Kimi K3 리뷰: Moonshot의 2.8T 오픈 모델 vs Fable 5, GPT-5.6 Sol
이 Kimi K3 리뷰에서 한 가지 런칭 숫자가 모든 것을 말해줍니다. Moonshot의 새로운 모델이 Arena의 Frontend Code 리더보드에서 1위로 데뷔했으며, 이는 Kimi K2.6 대비 17단계 상승이고, Claude Fable 5보다 위입니다. 블라인드 매치업으로 실제 개발자들이 판정하는 프론트엔드 코딩 경연에서 중국의 오픈 가중치 모델이 우승한 것입니다. 내부적으로는 2.8조 개의 파라미터를 가진 혼합 전문가(MoE) 설계로, 토큰당 896개 전문가 중 16개만 활성화하고, 100만 토큰의 컨텍스트를 처리하며, 입력 가격은 백만 토큰당 $0.30~$3.00입니다. 흥분하기 전에 알아야 할 주의점이 있습니다. 아직 가중치를 다운로드할 수 없으며, Moonshot은 7월 27일에 이것이 바뀔 것이라고 밝혔습니다.
빠른 평가:
- 정의: Moonshot AI의 플래그십 모델로, 2.8T 파라미터 MoE 모델, 100만 토큰 컨텍스트, 기본 이미지 및 비디오 입력, 항상 활성화된 추론. API id는 kimi-k3입니다.
- 강점: 에이전트식 브라우징(BrowseComp 91.2)과 장기 코딩(SWE Marathon 42.0, Fable 5 및 GPT-5.6 Sol 모두 능가). Arena의 Frontend Code에서 1위.
- 약점: FrontierSWE 및 HLE-Full(Fable 5 주도), DeepSWE(GPT-5.6 Sol 주도). Artificial Analysis의 독립 순위에서는 189개 모델 중 4위.
- 가격: 캐시 히트당 $0.30 / 새로운 입력당 $3.00, 출력당 백만 토큰당 $15.00. 중국 AI 랩에서 출시한 가장 비싼 모델입니다.
- 주의점: 이름상으로는 오픈 가중치이지만, 체크포인트는 2026년 7월 27일까지 공개되지 않습니다. 그때까지는 자체 호스팅도, 독립적인 제3자 평가도 불가능합니다.
한 줄 답변을 원한다면: Kimi K3는 폐쇄형 프론티어와 실질적으로 경쟁하는 첫 번째 오픈 가중치 모델이지만, 출시 당일 소프트웨어이며 가중치 공개 보류 중이고 프리미엄 가격대입니다. 스펙, 벤치마크 현실(모든 숫자를 어떻게 읽어야 하는지 바꾸는 주의사항 포함), 가격 계산, 그리고 누가 실제로 이 모델을 사용해야 하는지에 대해 계속 읽어보세요.
Kimi K3는 무엇인가?
Kimi K3는 2026년 7월 16일에 출시된 Moonshot AI의 최신 대형 언어 모델입니다. 총 2.8조 개의 파라미터를 가진 혼합 전문가 모델로, 각 토큰마다 896개 전문가 중 16개만 활성화하므로 토큰당 계산 비용이 밀집형 2.8T 모델이 요구하는 것보다 훨씬 낮습니다. 텍스트, 이미지, 비디오를 받아들이고, 100만 토큰 컨텍스트 윈도우를 유지하며, 기본적으로 추론을 활성화된 상태로 유지합니다.
스펙 시트는 다음과 같습니다.
흥미로운 엔지니어링 이야기는 어텐션 설계에 있습니다. Moonshot은 이를 Kimi Delta Attention, 즉 KDA라고 부르며, 이는 회사가 100만 토큰 컨텍스트에서 최대 6.3배 빠른 디코딩을 제공한다고 보고하는 하이브리드 선형 어텐션 메커니즘입니다. K3는 이를 Attention Residuals, Gated MLA, Stable LatentMoE라고 명명하는 랩의 최신 트릭 스택과 결합합니다. 약자들을 외울 필요는 없습니다. 이들이 합쳐지면 거대한 컨텍스트를 유지하면서도 빠를 수 있는 모델이 되는데, 이것이 정확히 더 오래된 아키텍처를 무너뜨리는 워크로드입니다.
K3를 그것이 대체하는 모델과 나란히 놓으면 점프가 큽니다. Kimi K2의 파라미터 수를 거의 3배 증가시키고(2.8T 대 약 1T), K2.6 및 K2.7 라인의 컨텍스트 윈도우를 4배 증가시키며(100만 대 256K), 텍스트 중심이던 제품군에 이미지 및 비디오 입력을 추가합니다. 이전 Kimi를 시도했다가 어깨를 으쓱했다면, 이것은 다른 동물입니다.
Kimi K3 벤치마크: 어디서 우수하고 어디서 뒤처지나?
Kimi K3의 출시 벤치마크는 진정으로 강력하며, 진정으로 엇갈려 있습니다. 일부 코딩 및 에이전트 작업에서 최고를 기록하고 폐쇄형 프론티어의 다른 작업에서는 명확히 뒤처집니다. 표를 보기 전에 한 가지 주의사항이 모든 단일 점수보다 더 중요합니다. Moonshot은 각 모델을 자신의 코딩 환경 내에서 실행했습니다. K3는 KimiCode에서, Fable 5는 Claude Code에서, GPT-5.6 Sol은 Codex에서 평가되었습니다. 모델 주변의 소프트웨어는 결과에 영향을 미치므로 이를 확정된 리더보드가 아닌 방향성 있는 것으로 읽으세요.
Moonshot의 런칭 테이블의 주요 코딩 및 에이전트 숫자들은 다음과 같습니다.
줄을 따라 읽으면 패턴이 나타납니다. K3는 길고, 지루한 작업에서 우승합니다. 지속적인 여러 시간의 엔지니어링 세션을 측정하는 SWE Marathon에서 K3의 42.0은 GPT-5.6 Sol과 Fable 5 모두를 명확한 격차로 이깁니다. Program Bench에서 필드를 약간 앞서고, 에이전트 측면에서도 주도하며, BrowseComp에서 91.2, OmniDocBench에서 91.1을 기록하고, Moonshot은 또한 Automation Bench에서 최고 자리를 보고합니다.
어디서 진다는가? DeepSWE에서 GPT-5.6 Sol이 73.0으로 앞서갑니다. FrontierSWE에서는 Fable 5가 86.6으로 명확히 앞서지만, K3의 81.2가 여전히 Sol의 71.3을 이긴다는 점은 언급할 가치가 있습니다. Moonshot의 자체 테이블은 K3가 FrontierSWE 및 HLE-Full에서 Fable 5에 뒤처지고, DeepSWE에서 GPT-5.6 Sol에 뒤처진다는 것을 인정합니다. 이것은 모든 곳에서 프론티어를 이기는 모델이 아닙니다. 오픈 가중치 공개가 정말 이전에 관리한 적이 없던 어딘가에서 프론티어를 이기는 모델입니다.
독립적인 평가는 이를 뒷받침합니다. Artificial Analysis는 K3를 Intelligence Index에서 57로 평가하고 189개 모델 중 4위로 순위를 매기며, Claude Fable 5와 두 개의 GPT-5.6 Sol 추론 설정 뒤에 있지만 Claude Opus 4.8 앞에 있습니다. 측정된 출력 속도는 초당 62 토큰으로 다소 겸연쩍습니다. 인간 선호도 측면에서 K3의 Arena의 Frontend Code Arena에서의 1위 완료는 돋보이는 부분입니다. 이는 개발자들이 실제 프론트엔드 출력에 투표하는 순위이기 때문이며, 자체 보고 점수가 아닙니다.
독립 개발자 Simon Willison은 출시 당일에 K3를 펠리컨-자전거 SVG 테스트를 통해 실행했습니다. 모델은 견고한 결과를 생성했고 자신의 이미지에 대해 정확한 alt 텍스트를 작성했으며, 이는 시각에 대해 좋게 말합니다. 그는 또한 가격 섹션에서 다룰 비용 놀라움에 플래그를 지정했고, 빠른 SVG 테스트는 에이전트식 도구 호출에 대해 아무것도 알려주지 않으며, 이것이 이와 같은 모델이 자신의 몫을 버는 곳임을 독자들에게 상기시켰습니다. 타당한 경고입니다.
Kimi K3 vs Fable 5, GPT-5.6 Sol, DeepSeek, Qwen
그렇다면 K3는 더 넓은 분야에서 어디에 위치하는가? 두 가지 비교가 중요합니다. 폐쇄형 프론티어에 대한 것, 그리고 중국의 동료 오픈 가중치 모델들에 대한 것입니다.
프론티어에 대해 정직한 틀짓기는 "프론티어 인접, 프론티어 최고 아님"입니다. Claude Fable 5와 GPT-5.6 Sol은 여전히 집계 지능 순위를 주도하며, Fable 5는 가장 어려운 추론 및 프론티어 코딩 평가에서 실질적인 우위를 유지합니다. K3로 바뀐 것은 갭이 카테고리 격차가 아닌 단일 벤치마크 트레이드로 좁혀졌다는 것입니다. 다운로드 가능한 모델이 SWE Marathon을 주도하고 블라인드 프론트엔드 코딩 투표에서 1위를 차지하는 것은 새로운 영역입니다.
오픈 가중치 동료들에 대해 K3는 순수 기능에서 새로운 높은 수위선이지만, 모든 작업에서 명백한 기본값은 아닙니다. 중국의 오픈 가중치 옵션을 그룹으로 가늠하고 있다면, 우리의 Qwen vs DeepSeek vs GLM 비교는 이 세 가족이 시장을 어떻게 나누는지 설명합니다. Qwen은 가장 가벼운 자체 호스트 풋프린트와 가장 관대한 라이선스를 위해, DeepSeek은 가장 저렴한 토큰을 위해, GLM은 실제 코딩을 위해. K3는 이제 모든 것의 피크 벤치마크에서 위에 있으며, 가격에서도 그들 위에 있습니다. 저렴한 것으로 평판을 세운 카테고리에서 프리미엄 옵션입니다.
실제로 GPT-4 급 품질을 이기는 모델을 포함한 더 넓은 분야의 경우, 우리의 2026년 최고의 오픈소스 LLM 라운드업이 K3의 주장을 맥락에 넣습니다. 짧은 버전: K3는 오픈 가중치의 천장을 높이지만, "오픈 가중치"와 "저렴함"은 공식적으로 더 이상 같은 것이 아닙니다.
Kimi K3 가격 책정 및 캐시 히트 수학
여기서 K3는 분열을 일으킵니다. Moonshot은 캐시 히트 입력 토큰 백만당 $0.30, 새로운 입력 토큰 백만당 $3.00, 출력 토큰 백만당 $15.00으로 가격을 책정합니다. 전체 100만 토큰 컨텍스트 전반에 걸쳐 균등합니다.
이를 대체하는 모델과 나란히 놓으면 전환은 극명합니다.
...