Moonshot AI의 Kimi K2.5 공개: 오픈소스 멀티모달·코딩 에이전트의 반격

요즘 AI 뉴스는 늘 비슷해 보이지만, “오픈 소스”라는 단어가 붙는 순간 이야기가 달라집니다. 중국의 Moonshot AI가 새 오픈 소스 모델 Kimi K2.5와 코딩 도구 Kimi Code를 내놓으면서, 멀티모달(텍스트·이미지·비디오) 이해와 코딩 자동화 시장에 제대로 한 방을 날렸거든요.

이번 글에서는 Kimi K2.5가 무엇이 달라졌는지(성능, 구조, 에이전트 협업), 그리고 개발자 입장에서 Kimi Code가 어떤 의미인지까지 한 번에 정리해드립니다.

Kimi K2.5란? “텍스트만 잘하는 AI”는 이제 기본 옵션

Kimi K2.5는 글을 읽고 쓰는 수준을 넘어서, 이미지와 비디오까지 이해하는 멀티모달 오픈 소스 모델입니다. 핵심은 학습 데이터 규모인데, 텍스트와 시각 데이터를 섞은 15조(Trillion) 토큰으로 추가 학습해 멀티모달 감각을 확 끌어올렸다고 알려졌습니다¹².

쉽게 말해, “스크린샷 하나 던져주고 이 UI 비슷하게 만들어줘” 같은 요청을 더 자연스럽게 처리할 기반이 갖춰진 셈이죠. 멀티모달이 강해지면 코딩 능력도 같이 튀어 오르는 경우가 많은데, 프론트엔드·디버깅처럼 ‘눈으로 보고 판단하는 개발 업무’ 비중이 커서 그렇습니다.

1조 파라미터 MoE와 ‘에이전트 스웜’이 만든 속도감

Kimi K2.5를 이야기할 때 빠지지 않는 키워드가 MoE(Mixture-of-Experts) 입니다. 전체 파라미터는 1조(1T)급이지만, 매번 전부를 다 쓰는 방식이 아니라 작업에 맞는 “전문가 모듈”만 골라서 쓰는 구조라 자원 효율을 노린 설계입니다¹.

그리고 더 흥미로운 건 Agent Swarm(에이전트 스웜) 기능입니다. 큰 일을 시키면 AI가 스스로 작업을 쪼개서 여러 에이전트에게 나눠 맡기고, 동시에 굴려서 결과를 합치는 방식인데, 한 프롬프트에서 최대 100개 에이전트까지 운영할 수 있다고 합니다¹³.

이게 왜 중요하냐면, 개발 업무는 원래도 “검색→비교→수정→테스트→재수정”처럼 병렬로 돌릴 수 있는 일이 많거든요. 스웜이 잘 작동하면, 한 명이 밤새 하던 일을 ‘가상의 팀’이 분업해서 끝내는 흐름이 됩니다.

코딩 벤치마크에서 “오픈 소스가 여기까지?”라는 결과

벤치마크는 늘 조심해서 봐야 하지만, 이번 발표가 주목받는 건 ‘코딩’과 ‘멀티모달(특히 비디오)’에서 결과가 꽤 공격적이기 때문입니다.

코딩 분야에서 Kimi K2.5는 SWE-Bench Verified에서 Gemini 3 Pro를 앞섰고, SWE-Bench Multilingual에서는 GPT 5.2와 Gemini 3 Pro보다 높은 점수를 기록했다고 전해졌습니다⁴. “영어 코딩만 잘하는 모델”이 아니라 다국어 코드/이슈 환경에서도 경쟁력이 있다는 뉘앙스라 개발 현장에서는 더 눈이 갑니다.

비디오 이해 쪽에서도 VideoMMMU 벤치마크에서 GPT 5.2와 Claude Opus 4.5를 제쳤다는 내용이 함께 나왔습니다⁴. 비디오 이해는 ‘긴 맥락 + 시각적 단서 + 시간 흐름’이 동시에 들어와 난도가 높은 편이라, 여기서 점수가 잘 나오면 제품 데모(영상 기반 자동화, 튜토리얼 요약, 영상에서 UI 추출 등)로 연결될 여지가 커요.

Kimi Code 출시: Claude Code·Gemini CLI와 정면 승부

모델이 좋아도 “어떻게 쓰느냐”가 더 중요하죠. Moonshot AI는 코딩 역량을 바로 꺼내 쓸 수 있게 Kimi Code라는 오픈 소스 코딩 도구를 함께 공개했습니다⁴.

방향성은 명확합니다. 터미널에서 바로 쓰는 CLI 경험을 중심에 두고, VSCode, Cursor, Zed 같은 개발 환경 통합까지 지원해 Claude Code, Gemini CLI와 같은 라인업을 정조준한 형태입니다⁴. 게다가 입력이 텍스트에서 끝나지 않고, 이미지·비디오까지 넣을 수 있다는 점을 강조합니다. “오류 난 화면을 캡처해서 던지고 수정 지시” 같은 흐름이 자연스러워질 수 있다는 뜻이기도 하죠.

Moonshot AI는 누구? “중국의 Moonshot”이 아니라 ‘자금·인재·시장’이 합쳐진 팀

Moonshot AI는 전 구글·메타 AI 연구원 출신인 양즈린(Yang Zhilin)이 설립한 회사로 알려져 있고, 알리바바와 홍산(옛 세쿼이아 차이나) 등 굵직한 지원 배경이 거론됩니다⁴. 최근에는 5억 달러 투자 유치와 함께 기업가치 43억 달러 평가 소식도 나왔습니다⁴.

그리고 이 타이밍이 더 흥미로운 이유는, 요즘 AI 연구소들이 “모델 API”만으로는 수익이 불안정하다는 걸 깨닫고, 코딩 에이전트/개발 도구를 강력한 캐시카우로 키우는 흐름이 뚜렷해졌기 때문입니다. Moonshot도 그 레일 위에서, 오픈 소스로 사용자 기반을 확 넓히고 도구로 수익화를 노리는 전형적인 ‘요즘식’ 전략을 택한 셈이죠.

시사점 내용 (핵심 포인트 정리 + 개인적인 생각 또는 실용적 조언)...

Kimi K2.5의 포인트는 단순히 “성능이 좋다”가 아니라, 오픈 소스 멀티모달 모델이 이제 코딩과 에이전트 협업까지 묶어 ‘제품 형태’로 치고 들어온다는 데 있습니다. 모델 경쟁이 아니라 워크플로우 경쟁, 즉 “개발자가 하루 종일 쓰게 만들 수 있느냐”의 싸움으로 더 빨리 이동하고 있어요.

개발자 관점에서의 실용 팁은 간단합니다. 새로운 모델을 평가할 때 벤치마크 점수만 보지 말고, 내 팀의 실제 업무 흐름(이슈 수정, 레거시 리팩터링, 테스트 작성, UI 재현, 로그 분석)에 붙일 수 있는지부터 보세요. Kimi Code 같은 도구는 ‘한 번 써보는 비용’이 낮아질수록 확산 속도가 빨라집니다. 지금은 바로 그 확산이 시작되는 구간이고요.

참고

¹Moonshot AI releases open-source Kimi K2.5 model with 1T parameters - SiliconANGLE

²Moonshot AI’s Kimi K2.5: Most Powerful Open-Source Model with Agent Swarms

³Moonshot AI Unveils Kimi K2.5: Open-Source Multimodal Models Enter the Agent Swarm Era

⁴Moonshot AI: Kimi K2.5 soll bis zu 100 KI-Agenten im Schwarm steuern