2026 KIMI K3
2.8T_OPEN_
SOURCE_LLM.
리드: AI 개발자와 제품 팀이 폐쇄형 API를 선택할 때 자주 막히는 세 가지 질문——컨텍스트가 충분한가, 프로그래밍 작업에서 정말 쓸 만한가, 완전 가중치는 언제 자체 호스팅할 수 있는가. 2026년 7월 16일 심야, Moonshot AI(월지암면)는 API 문서 상단에 「🎉 Kimi K3 已上线!」 배너를 조용히 게시했습니다. 본 글은 조사 자료의 전체 요점을 따라 설명합니다——2.8T 파라미터 사양, KDA/AttnRes/Stable LatentMoE 3대 아키텍처 혁신, 완전 벤치마크 비교표, 가격 매트릭스, 5가지 연결 방법, 7월 27일 오픈소스 약속, 시나리오별 선정과 FAQ입니다.
30초 요약 · TL;DR
| 공개 | 2026-07-16 심야 조용한 런칭 · 대형 발표회 없음 |
| 규모 | 2.8조 파라미터 · 세계 최대 오픈소스 모델 · DeepSeek V4 Pro(1.6T) 대비 약 75% 상회 |
| 핵심 역량 | 100만 토큰 컨텍스트 · 네이티브 비전 · MoE 896 전문가 중 16개 활성화 |
| 가격 | 입력 $3/M · 출력 $15/M · 캐시 히트 $0.30/M |
| 오픈소스 | 완전 가중치 2026-07-27 Hugging Face 공개 |
1. 과제 정리: 왜 K3에 주목해야 하는가
- DeepSeek에 규모로 눌린 뒤, Moonshot은 기술 주권 선언이 필요했습니다. 지난 18개월간 DeepSeek의 부상이 시장 점유율을 크게 압박했습니다. K3는 2.8T 파라미터로 「최대 오픈소스 모델」 자리를 탈환했으며, 2026 세계 인공지능 대회(WAIC) 개막 전야에 공개하는 전략적 타이밍을 선택했습니다.
- 긴 컨텍스트는 더 이상 종이 사양이 아닙니다. 기존 풀 어텐션은 100만 토큰에서 KV 캐시 메모리가 폭발적으로 증가합니다. KDA 하이브리드 어텐션으로 KV 캐시를 최대 75% 줄이고, 백만 토큰에서 디코딩 속도를 최대 6.3배 향상——고정 $3/M 가격으로 1M 컨텍스트가 실용화됩니다.
- 「코드를 쓸 수 있다」와 「오래 코드를 쓸 수 있다」는 다릅니다. SWE Marathon은 지속적인 장시간 코딩을 측정하는 벤치마크로, K3는 42.0으로 Claude Fable 5(35.0)와 GPT-5.6 Sol(39.0)을 크게 앞섭니다. 수 시간 규모의 프로그래밍 세션이라면 단발 SWE-bench보다 이 수치가 실제에 가깝습니다.
2. 무엇인가: 한 줄로 말하면
2026년 7월 16일 심야, Moonshot AI는 Kimi K3를 조용히 런칭했습니다. 대형 발표회도, 사전 SNS 캠페인도 없이 기술 블로그, 가격 페이지, 즉시 호출 가능한 모델 ID kimi-k3만 있었습니다.
Kimi K3는 현재 세계 최대 규모의 오픈소스 AI 모델입니다——2.8조(2.8T) 파라미터. 기존 기록 보유자 DeepSeek V4 Pro(1.6T)를 약 75% 상회하며, Xiaomi 오픈소스 모델(1.02T)의 2.7배, Alibaba(397B)의 7배 이상입니다.
희소 혼합 전문가(MoE) 아키텍처를 채택해 추론 시 896개 전문가 중 16개만 활성화합니다. 100만 토큰의 초장 컨텍스트 윈도우(『홍루몽』 전 5권을 한 번에 읽는 수준)와 네이티브 비전 이해 능력을 갖추고, 복잡한 프로그래밍, 장문서 추론, 지식 업무 시나리오를 위해 설계되었습니다.
한 줄 요약: Kimi K3는 이미지·동영상을 네이티브로 이해하고 초장기 기억을 가진 오픈소스 「중량급 프로그래밍 AI」입니다. Claude Opus 4.8보다 40% 저렴하며, 완전 가중치는 7월 27일 오픈소스화됩니다.
3. 배경: 이번 공개가 중요한 이유
- 지난 12개월 중 Kimi 시리즈는 9개월 오픈소스 모델 규모 상한을 차지했습니다
- Kimi K3 공개는 2026 세계 인공지능 대회(WAIC) 개막 전야와 겹칩니다
- 2026년 6월 기준 Moonshot AI의 ARR(연간 경상 수익)은 3억 달러를 돌파했으며, 올해 6라운드 자금 조달을 완료해 프리머니 밸류에이션 315억 달러에 달합니다
- API 수익은 전체의 7할 이상을 차지하며, 해외 유료 사용자는 400% 성장했습니다
이는 규모만 자랑하는 「열정 비즈니스」가 아니라, 상업화가 급성장하는 기업의 기술 주권 선언입니다. 폐쇄형 플래그십 동향은 당사 Claude Sonnet 5 / GPT-5.6 유출 정보 총정리와 GPT-5.6 Sol Ultra 수학 증명 분석도 함께 참고하세요.
4. 핵심 아키텍처: 3대 혁신 상세
4.1 Kimi Delta Attention(KDA)——「어텐션」 메커니즘 재설계
기존 Transformer 풀 어텐션은 긴 컨텍스트에서 계산량이 제곱으로 증가합니다. KDA는 하이브리드 선형 어텐션 메커니즘입니다:
- 3:1 비율로 선형 어텐션 레이어와 풀 어텐션 레이어를 교차 배치
- KV 캐시 메모리를 최대 75% 절감
- 백만 토큰 컨텍스트에서 디코딩 속도를 최대 6.3배 향상
- 짧은·긴 컨텍스트·강화학습 확장 3가지 시나리오 모두에서 순수 풀 어텐션 베이스라인을 상회합니다
간단한 비유: 풀 어텐션은 모든 대화 세부를 동시에 기억하는 사람, KDA는 효율적인 비서——평소엔 빠른 인덱스를 쓰고, 핵심 순간에 정밀하게 회상합니다.
4.2 Attention Residuals(AttnRes)——깊이 방향 정보 손실 해결
AttnRes는 선택적 검색을 도입합니다——모델이 깊이를 넘어 더 얕은 층의 고가치 표현을 직접 가져올 수 있습니다. Moonshot은 이 설계로 약 25% 학습 효율 향상, 추가 계산 비용 2% 미만을 보고했습니다.
4.3 Stable LatentMoE —— 초고 희소도의 안정적 학습
Kimi K3는 896개 전문가를 보유하며, 추론마다 16개만 활성화——희소도 1.8%. 관련 기술:
| 기술 | 역할 |
|---|---|
| Quantile Balancing | 라우터 점수 분위수에서 전문가 할당을 직접 도출, 휴리스틱 하이퍼파라미터 제거 |
| Per-Head Muon | 각 어텐션 헤드를 독립 최적화해 대규모 학습을 더 적응적으로 |
| Sigmoid Tanh Unit(SiTU) | 활성화 함수 제어 개선 |
| Gated MLA | 어텐션 선택성 향상 |
위 혁신으로 Kimi K3는 Kimi K2 대비 전체 스케일링 효율이 약 2.5배 향상되었습니다.
5. 벤치마크: 어디가 강한가
| 벤치마크 | Kimi K3 | Claude Fable 5 | GPT-5.6 Sol | Claude Opus 4.8 | GLM-5.2 |
|---|---|---|---|---|---|
| DeepSWE | 67.5 | 70.0 | 73.0 | 59.0 | 46.2 |
| Program Bench | 77.8 | 76.8 | 77.6 | 71.9 | 63.7 |
| Terminal Bench 2.1 | 88.3 | 84.6 | 88.8 | 84.6 | 82.7 |
| FrontierSWE | 81.2 | 86.6 | 71.3 | 66.7 | 67.3 |
| SWE Marathon | 42.0 | 35.0 | 39.0 | 40.0 | 13.0 |
| BrowseComp | 91.2 | 88.0 | 90.4 | 84.3 | — |
| Automation Bench | 30.8 | 29.1 | 29.7 | 27.2 | 12.9 |
| GPQA-Diamond | 93.5 | 92.6 | 94.1 | 91.0 | 91.2 |
| MMMU-Pro(비전) | 81.6 | 81.2 | 83.0 | 78.9 | — |
| OmniDocBench(문서 이해) | 91.1 | 89.8 | 85.8 | 87.9 | — |
해석 포인트:
- SWE Marathon: K3는 42.0으로 1위. 「실제로 수 시간 코드를 쓰는」 시나리오에 가장 가까운 벤치마크입니다
- Program Bench: K3는 77.8로 근소하게 1위
- FrontierSWE: Fable 5가 리드(86.6), K3(81.2)는 GPT-5.6 Sol(71.3)을 크게 앞섭니다
- OmniDocBench: K3가 1위(91.1), 비전+긴 컨텍스트 시너지를 보여줍니다
- 종합 지능: Artificial Analysis Intelligence Index v4.1에서 K3는 57.1점, 4위. Claude Fable 5(59.9)와 GPT-5.6 Sol(58.9)에 이어집니다
주의: 위 벤치마크는 Moonshot AI 자체 보고 데이터입니다. 각 모델은 서로 다른 추론 하네스(K3는 Kimi Code, GPT는 Codex, Claude는 Claude Code)를 사용했으며, 독립 제3자 재현은 진행 중입니다.
6. 가격: Claude보다 저렴하고 Sonnet과 동급
| 모델 | 입력($/M) | 출력($/M) | 캐시 히트 입력 | 컨텍스트 |
|---|---|---|---|---|
| Kimi K3 | $3.00 | $15.00 | $0.30 | 1M |
| Claude Sonnet 5 | $3.00(프로모 $2) | $15.00(프로모 $10) | — | 200K |
| Claude Opus 4.8 | $5.00 | $25.00 | — | 200K |
| GPT-5.5 | $5.00 | $30.00 | — | 400K |
| DeepSeek V4 Pro | $1.74 | $3.48 | $0.145 | 128K |
| Kimi K2.6 | $0.95 | $4.00 | $0.16 | 256K |
- K3는 Claude Sonnet 5 표준가($3/$15)와 동급이지만 컨텍스트는 5배
- 캐시 히트는 $0.30/M까지 내려가며, 프로그래밍 시나리오에서 캐시 히트율이 90%를 넘는다고 보고됩니다
- 중국 국내 API: ¥20/M(입력), ¥100/M(출력), 캐시 히트 ¥2/M
- Kimi.com 무료 계정으로 이용 가능. 선불 플랜은 ¥199부터(8월 11일까지 할인)
7. 도입 단계: 5가지 방법으로 즉시 연결
- Kimi 웹/App(가장 간단): kimi.com에 접속해 계정 등록(Google 지원). K3는 기본적으로 최대 추론 강도로 동작합니다.
- 공식 API(개발자): platform.kimi.ai에서 API 키를 받고 OpenAI 호환 인터페이스를 사용합니다:
- OpenRouter: 모델 ID
moonshotai/kimi-k3, 공식 가격에 마크업 없음, 완전한 1M 컨텍스트. - Cursor / IDE 멀티 라우트: Kimi K3를 긴 컨텍스트 프로그래밍 주력으로 두고, 복잡한 Repo 버그 수정 시 Claude Fable 5로 폴백.
- 7월 27일 오픈 가중치 대기: 완전 모델 가중치가 Hugging Face에 공개(64개 이상 가속기 슈퍼노드 필요, 프로덕션 배포 문턱 높음).
8. 횡단 비교: 어떻게 고를까
| 시나리오 | 추천 모델 | 이유 |
|---|---|---|
| 지속적 장코드 작업 | Kimi K3 | SWE Marathon 1위, 최장 컨텍스트 |
| 복잡한 Repo 수준 버그 수정 | Claude Fable 5 | FrontierSWE에서 크게 앞섬 |
| 터미널/툴체인 집약형 Agent | GPT-5.6 Sol | Terminal Bench 리드 |
| 초장문서/멀티모달 문서 이해 | Kimi K3 | OmniDocBench 1위, 네이티브 비전+1M |
| 비용 민감 시나리오 | DeepSeek V4 Pro | 출력 $3.48/M만 |
| 오픈소스 자체 배포(가까운 미래) | Kimi K3(7/27 이후) | 최강 오픈 가중치 |
9. 오픈소스 약속: 7월 27일이 기대되는 이유
Moonshot AI는 공식 WeChat 공지에서 7월 27일 완전 모델 가중치 공개를 명시했습니다. 공개 후 Kimi K3는 다음 지위를 차지합니다:
- 지금까지 최대 파라미터의 다운로드 가능 오픈소스 모델
- 최초의 2조 파라미터 초과 오픈 가중치
- 오픈소스 커뮤니티 학습/미세조정 베이스의 새 표준
모델은 MXFP4 가중치와 MXFP8 활성화 양자화 인식 학습으로 훈련되었으며, Hugging Face에 MXFP4/NVFP4 양자화 버전이 등장하고 vLLM, SGLang 등 주요 추론 프레임워크가 첫날 지원이 예상됩니다.
주목 타임라인: 7월 17–20일(WAIC, 추가 발표 예상) → 7월 27일(K3 완전 가중치 오픈소스화).
10. 자주 묻는 질문(FAQ)
Q: Kimi K3를 무료로 사용할 수 있나요?
A: 네——kimi.com 무료 계정으로 이용 가능합니다. API는 $3/$15(100만 토큰당)로 과금됩니다.
Q: 로컬에 배포할 수 있나요?
A: 가중치는 7월 27일 공개됩니다. 프로덕션 배포에는 64개 이상 가속기가 필요하며 노트북에는 적합하지 않습니다.
Q: DeepSeek V4 Pro와 어떻게 비교되나요?
A: K3는 파라미터가 거의 2배, 컨텍스트 1M 대 128K, 여러 벤치마크에서 우위입니다. 다만 DeepSeek 출력은 $3.48/M로 K3를 크게 밑돕니다.
Q: 1M 컨텍스트가 정말 유용한가요?
A: 코드베이스 전체 분석, 방대한 법률/연구 문서, 멀티턴 Agent 장기 기억 등에서 매우 유용합니다. 고정 요금으로 길이에 따른 추가 과금이 없습니다.
Q: 낮음/높음 추론 강도 모드는 언제 출시되나요?
A: Moonshot은 향후 업데이트에서 제공 예정입니다. 현재는 max만 이용 가능합니다.
11. 심층 인사이트: 오픈소스 생태계의 전환점
Kimi K3는 「파라미터 쌓기」만의 겉치레가 아닙니다. 아키텍처 측면(KDA, AttnRes, Stable LatentMoE)에서 진정한 엔지니어링 혁신을 이뤘고, 프로그래밍 장기 작업과 문서 이해 핵심 영역에서 일부 폐쇄형 플래그십에 필적하거나 앞서며, 합리적 가격과 완전 오픈소스 약속을 갖췄습니다.
더 중요한 것은 중국 AI 오픈소스 생태계의 신호입니다——「저가로 시장을 잡는」 단계에서 진정으로 지능의 프론티어에 도전하는 단계로. 7월 27일 가중치가 착지하면 오픈소스 커뮤니티는 최초의 2T+ 다운로드 가능 베이스를 맞이합니다. 기업 내부망 배포, 수직 영역 모델 미세조정, 폐쇄형 API에 의존하지 않는 Agent 시스템 구축을 목표로 하는 팀에게 2026년 가장 중요한 오픈소스 릴리스 중 하나가 될 수 있습니다.
Mac 개발자에게는 K3 API를 Cursor에 연결해 긴 컨텍스트 프로그래밍을 하고, Kimi Code로 SWE Marathon급 작업을 돌리는 것이 현 시점에서 가장 실용적인 길입니다. 완전 가중치 공개 후에는 MLX / llama.cpp 커뮤니티의 양자화 적응 진행도 추적할 가치가 있습니다——DeepSeek 자체 칩과 연산력 레이아웃도 함께 참고하세요.
12. 마무리: API 체험은 아무 기기나, Agent 실측은 여전히 Mac
kimi.com 등록, API 키 복사, OpenRouter에서 라우트 전환——Windows나 Linux로도 충분합니다. 하지만 동일 환경에서 Cursor+Kimi K3 긴 컨텍스트 프로그래밍, Xcode로 iOS 측 Agent 연동, Mac의 MLX로 K3 양자화판 대조 검증을 한다면 Apple Silicon 통합 메모리+Metal 그래픽 스택이 여전히 가장 저항이 적은 길입니다.
더 실용적인 접근: 메인 머신은 API 호출을 계속하고, Kimi Code 부하 테스트, 멀티 리포지토리 SWE Marathon 회귀, 1M 컨텍스트 문서 배치 처리를 MACGPU 원격 Mac mini M4 노드에 맡기세요——온디맨드 기동, SSH 안전 접근. K3 가중치가 7월 27일 착지하기 전에 연산력은 실기 검증에, 본기는 일상의 안정적 개발에 쓰면 됩니다.