Kimi K3: Moonshot AI의 에이전트 코딩을 위한 2.8T 오픈 웨이트 프론티어 모델

Kimi K3는 Moonshot AI의 새로운 플래그십 대형 언어 모델로, 2.8조 파라미터 규모의 역대 최대 오픈 웨이트 모델입니다. 2026년 7월 16일 출시된 이 모델은 프론티어급 Mixture-of-Experts(MoE) 설계와 100만 토큰 컨텍스트 윈도우, 코딩과 장기 지식 작업에 초점을 맞춘 에이전트 우선 설계를 결합했습니다. 주목할 만한 점은 단순한 규모만이 아닙니다. Moonshot은 전체 웨이트를 공개하여 자체 호스팅 에이전트에서도 진정한 프론티어 성능을 구현할 수 있게 했습니다. K3가 실제로 무엇인지, 벤치마크 성능은 어떤지, 비용은 얼마인지, 어디에 적합한지 살펴보겠습니다.

이 가이드는 K3의 아키텍처, 벤치마크, 가격, K2 라인과의 비교, 그리고 빌더들이 이미 실행 중인 구체적인 워크플로우를 다룹니다.

Kimi K3란 무엇인가?

Kimi K3는 베이징 기반의 Moonshot AI가 2026년 7월 16일 Kimi K2 시리즈의 후속작으로 출시한 오픈 웨이트, 에이전트 중심 프론티어 모델입니다. Moonshot은 이를 회사 역대 가장 강력한 오픈소스 코딩 모델로 설명하며, 긴 엔지니어링 세션을 지속하고, 대규모 저장소를 탐색하며, 최소한의 인간 감독으로 터미널 도구를 오케스트레이션하도록 설계되었다고 밝혔습니다. (Fortune)

핵심 수치는 규모입니다. K3는 희소 MoE 아키텍처에 2.8조 개의 총 파라미터를 탑재했으며, 이는 K2.6의 약 2.8배 규모이고 DeepSeek의 V4 Pro(~1.6T), Zhipu의 GLM-5 시리즈 등 중국 경쟁 모델보다 큽니다. Moonshot의 설명에 따르면 이는 역대 최대 규모의 오픈 웨이트 모델입니다. (VentureBeat)

결정적으로, 웨이트는 잠겨 있지 않습니다. Moonshot은 2026년 7월 27일에 전체 오픈 웨이트를 공개할 예정이며, 이를 통해 개발자들은 호스팅된 API만 호출하는 것이 아니라 모델을 검사하고 수정하며 자체 호스팅할 수 있게 됩니다. (Axios)

사양 및 아키텍처

K3는 K2 라인의 OpenAI 스타일, 에이전트 우선 설계 철학을 유지하면서 모든 축에서 한계를 끌어올렸습니다.

• 2.8T 파라미터 희소 MoE — 희소 활성화를 가진 수백 개의 전문가로 구성되어, 토큰당 네트워크의 일부만 실행됩니다. 이 규모는 장기 추론과 복잡한 도구 사용에 맞게 조정된 폭넓음과 전문화를 위한 것입니다. (VentureBeat)
• 100만 토큰 컨텍스트 윈도우 — 복잡한 청킹 없이 전체 코드베이스, 디자인 시스템, 또는 연구 코퍼스를 "한눈에" 담을 수 있는 용량입니다. (Axios)
• Kimi Delta Attention(KDA) — Moonshot이 오픈 연구로 처음 발표한 하이브리드 선형 어텐션 메커니즘으로, 표준 어텐션의 비용 폭발 없이 초장문 시퀀스를 처리 가능하게 합니다. (VentureBeat)
• Attention Residuals(AttnRes) — Moonshot이 일관된 스케일링 이득을 제공하는 잔차 연결의 드롭인 대체제로 설명하는 기법입니다. (VentureBeat)
• 네이티브 멀티모달 입력 — 텍스트와 이미지에 걸친 비전 이해 기능과 Moonshot이 "thinking mode(사고 모드)"라고 부르는 상시 추론 모드를 제공합니다. (Axios)
• OpenAI-SDK 호환 — API가 OpenAI 인터페이스를 미러링하므로, OpenAI 또는 Anthropic 툴체인을 기반으로 구축 중인 팀이 최소한의 변경으로 통합할 수 있습니다. (VentureBeat)

KDA와 AttnRes 모두 이전에 GitHub에서 오픈 연구로 발표되었으며, 이는 K3의 효율성 향상이 단순한 규모 확장이 아닌 아키텍처에서 비롯된다는 신호입니다. (VentureBeat)

벤치마크: K3의 위치

K3는 Artificial Analysis 리더보드에서 3위로 데뷔했으며, Anthropic의 Claude Fable 5와 OpenAI의 GPT-5.6 Sol에 이어 그 외 모든 모델을 앞섰고, 일부 실용적인 테스트에서는 1위를 차지했습니다. (Wikipedia)

출시 분석에서 몇 가지 결과가 두드러집니다:

• GDPval-AA v2 (44개 직종, 9개 산업에 걸친 실제 작업): K3는 1,687점을 기록하며 Claude Fable 5 Max(1,815)와 GPT-5.6 Sol Max(1,747.8)에 이어 전체 3위, Claude Opus 4.8(1,600)을 앞섰습니다. (VentureBeat)
• AA-Briefcase (비공개 장기 지식 작업 벤치마크): K3는 1,527점으로 2위를 차지하며 GPT-5.6 Sol Max를 제치고 Fable 5 Max에만 뒤졌습니다. (VentureBeat)
• 작업 자동화: K3는 8개 벤치마크 중 4개에서 1위를 차지했으며, Automation Bench, SpreadsheetBench 2, BrowseComp 등이 포함되고 나머지 대부분에서 Fable 5에 이어 2위를 기록했습니다. (VentureBeat)
• 프론트엔드 코딩: 평가자 Arena의 블라인드 테스트에서 개발자들은 Fable 5와 GPT-5.6 Sol을 포함한 모든 주요 미국 모델보다 프론트엔드 코딩에서 K3를 선호했습니다. (Axios)

에이전트 빌더에게 중요한 세부 사항이 있습니다. Moonshot은 이러한 자동화 결과를 컨텍스트 압축이나 외부 컨텍스트 관리 기법 없이 100만 토큰 컨텍스트를 사용하는 단일 에이전트 설정으로 달성했다고 밝혔습니다. 이는 원시 컨텍스트 길이와 강력한 검색이 정교한 멀티 에이전트 우회 방법과 경쟁할 수 있음을 시사합니다. (VentureBeat)

주의할 점: K3는 공개된 지 며칠밖에 되지 않았으며, 바이럴 데모와 초기 벤치마크는 실제 프로덕션 작업에서 모델이 얼마나 안정적으로 수행되는지를 과장할 수 있습니다. 리더보드 수치는 확정된 결론이 아닌 유망한 출발점으로 취급하세요. (Axios)

가격 및 접근 방법

K3는 현재 kimi.com 인터페이스, 모바일 앱, platform.moonshot.ai의 Moonshot 플랫폼 API를 통해 이용 가능합니다. 호스팅 가격은 입력 토큰 100만 개당 약 $3, 출력 토큰 100만 개당 $15로 책정되어 있습니다. (MLQ)

이는 중국 AI 연구소 중 가장 높은 가격으로, Moonshot의 이전 모델들이 알려진 대폭 할인에서 명확히 벗어난 것입니다. 참고로, z.ai의 GLM-5.2($4.40/M 출력)와 DeepSeek V4($0.87/M 출력)보다 훨씬 높지만, 미국 프론티어 모델보다는 여전히 훨씬 저렴합니다. Claude Fable은 유사한 작업에 출력 토큰 100만 개당 약 $50입니다. (Fortune)

예산을 책정하기 전에 두 가지 실용적인 사항을 참고하세요:

• K3는 현재 하나의 추론 노력 수준("max")만 제공하며, 독립 테스터들은 무거운 추론 토큰 소비를 보고했습니다. 한 테스터는 단순한 SVG 하나를 생성하는 데 약 13,241개의 토큰(약 $0.25)이 소비되었다고 지적했습니다. 긴 체인은 빠르게 비용이 누적됩니다. (MLQ)
• 7월 27일 웨이트가 공개되면, 데이터 레지던시가 필요하거나 대규모 비용을 제어하려는 팀에게 자체 호스팅이 옵션이 됩니다. 이는 Moonshot의 오픈 웨이트 릴리스 전반에서 볼 수 있었던 호스팅-자체 호스팅 전환 경로와 동일합니다. (Axios)

K3 vs. K2.5 / K2.6 / K2.7: 무엇이 달라졌나

K2 라인을 사용해 본 경험이 있다면, K3는 새로운 API보다는 한계를 높이는 것에 가깝습니다. 플랫폼은 동일한 OpenAI 스타일 인터페이스와 도구 호출 시맨틱을 유지하므로 업그레이드 경로가 간단합니다.

K2.x 대비 주요 차별점: 파라미터가 약 3배, 컨텍스트 윈도우가 4배 길어졌으며(1M vs 256k), 새로운 KDA + AttnRes 아키텍처, 강화된 멀티모달 추론이 추가되었습니다. Moonshot은 또한 K3가 동등한 작업에서 K2.6보다 출력 토큰을 약 21% 적게 사용한다고 보고했으며, 이는 Kimi K2.7 Code에서 시작된 효율성 트렌드를 이어갑니다. (MLQ)

빌더와 팀을 위한 실제 활용 사례

K3의 프론티어 성능, 대용량 컨텍스트, 오픈 웨이트의 조합은 진지한 에이전트 작업의 핵심 백본 후보로 만듭니다:

• 자율 코딩 에이전트 — 전체 기능을 담당하며, 긴 엔지니어링 세션을 지속하고, 대규모 저장소를 탐색하며, 최소한의 감독으로 터미널 도구를 오케스트레이션합니다. (Fortune)
• 저장소 규모의 마이그레이션 및 프로토타이핑 — PRD, 디자인 파일, 레거시 문서를 100만 토큰 윈도우에 전체 프로젝트 컨텍스트를 유지하면서 작동하는 스캐폴딩으로 변환합니다.
• 금융, 법률, 컨설팅 분야의 문서 집약적 지식 작업 — 대용량 컨텍스트와 네이티브 비전이 밀도 높은 보고서 처리에 도움을 주고, 오픈 웨이트를 통해 민감한 워크플로우를 나중에 자체 호스팅 인프라로 이전할 수 있습니다.

이는 가상의 도입이 아닙니다. Moonshot의 이전 모델들은 이미 서구 제품 내에서 사용되고 있었습니다. Cursor는 Kimi를 사용해 Composer 2 코딩 에이전트 구축을 도왔고, DoorDash의 CTO는 회사가 "하위 수준 작업을 Kimi K2.6에 위임한다"고 밝혔습니다. K3는 이러한 팀들이 구축하는 기준을 더욱 높입니다. (Fortune)

K3가 AI 생태계에 미치는 의미

전략적으로, K3는 오픈 웨이트 모델이 복잡한 코딩, 장기 추론, 멀티모달 연구 등 가장 높은 가치의 영역에서 클로즈드 시스템과 정면으로 경쟁할 수 있음을 증명하려는 Moonshot의 시도입니다. 분석가들은 이번 출시를 아키텍처 혁신과 사전 학습 스케일링이 하드웨어 제약에도 불구하고 중국 연구소에 획기적인 성과를 가져다줄 수 있다는 증거로 해석했습니다. (CNBC)

또한 경쟁적 충격이기도 합니다. 2026년 상하이 세계 인공지능 컨퍼런스 직전에 맞춰진 이번 출시는 오픈소스가 더 이상 클로즈드 모델에 수개월씩 뒤처지지 않는다는 증거로 널리 읽힙니다. 프론티어 모델을 평가하는 빌더들에게 이는 K3가 Claude 및 GPT-5.x와 함께 후보 목록에 올라야 함을 의미하며, 특히 로드맵에 자체 호스팅 에이전트와 멀티모달 워크플로우가 포함된 경우 더욱 그렇습니다. (VentureBeat)

더 넓은 오픈 웨이트 동향에서 K3는 우리가 추적해 온 다른 프론티어 릴리스들과 함께 자리합니다: DeepSeek V4 Pro, Zhipu의 GLM-5.2, MiniMax-01.

Kimi K3 같은 모델을 나만의 AI 워크포스에 활용하기

K3의 진정한 가치는 프론티어 모델이 단순한 채팅 박스가 아닌 실제 워크플로우 — 저장소, 문서, 터미널, 다단계 계획 — 에 연결될 때 나타납니다. 바로 이것이 모델 불가지론적 멀티 에이전트 플랫폼의 역할입니다. 장기 코딩은 K3 같은 모델로 라우팅하고, 일상적인 작업은 다른 모델에 맡기며, 실제 업무 전반에 걸쳐 오케스트레이션하는 것입니다. Eigent는 멀티 에이전트 AI 워크포스를 로컬에서 실행하는 오픈소스 Cowork 데스크톱 앱으로, 작업별로 최적의 모델을 연결하고 민감한 데이터를 자신의 기기에 보관할 수 있습니다. 에이전트가 GitHub PR을 검토하는 방법을 확인한 후, Eigent를 다운로드하여 직접 사용해 보세요.

자주 묻는 질문

Kimi K3란 무엇인가요?

Kimi K3는 Moonshot AI의 프론티어 대형 언어 모델로, 2026년 7월 16일 출시되었습니다. 2.8조 파라미터의 희소 Mixture-of-Experts 모델로, 100만 토큰 컨텍스트 윈도우와 네이티브 멀티모달 입력을 갖추고 있습니다. Moonshot은 이를 역대 최대 오픈 웨이트 모델이자 가장 강력한 오픈소스 코딩 모델로 소개합니다.

Kimi K3는 오픈소스인가요?

Moonshot은 2026년 7월 27일에 K3의 전체 웨이트를 공개하기로 약속했으며, 그 시점부터 개발자들은 모델을 검사하고 수정하며 자체 호스팅할 수 있습니다. 그 전까지 K3는 호스팅된 kimi.com 인터페이스, 모바일 앱, Moonshot 플랫폼 API를 통해 접근할 수 있습니다.

Kimi K3는 Claude 및 GPT-5와 어떻게 비교되나요?

출시 시점에 K3는 Artificial Analysis 리더보드에서 Anthropic의 Claude Fable 5와 OpenAI의 GPT-5.6 Sol에 이어 3위로 데뷔했지만, 일부 실용적인 테스트에서는 1위를 차지했습니다. Arena의 블라인드 프론트엔드 코딩 평가에서 개발자들은 두 모델 모두보다 K3를 선호했으며, 8개 작업 자동화 벤치마크 중 4개에서 1위를 기록했습니다.

Kimi K3의 비용은 얼마인가요?

호스팅 가격은 입력 토큰 100만 개당 약 $3, 출력 토큰 100만 개당 $15입니다. 이는 중국 연구소 중 가장 높은 가격이지만, Claude Fable 같은 미국 프론티어 모델보다는 여전히 훨씬 저렴합니다. K3는 현재 단일 "max" 추론 수준만 제공하며, 테스터들은 무거운 추론 토큰 사용을 보고하고 있어 긴 체인은 비용이 많이 들 수 있습니다.

K2 시리즈 대비 K3의 새로운 점은 무엇인가요?

K3는 K2의 1T 파라미터에서 2.8T로 확장되었고, 컨텍스트 윈도우가 256k에서 1M 토큰으로 늘어났으며, Kimi Delta Attention과 Attention Residuals라는 두 가지 새로운 아키텍처 기법이 추가되었습니다. 또한 동등한 작업에서 K2.6보다 출력 토큰을 약 21% 적게 사용하며, 멀티모달 추론도 강화되었습니다.

Eigent 같은 멀티 에이전트 플랫폼에서 Kimi K3를 사용할 수 있나요?

네. K3는 OpenAI-SDK와 호환되며 (7월 27일부터) 자체 호스팅이 가능하므로, Eigent 같은 모델 불가지론적 플랫폼이 장기 코딩 및 지식 작업을 K3로 라우팅하면서 일상적인 단계에는 다른 모델을 사용할 수 있으며, 필요할 때 데이터를 로컬에 보관할 수 있습니다.