Kimi K3가 보여준 것은 2.8조 개의 파라미터가 아닙니다

안녕하세요.

Kimi가 새로운 모델 K3를 공개했습니다.

2.8조 개의 파라미터, 100만 토큰의 컨텍스트, 네이티브 비전 기능을 갖춘 최초의 오픈 3T급 모델입니다. 전체 모델 가중치는 2026년 7월 27일 공개할 예정입니다.

숫자만 보면 더 큰 오픈 모델이 등장했다는 이야기처럼 보입니다.

하지만 이번 발표에서 봐야 할 부분은 모델의 크기가 아닙니다.

AI가 처리하는 일의 단위가 얼마나 길어졌는가입니다.

Kimi K3 공식 발표

1. AI가 코드 한 줄이 아니라 프로젝트 전체를 맡기 시작했습니다

Kimi가 공개한 사례는 일반적인 코딩 벤치마크와 조금 다릅니다.

K3는 최대 24시간 동안 GPU 커널을 분석하고 수정했으며, Triton과 유사한 GPU 컴파일러인 MiniTriton을 처음부터 구현했습니다.

또 다른 실험에서는 48시간 동안 오픈소스 설계 도구를 사용해 AI 모델을 실행하는 반도체를 설계하고 검증했습니다.

중요한 것은 결과물 하나가 아닙니다.

분석하고, 도구를 사용하고, 결과를 확인하고, 다시 수정하는 작업 루프를 장시간 유지했다는 점입니다.

AI 코딩의 경쟁 기준이 코드 생성량에서 작업 지속성으로 이동하고 있다는 신호입니다.

2. ‘비전 인 더 루프’가 개발 방식을 바꿉니다

기존 코딩 모델은 코드를 작성한 뒤 실행 결과를 사람이 확인하는 구조였습니다.

K3는 코드와 실행 화면을 함께 봅니다.

게임이나 프런트엔드를 만들면서 스크린샷을 확인하고, 화면의 문제를 찾아 코드를 다시 수정합니다. 영상 편집에서도 56개의 클립을 분석해 장면을 선택하고, 전환과 오디오를 조정하며 여러 차례 결과물을 개선했습니다.

이 구조에서는 이미지가 단순한 입력 데이터가 아닙니다.

실행 결과를 평가하는 피드백 채널이 됩니다.

사람이 매번 “버튼 위치가 이상하다”, “전환이 어색하다”고 설명하지 않아도 AI가 결과물을 직접 보고 다음 작업을 결정할 수 있습니다.

3. 지식 노동도 ‘문서 작성’에서 ‘조사 시스템’으로 확장됩니다

K3는 천체물리학 연구 사례에서 20편 이상의 논문을 검토하고, 300개 이상의 상태방정식을 계산했으며, 3,000줄 이상의 코드를 작성해 인터랙티브 대시보드까지 만들었습니다.

Kimi는 숙련된 연구자가 1~2주 동안 수행할 일을 약 2시간 만에 완료했다고 설명합니다.

42년간의 AI 반도체 산업을 분석한 사례에서는 2,800회 이상의 웹 검색과 1,100회 이상의 터미널 작업을 수행했습니다. 87개의 분기 보고서와 99개의 원본 PDF를 포함해 11,000페이지 이상의 자료를 분석했습니다.

여기서 AI의 역할은 요약 도구가 아닙니다.

자료 수집부터 검증, 분석, 코드 실행, 시각화까지 이어지는 조사 파이프라인에 가깝습니다.

지식 노동에서 사람에게 남는 일도 달라집니다.

자료를 직접 찾는 것보다 무엇을 조사할지 정하고, 어떤 근거를 신뢰할지 판단하며, 결과가 의사결정에 사용될 수준인지 검증하는 일이 더 중요해집니다.

4. 오픈 모델이라고 운영이 쉬운 것은 아닙니다

K3는 전체 896개의 전문가 모듈 중 16개만 활성화하는 희소 MoE 구조를 사용합니다.

그럼에도 Kimi는 자체 배포 시 64개 이상의 가속기로 구성된 슈퍼노드 환경을 권장합니다. 오픈 가중치를 확보하는 것과 경제적으로 운영하는 것은 별개의 문제라는 뜻입니다.

API 가격도 캐시 적중 입력은 100만 토큰당 0.30달러지만, 캐시 미적중 입력은 3달러, 출력은 15달러입니다. Kimi는 코딩 작업에서 90% 이상의 캐시 적중률을 기록했다고 설명하지만, 실제 비용은 작업 길이와 캐시 구조에 따라 달라집니다.

오픈 모델의 장점은 공짜가 아닙니다.

데이터 통제권, 배포 선택권, 모델 수정 가능성을 확보하는 것입니다. 이를 실제 제품 경쟁력으로 바꾸려면 추론 인프라와 캐시, 관측성, 평가 체계가 함께 필요합니다.

5. 성능표보다 제한 사항을 먼저 봐야 합니다

Kimi도 K3가 가장 강력한 상용 모델의 종합 성능과 사용자 경험에는 미치지 못한다고 밝히고 있습니다.

공개된 결과 역시 최대 추론 설정에서 측정됐으며, 모델마다 Kimi Code·Claude Code·Codex 등 서로 다른 하네스가 사용됐습니다. 일부 사례는 내부 평가이고, 상세한 학습·아키텍처·평가 방법을 담은 기술 보고서도 아직 공개되지 않았습니다.

특히 운영 관점에서 중요한 제한 사항이 있습니다.

K3는 이전 추론 이력이 제대로 전달되지 않으면 품질이 불안정해질 수 있습니다. 장기 작업에 집중해 학습된 만큼, 모호한 요청을 만나면 사용자를 대신해 예상하지 못한 결정을 내릴 수도 있습니다.

결국 성능이 강한 에이전트일수록 더 명확한 시스템 프롬프트와 AGENTS.md, 승인 절차, 실행 권한, 중단 조건이 필요합니다.

마무리

Kimi K3가 보여준 것은 오픈 모델이 상용 모델을 완전히 따라잡았다는 결론이 아닙니다.

오픈 모델도 이제 질문에 답하거나 코드를 몇 줄 작성하는 수준을 넘어, 수시간에서 수일에 걸친 작업을 수행하는 방향으로 확장되고 있다는 점입니다.

그래서 조직이 물어야 할 질문도 달라집니다.

“어떤 모델이 가장 똑똑한가?”보다 다음을 먼저 정해야 합니다.

모델이 더 많은 실행을 맡을수록 사람의 역할은 줄어드는 것이 아닙니다.

직접 작업하는 사람에서, 작업의 경계와 검증 구조를 설계하는 사람으로 이동합니다.

한 줄 정리

모델의 크기가 커질수록 조직에 필요한 것은 더 큰 기대가 아니라, 더 명확한 업무 경계와 검증 구조입니다.

[원문]