Kimi K3, 2조 8천억 매개변수보다 중요한 것
Kimi K3는 Moonshot AI의 플래그십 모델이다. 매개변수는 2조 8천억 개에 달하지만, 모델을 평가할 때 더 중요한 질문은 따로 있다. 이 거대한 규모가 실제 업무의 완성도와 비용 효율로 이어지는가 하는 점이다.
초대형 모델을 효율적으로 작동시키는 구조
K3는 혼합 전문가(MoE) 구조를 사용한다. 전체 896개 전문가 가운데 작업마다 16개만 활성화하므로 모든 매개변수를 매번 계산하지 않는다. 100만 토큰 문맥과 이미지 이해를 지원하며, 긴 코딩 작업과 지식 업무를 주요 용도로 삼는다.1
비용은 입력 토큰 100만 개당 3달러, 출력 토큰 100만 개당 15달러다. 캐시된 입력은 0.3달러지만, 긴 추론 과정에서 출력이 많아지면 비용이 빠르게 늘어날 수 있다.2 따라서 단순한 토큰 단가보다 업무 하나를 완료하는 데 드는 총비용을 비교해야 한다.
성능 지표도 주목할 만하다. Artificial Analysis의 장기 지식 작업 평가에서 K3는 Elo 1,547점을 기록했다.3 다만 종합 점수가 높다고 해서 특정 코드베이스나 한국어 문서, 사내 도구에서도 같은 성능이 보장되는 것은 아니다.
벤치마크와 작은 실무 테스트를 함께 봐야 한다
공개 벤치마크는 모델 간 성능을 비교하는 데 유용하지만, 실제 사용 환경의 요구를 모두 반영하지는 못한다. 이를 보완하려면 업무와 비슷한 소형 테스트가 필요하다.
예를 들어 “자전거를 타는 펠리컨을 SVG로 그려라” 같은 과제는 공식 순위를 정하기 위한 벤치마크가 아니다. 대신 모델이 세부 지시를 제대로 따르는지, 코드와 시각적 구성을 함께 처리하는지, 겉보기에는 그럴듯하지만 틀린 결과를 내놓는지 빠르게 확인할 수 있다.
물론 단일 예시만으로 모델의 우열을 판단해서는 안 된다. 핵심은 공개 벤치마크로 전반적인 성능을 확인하고, 실제 업무를 닮은 반복 테스트로 실패 유형과 성공률을 검증하는 것이다.
도입 판단의 기준
2026년 7월 16일 기준 K3는 Moonshot AI 웹사이트와 API에서 이용할 수 있다. 오픈 웨이트는 7월 27일까지 공개될 예정이므로, 그전까지는 ‘오픈 웨이트 예정 모델’로 보는 편이 정확하다.1
결국 K3를 평가할 때 매개변수 규모만 봐서는 부족하다. 실제 업무 성공률, 결과의 일관성, 총비용, 반복 테스트에서 드러나는 실패 유형을 함께 확인해야 한다. 큰 숫자는 모델의 잠재력을 보여주지만, 도입 가치는 실제 작업을 얼마나 안정적이고 경제적으로 끝내는지가 결정한다.
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.