Kimi K3, 세계 첫 오픈 3조급 모델의 충격

누구나 내려받는 모델이 반도체 주가를 흔든 이유

Kimi K3의 등장이 시장에 준 충격은 성능표 몇 줄로는 설명되지 않습니다. 핵심은 이 모델이 ‘오픈 웨이트’라는 점입니다. 쉽게 말하면, 모델의 두뇌에 해당하는 가중치 파일을 문샷 AI가 통째로 공개하기로 한 것이죠. 오는 7월 27일에 전체 가중치가 풀리면, 전 세계 어떤 기업이든 이 최상급 모델을 자기 서버에 올려 직접 굴릴 수 있게 됩니다. OpenAI(오픈AI)나 Anthropic(앤스로픽)의 최고 모델을 쓰려면 API 사용료를 계속 내야 하는 구조와는 근본이 다릅니다.

CNBC 보도에 따르면, 이번 공개는 단순한 신제품 발표를 넘어 ‘오픈 웨이트 모델로의 전환’이라는 더 큰 흐름에 다시 불을 지폈습니다. 중국발 오픈 모델이 미국 최상위 시스템의 성능에 바짝 다가서면서, 폐쇄형 모델에 수백억 달러를 쏟아붓는 전략 자체가 흔들릴 수 있다는 불안이 시장을 덮친 셈입니다. 반도체 종목이 먼저 반응한 것도 이 지점과 맞닿아 있죠. 값싼 고성능 오픈 모델이 퍼지면, 지금처럼 폭발적으로 늘던 고가 AI 가속기 수요의 그림이 달라질 수밖에 없다는 계산입니다.

다만 시장의 반응이 지나쳤다는 목소리도 만만치 않습니다. Moor Insights & Strategy(무어 인사이트 앤 스트래티지)의 CEO이자 수석 분석가인 Patrick Moorhead(패트릭 무어헤드)는 이번 파장을 두고 이렇게 정리했습니다.

“충격적일 만큼 DeepSeek(딥시크) 패닉과 닮은 과잉 반응입니다.”

— Patrick Moorhead, CNBC 인터뷰

지난해 딥시크가 저비용 모델로 시장을 놀라게 했을 때도 반도체주가 급락했지만, 결국 AI 가속기 수요는 꺾이지 않았습니다. 무어헤드의 비교에는 이번에도 시장이 감정적으로 앞서갔다는 진단이 깔려 있죠. Perplexity(퍼플렉시티)의 CEO Aravind Srinivas(아라빈드 스리니바스)의 관점은 결이 조금 다릅니다. 그는 이제 스타트업과 개발자들의 관심이 ‘어떤 거대한 단일 모델이 최강인가’에서 ‘내 서비스에 어떤 모델을 어떻게 붙일 것인가’로 옮겨가고 있다고 짚었습니다. 모델 하나의 왕좌 다툼보다, 그것을 실제 제품에 녹여내는 방법론이 승부처가 되고 있다는 이야기입니다.

숫자로 뜯어본 Kimi K3, 왕좌가 아니라 추격의 서사

냉정하게 성능만 보면, Kimi K3는 아직 정상이 아닙니다. 문샷 AI 스스로도 블로그에서 “전반적 성능은 여전히 가장 강력한 상용 모델인 Claude Fable 5(클로드 페이블 5)와 GPT 5.6 Sol(솔)에 뒤진다”고 인정했습니다. 없는 우위를 부풀리지 않은 셈이죠. 대신 이 모델은 한 단계 아래 구간에서 확실한 존재감을 보였습니다. 코딩과 에이전트 영역의 여러 벤치마크에서 Claude Opus 4.8(오퍼스 4.8)과 GPT 5.5를 앞섰다고 보고되었습니다. 정상은 못 밟았지만, 상용 최상위 바로 아래를 오픈 모델이 차지했다는 사실 자체가 이번 사건의 무게 중심입니다.

기술적으로 가장 눈에 띄는 대목은 덩치를 키우는 방식입니다. Kimi K3는 2.8조 개라는 압도적 파라미터를 갖췄지만, 실제 추론할 때 이 전부를 한꺼번에 쓰지는 않습니다. 896개의 전문가(expert) 모듈 중 16개만 골라 활성화하는 Mixture of Experts(MoE·전문가 혼합) 구조를 채택했죠. 비유하자면, 거대한 병원에 수백 명의 전문의가 대기하고 있지만 환자 한 명에게는 딱 필요한 16명만 투입하는 방식입니다. 여기에 Kimi Delta Attention(KDA)이라는 자체 설계를 더해, 문샷 AI는 이전 세대인 K2 대비 약 2.5배의 확장 효율을 얻었다고 밝혔습니다. 같은 연산으로 더 많은 지능을 뽑아낸다는 뜻입니다.

주장만으로는 공허하니, 문샷 AI가 내세운 실증 사례를 짚어볼 필요가 있습니다. 가장 극적인 것은 칩 설계 실험입니다. Kimi K3는 48시간 동안 사람 개입 없이 오픈소스 설계 도구만으로 자기 아키텍처를 돌릴 소형 칩 하나를 직접 만들고 검증했습니다. 4제곱밀리미터 안에서 100MHz로 동작하고, 시뮬레이션 기준 초당 8,700토큰 이상을 처리하는 결과를 냈다고 합니다. 연구 지원 사례도 인상적입니다. 컴퓨팅 천체물리학의 한 검증 작업에서, 숙련된 연구자가 1~2주 걸릴 일을 약 두 시간 만에 끝내며 20편이 넘는 논문을 교차 검토하고 3,000줄 이상의 파이썬 코드를 생성했다고 보고되었습니다.

물론 이 화려한 수치를 곧이곧대로 받아들이기 전에 짚어야 할 반박도 있습니다. 벤치마크 점수는 대부분 문샷 AI 자체 평가 환경에서 나온 값이고, 경쟁 모델 일부는 제3자 평가나 폴백(fallback) 동작이 섞인 조건에서 측정됐다는 단서가 붙어 있죠. 문샷 AI는 또한 K3가 “사소한 문제나 모호한 지시를 만나면 사용자를 대신해 예상 밖의 결정을 내리는 과잉 능동성”을 보인다고, 그리고 사용자 경험에서 상용 최상위 모델과 눈에 띄는 차이가 남아 있다고 스스로 한계를 적었습니다. 성능표의 우위와 실제 손에 쥐었을 때의 만족은 별개라는 정직한 고백입니다.

경제성은 이 모델의 또 다른 무기입니다. Kimi API 기준 출력 토큰 100만 개당 15달러, 캐시가 적중한 입력은 100만 개당 0.30달러 수준으로 책정됐습니다. Reddit(레딧)과 개발자 커뮤니티에서 “이 성능을 이 가격에, 게다가 직접 내려받아 돌릴 수 있다”는 반응이 빠르게 번진 배경입니다. 다만 2.8조 파라미터 모델을 자체 운영하려면 64개 이상의 가속기를 묶은 대규모 구성이 권장된다는 점에서, ‘무료 공개’가 곧 ‘누구나 쉽게’를 뜻하지는 않는다는 현실도 함께 읽어야 합니다.

결론 및 마무리

Kimi K3가 던진 진짜 질문은 “중국 모델이 미국을 이겼는가”가 아닙니다. 그 프레임은 이미 낡았죠. 더 날카로운 질문은 이것입니다. 최상위에서 두 번째 자리에 오르는 데 드는 비용이 이렇게까지 낮아졌다면, 폐쇄형 정상 모델의 프리미엄은 얼마나 오래 버틸 수 있을까요.

앤스로픽과 오픈AI가 여전히 성능의 꼭대기를 지키고 있다는 사실은 변하지 않았습니다. 하지만 그 아래 넓은 실무 영역, 즉 대부분의 기업이 실제로 필요로 하는 ‘충분히 좋은’ 지능의 구간은 이제 오픈 모델이 무섭게 채워 들어오고 있습니다. 시장이 반도체주로 먼저 공포를 표현한 것은, 어쩌면 이 구조 변화를 본능적으로 감지했기 때문일지 모릅니다.

다음 관전 포인트는 7월 27일입니다. 전체 가중치가 실제로 공개되고 나면, 전 세계 개발자들이 이 모델을 뜯어보고 재조립하기 시작할 테니까요. 발표 자료의 벤치마크가 진짜였는지, 아니면 잘 고른 무대 위 숫자였는지는 그때 커뮤니티의 손에서 판가름 날 수밖에 없습니다. 오픈 모델의 세계에서 최종 심판은 언제나 발표장이 아니라 수많은 사용자의 터미널에서 내려지죠.