델 자체는 7월 16일에 먼저 공개됐어. API와 Kimi.com, Kimi Code 같은 자체 제품에서 먼저 쓸 수 있게 열어둔 다음, 가중치는 11일 뒤인 오늘 푼 순서야. 이 순서가 우연은 아니야. 자체 API로 먼저 수익화 창구를 확보하고, 커뮤니티 평가가 충분히 쌓인 뒤에 가중치를 여는 건 K2 때도 썼던 전략이거든.

경쟁 구도에서 보면 K3는 중국 오픈웨이트 진영의 최상단이야. 딥시크(DeepSeek), 알리바바 큐원(Qwen), 지푸 AI의 GLM 시리즈가 각자 강점을 가진 오픈 모델을 계속 내고 있고, 그 중에서 K3가 지금 순수 성능으로 가장 앞서 있어. 딥시크 R1이 2025년 초에 만들어낸 충격의 두 번째 버전이라고 봐도 크게 틀리지 않아.

안에 뭐가 들었나

키미 K3의 구조는 "크게 만들되 조금만 켠다"는 요즘 MoE 설계의 극단에 가까워. 핵심 사양을 정리했어.

항목 내용
총 파라미터 2조 8,000억 개
아키텍처 Sparse MoE — 전문가 896개 중 토큰당 16개 활성
활성 파라미터 약 500억 개
MoE 프레임워크 Stable LatentMoE
핵심 기법 Kimi Delta Attention(KDA), Attention Residuals(AttnRes)
컨텍스트 100만 토큰
양자화 가중치 MXFP4 / 활성값 MXFP8
가중치 총 용량 약 1.4TB
권장 구동 환경 가속기 64장 이상 슈퍼노드급
K2 대비 스케일링 효율 약 2.5배
API 가격 입력 $0.30(캐시 히트) / $3.00(캐시 미스), 출력 $15.00 per MTok
가중치 공개 2026년 7월 27일

여기서 이해해야 할 개념이 **MoE(Mixture of Experts)**야. 2조 8,000억 개 파라미터를 매번 다 쓰는 게 아니야. 모델 안에 896개의 '전문가' 서브네트워크가 있고, 토큰 하나를 처리할 때마다 라우터가 그 중 16개만 골라서 켜. 그래서 실제 연산에 참여하는 파라미터는 약 500억 개 수준이야. 계산 비용은 500억짜리 모델처럼, 지식 용량은 2조 8,000억짜리 모델처럼 쓰겠다는 설계지.

문제는 이게 메모리 비용은 줄여주지 않는다는 점이야. 어떤 전문가가 호출될지는 토큰이 들어와야 알 수 있으니, 2조 8,000억 개 파라미터 전부를 언제든 꺼낼 수 있는 상태로 메모리에 올려둬야 해. MXFP4로 4비트까지 눌러도 1.4TB야. Hugging Face에 올라온 커뮤니티 분석은 실전 최소 구성을 80GB GPU 8장짜리 노드 8개(총 5.12TB) 정도로 잡아. 문샷 자신도 가속기 64장 이상의 슈퍼노드 구성을 권장하고 있고.

기술적으로 새로운 건 두 가지야. **Kimi Delta Attention(KDA)**과 Attention Residuals(AttnRes). 둘 다 어텐션 레이어를 지나면서 정보가 흐릿해지는 문제를 겨냥한 기법으로, 문샷은 이 조합 덕분에 K2 대비 전체 스케일링 효율이 약 2.5배 개선됐다고 설명해. 100만 토큰 컨텍스트를 실제로 쓸 만하게 유지하는 데 핵심 역할을 한 부분이야.

성능은 어떨까. 문샷 자체 블로그는 정직한 편이야. "평가 스위트 전반에서 프론티어급 성능"이라고 하면서도 Claude Fable 5와 GPT-5.6 Sol에는 뒤진다고 명시해. 대신 특정 영역에서는 확실히 앞서.

벤치마크 키미 K3 비고
Frontend Code Arena 1,679점 (1위) Fable 5 1,631 / GPT-5.6 Sol 1,618 / GLM-5.2 1,587
SWE Marathon 42.0 코딩 부문 선두
Program Bench 77.8 코딩 부문 선두
DeepSWE 67.3 —
GPQA-Diamond 93.5 대학원 수준 과학 추론
MMMU-Pro 81.6 멀티모달 이해
DeepSearchQA (F1) 95.0 에이전트 검색
BrowseComp 91.2 웹 브라우징 에이전트
Artificial Analysis Index 종합 3위 Fable 5, GPT-5.6 Sol Max 다음

프론트엔드 코드 생성에서 Claude Fable 5를 실제로 눌렀다는 게 눈길을 끄는 대목이야. 종합 지능은 3위지만, 실무에서 가장 많이 쓰는 작업 하나에서는 1위를 찍었다는 뜻이거든.

다만 벤치마크를 읽을 때 조심할 게 있어. 오픈웨이트 모델은 평가 데이터셋이 학습 데이터에 섞여 들어갔는지 외부에서 검증하기가 어려워. 클로즈드 모델도 마찬가지지만, 오픈 모델은 커뮤니티가 직접 재현 실험을 돌릴 수 있어서 며칠 안에 반박이 나오기도 해. 실제로 K2 때도 공개 직후 몇몇 벤치마크 수치를 두고 재현 논쟁이 있었어. 지금 나와 있는 숫자들은 공개 직후 시점의 값이고, 커뮤니티 검증이 붙는 다음 주쯤이면 좀 더 신뢰할 만한 그림이 나올 거야.

라이선스도 아직 확정 정보가 아니야. 커뮤니티 분석 문서는 가중치 공개 시점에 최종 라이선스가 함께 발표되는 구조라고 정리했고, 문샷은 K2를 개조 MIT 계열 조건으로 배포한 전례가 있어. 상업적 사용이 어디까지 허용되는지, 파생 모델 배포에 조건이 붙는지는 실제 모델 카드를 확인해야 해. 오픈웨이트라는 말이 "아무 제약 없음"을 뜻하지는 않고, 이 부분에서 기업 법무팀이 걸리는 경우가 실제로 많아.

각자 뭘 얻나

문샷이 얻는 것은 표준의 지위야. 가중치를 푼다고 직접 돈이 들어오지는 않아. 대신 전 세계 연구자와 기업들이 K3를 기준선으로 삼고, 그 위에 파인튜닝하고, 논문에 비교 대상으로 올려. 딥시크가 R1으로 얻은 게 정확히 그거였어. 그리고 그 인지도는 API 매출로 돌아와. K3 API 가격은 입력 100만 토큰당 3달러, 출력 15달러로 중국 랩 중에서는 가장 비싸. 오픈웨이트를 미끼로 쓰되 값은 제값을 받겠다는 자신감이야.

중국 AI 생태계가 얻는 것은 서사야. 미국의 수출 통제로 최상위 가속기 접근이 제한된 상태에서, 자본은 미국 랩 대비 몇 자릿수 적게 쓰면서 프론티어 3위를 찍었다는 사실 자체가 강력한 정치적 메시지가 돼. Interconnects는 중국 랩들이 "몇 자릿수 적은 자본으로" 비슷한 결과를 낸다는 자본 효율성을 핵심으로 짚었어.

기업 사용자가 얻는 것은 협상력과 주권이야. 인프라를 갖춘 곳이라면 K3를 받아 자체 호스팅할 수 있어. 데이터가 회사 밖으로 안 나가고, 토큰당 요금이 아니라 감가상각으로 원가를 계산할 수 있고, 벤더가 모델을 은퇴시켜도 내 서비스는 안 죽어. 금융·의료·국방처럼 데이터 반출이 규제되는 분야에서는 이게 성능 몇 점보다 훨씬 중요한 조건이야.

개인 개발자가 얻는 것은... 솔직히 별로 없어. 1.4TB짜리 가중치는 개인이 만질 수 있는 물건이 아니야. 대신 얻는 게 하나 있다면 가격 압력이야. 오픈웨이트 최상위 모델이 프론티어에 3~5개월까지 붙으면, 클로즈드 모델 API 가격은 그 압력을 받게 돼. 실제로 지난 2년간 API 단가가 계속 내려간 배경에 오픈 모델의 존재가 있어.

프론티어 랩들이 잃는 것도 짚어야 공평해. Interconnects의 지적처럼, 오픈 모델은 프론티어 랩의 마진을 깎아. 마진이 깎이면 다음 세대 학습에 투입할 자본이 줄고, 그건 장기적으로 발전 속도를 늦출 수 있어. 오픈웨이트가 무조건 선이라는 주장은 이 부분을 자주 건너뛰어.

과거에 이런 공개는 어떻게 흘러갔나

**성공 사례는 메타의 라마(Llama)**야. 2023년 라마 2를 상업적 사용이 가능한 조건으로 풀면서 오픈웨이트 생태계가 사실상 시작됐어. 파인튜닝 생태계, 양자화 도구, 로컬 추론 엔진이 전부 그 위에서 자랐지. 메타가 얻은 건 매출이 아니라 표준이었어. 다만 라마 3~4를 거치며 최상위 성능 경쟁에서는 밀렸고, 지금 오픈웨이트 진영의 실질적 리더십은 중국 랩들로 넘어간 상태야.

두 번째 성공 사례는 딥시크 R1이야. 2025년 1월, 훨씬 적은 비용으로 학습했다고 주장하는 추론 모델이 오픈웨이트로 풀리면서 미국 증시가 실제로 흔들렸어. 이 사건이 남긴 교훈은 두 가지야. 하나, 오픈웨이트 공개는 기술 이벤트가 아니라 지정학 이벤트라는 것. 둘, 커뮤니티가 검증할 수 있는 형태로 나오면 파급 속도가 훨씬 빠르다는 것.

반대로 어려웠던 사례도 있어. 대형 오픈 모델을 풀었는데 아무도 못 돌려서 조용히 잊힌 경우들이야. 구형 대형 모델 다수가 여기 해당해. 파일은 있는데 커뮤니티가 실행할 수 없으면 파인튜닝도, 검증도, 파생 모델도 안 나와. 결국 오픈웨이트의 실질적 가치는 **"몇 명이 실제로 돌릴 수 있느냐"**에 비례하지 파라미터 수에 비례하지 않아. K3가 정확히 이 시험대에 올라 있어. 1.4TB는 커뮤니티 대부분에게 벽이고, 실제 활용은 인프라를 가진 기업과 클라우드 제공자에 집중될 가능성이 높아.

한 가지 더. 지난 며칠 사이 젠슨 황이 첫 X 게시물로 오픈웨이트 지지 서한을 공유했고, 워싱턴에서는 중국산 오픈웨이트 모델 규제를 논의하고 있어. K3 공개 타이밍은 이 논쟁 한복판이야. Fortune이 황의 서한을 다루면서 키미를 함께 언급한 것도 우연이 아니지.

그리고 딥시크 R1 때와 비교하면 결정적으로 달라진 조건이 하나 있어. R1은 작았어. 6,710억 파라미터 MoE였고, 커뮤니티가 며칠 만에 각종 양자화 버전을 만들어 개인 워크스테이션에서도 축소판을 돌릴 수 있었지. 그 접근성이 R1의 확산 속도를 만들었어. K3는 그 네 배가 넘어. 같은 종류의 폭발적 커뮤니티 확산이 일어나기 어려운 크기야. 이게 무슨 뜻이냐면, K3의 영향은 R1처럼 아래에서 위로 번지는 게 아니라 위에서 아래로 내려오는 형태가 될 가능성이 크다는 거야. 인프라를 가진 클라우드와 대기업이 먼저 쓰고, 개인은 그들이 만든 서비스를 통해 접하게 되는 구조지. 오픈웨이트인데 실질적 접근 경로는 다시 중개자를 거치는 아이러니가 여기 있어.

미국 랩들은 어떻게 받아칠까

첫째, 가격. 가장 직접적인 카드야. 오픈웨이트가 성능에서 3~5개월 뒤까지 붙으면, 클로즈드 모델은 그 격차만큼의 프리미엄만 받을 수 있어. OpenAI와 구글이 계속 저가 티어를 늘리는 배경에 이 압력이 있어.

둘째, 제품화. 가중치만으로는 서비스가 안 돼. 툴 호출, 코드 실행 샌드박스, 브라우징, 메모리, 안전 필터, 엔터프라이즈 관리 기능은 전부 모델 밖의 엔지니어링이야. Claude Code나 ChatGPT가 파는 건 모델이 아니라 이 껍데기 전체고, K3 가중치를 받았다고 그 껍데기가 따라오지는 않아. 실제로 프론티어 랩들이 지난 1년간 힘을 쏟은 곳이 정확히 여기야.

셋째, 정책. 이게 가장 강력하면서 가장 논쟁적인 카드야. 트럼프 행정부는 중국 AI 개발사를 겨냥한 엔티티 리스트 지정, 조달 압박, 보안 책임 규정을 검토해온 것으로 보도됐어. 아직 전면 금지가 발표되지는 않았지만, 미국 기업이 중국산 오픈웨이트 모델을 상업 서비스에 쓰는 걸 어렵게 만드는 조치는 실현 가능성이 있어. 다만 이 카드는 양날이야. 규제가 세지면 미국 오픈웨이트 진영도 같이 위축되고, 그래서 엔비디아·메타·마이크로소프트가 반대 서한에 서명한 거야.

넷째, 추론 인프라 우위. K3를 돌리려면 슈퍼노드가 필요한데, 그 슈퍼노드를 만드는 회사는 대부분 미국에 있어. 같은 날 AMD가 랙당 HBM 31TB짜리 헬리오스 양산을 발표한 건 이 맥락에서 읽으면 재밌어. 중국 랩이 모델을 열어도, 그걸 대규모로 굴리는 하드웨어 층위에서는 미국의 지렛대가 여전히 남아 있다는 뜻이야.

그래서 뭐가 달라지는데

개인 개발자라면, 다운로드 링크를 열어볼 필요는 없어. 대신 API로 써볼 가치는 있어. 특히 프론트엔드 코드 생성은 벤치마크상 최상위니까, 지금 쓰는 모델과 같은 프롬프트로 나란히 돌려보고 결과를 비교해보는 게 30분이면 끝나. 다만 중국 서비스에 코드를 보내는 게 조직 정책상 가능한지는 먼저 확인해.

기업 CTO라면, 판단 포인트는 성능이 아니라 **총소유비용(TCO)**이야. K3 자체 호스팅은 최소 수 TB 규모의 GPU 메모리와 그걸 운영할 인력이 필요해. API 요금과 비교했을 때 손익분기점은 상당한 사용량에서만 넘어가. 데이터 주권이 규제 요구사항인 조직이 아니라면, 지금 단계에서는 API 사용이 합리적인 경우가 대부분이야.

AI 인프라 사업자라면, 이건 명확한 기회야. "K3 호스팅 서비스"를 제공하는 클라우드가 곧 등장할 거고, 실제로 오픈웨이트 모델의 실질적 소비는 대부분 이런 중간 사업자를 통해 일어나. 딥시크 R1 때 정확히 같은 패턴이 반복됐어.

정책·규제를 보는 사람이라면, 오늘이 분기점이야. "중국산 오픈웨이트 모델"이 더 이상 성능이 떨어지는 대안이 아니라 세계 3위 모델을 가리키는 말이 됐어. 규제 논의의 전제 자체가 바뀌는 사건이고, 워싱턴의 다음 수가 이번 주 안에 나올 가능성도 있어.

일반 사용자라면, 체감할 건 별로 없지만 방향은 좋은 쪽이야. 최상위 모델이 오픈으로 풀릴수록 클로즈드 모델의 가격과 무료 한도에 압력이 걸려. 네가 쓰는 챗봇의 다음 요금 개편에 이 뉴스가 조용히 반영될 가능성이 있어.

🥄 남은 궁금증 세 가지

— 나도 받아서 돌릴 수 있어? 현실적으로 어려워. 4비트로 눌러도 가중치만 1.4TB고, 실전 구성은 80GB GPU 64장 안팎이 권장돼. 개인용 워크스테이션은 물론이고 웬만한 중소기업 서버로도 안 돼. 다만 라마나 딥시크 때 그랬듯 커뮤니티가 더 공격적인 양자화 버전을 며칠~몇 주 안에 내놓을 가능성은 있어. 그래도 이 크기에서 "노트북에서 돌아가는 버전"을 기대하긴 무리야.

— 그럼 이게 왜 중요한 소식인 거야? 가중치를 받을 수 있느냐가 아니라, 받을 수 있는 상태 자체가 시장 구조를 바꾸기 때문이야. 세계 3위 모델이 다운로드 가능하면 클로즈드 모델은 그 위의 격차만큼만 값을 받을 수 있어. 그리고 인프라를 가진 기업·국가는 벤더 없이도 프론티어급 능력을 갖출 수 있게 돼. 개인이 못 돌린다고 영향이 없는 게 아니야.

— 정말 Claude나 GPT보다 나은 거야? 아니, 종합적으로는 아니야. 문샷 자신도 블로그에서 Claude Fable 5와 GPT-5.6 Sol에 뒤진다고 명시했고, 아티피셜 애널리시스 종합 순위도 3위야. 다만 프론트엔드 코드 아레나 같은 특정 과제에서는 1위를 찍었어. "전반적으로는 조금 뒤지는데 특정 영역에서는 앞선다"가 정확한 표현이고, 네 워크로드가 그 특정 영역에 걸리는지가 유일하게 중요한 질문이야.

참고 자료

수치는 발표 시점 기준이라 바뀔 수 있어.