AI 'Kimi'의 사이드바 항목이 너무 많은 이유: Claude 사용자 신입 엔지니어가 모든 기능을 정리하다

평소에는 Claude만 사용하던 신입 엔지니어입니다.

최근 프론티어 모델의 동향이 매우 역동적입니다. meta社도 새로운 수준 높은 모델을 출시하고 있습니다(2026/10/13 기준). 이런 상황에서, 의외로 Kimi에 주목해 보는 것도 좋을 것 같습니다.

어느 날 Kimi를 열었는데, 사이드바 항목 수가 상상했던 3배 정도 있어서 솔직히 깜짝 놀랐습니다.

마이Kimi(My Kimi), 스케줄링된 태스크(Scheduled Task), 클러스터(Cluster), 슬라이드(Slide), 철저한 조사(Thorough Research), 웹사이트(Website), 문서(Document), 시트(Sheet), 디자인(Design), Kimi Code, Kimi Claw…….

아니, 챗봇 AI 아니었어? 너는.

Claude의 경우, 채팅과 Artifacts, 코드 관련 정도만 있고 이렇게까지 기능이 세분화되어 있지 않습니다. 그래서 '이 메뉴들 전부 뭐예요?'라는 질문을 공식 도움말 센터를 들고 정리해 봤습니다.

• Kimi 사이드바의 모든 기능들이 각각 무엇을 하는지
• 다른 LLM(Claude / ChatGPT)과 비교했을 때, Kimi가 '이 부분은 강하다'고 할 수 있는 포인트
• 무료 플랜으로 어디까지 사용할 수 있는지
• 회사원 실무에서 사용해 볼 만한 기능은 무엇인지

Kimi는 '채팅 + 오피스 작업 + 조사 + 개발'이 모드로 나뉜 AI입니다.

운영 주체: Moonshot AI (월지암면, 중국 베이징 소재 회사) -
본체 모델: 2026년 7월 공개된 K3. 2.8조 파라미터, 네이티브 비전 대응, 100만 토큰의 컨텍스트를 가집니다. 게다가 오픈 웨이트로 가중치까지 공개되어 있습니다 -
사용 가능 장소: 웹(kimi.com), iOS / Android 앱, 데스크톱 앱

모델의 변화 과정을 살펴보면 '대화하는 AI'에서 '일하는 AI'로 방향을 틀었음을 알 수 있습니다.

출처: Kimi Agent란 - Kimi 도움말 센터

여기서 본론입니다. 위에서부터 순서대로 설명하겠습니다.

사용자의 취향, 말투, 업무 맥락을 Kimi가 기억해 주는 기능입니다. ChatGPT의 메모리 기능에 해당합니다.

친밀도도 확인할 수 있고, 성장 로그도 볼 수 있습니다.

'매일 아침 9시에 AI 업계 뉴스를 요약해서 알려줘'와 같은 정기 실행 태스크를 등록할 수 있습니다.

핵심은 무료 플랜(Adagio)에서도 2개까지 사용할 수 있다는 점입니다. 유료 플랜에서는 최대 20개까지 늘릴 수 있습니다. '매일 아침 하는 정형적인 조사'를 하나만 등록해도, 아침 10분을 절약할 수 있습니다.

등록 화면

수동으로 생성하기

돌아온 결과 (검증을 위해 요청한 것입니다)

공식 명칭은 **Agent Swarm(에이전트 군집)**입니다. 하나의 지시에 대해 최대 300개의 자녀 에이전트를 병렬로 구동하고, 4,000 스텝 이상의 툴 연동을 수행합니다.

'100개 회사 경쟁사를 전부 조사해서 표로 만들어줘'와 같이 한 명의 AI로는 지치기 쉬운 작업을, 인파 전술(AI 해상 전술?)로 처리하는 느낌입니다. 이는 다른 LLM에서는 보기 힘든 독자적인 기능입니다.

※참고로 인파 전술이란 병력 수의 우위를 이용해 목적을 달성하려는 전술 사상을 말합니다. 한 명의 병사가 저지당해도, 숫자로 압도하는 것입니다. 클러스터의 '한 AI로는 지치기 쉬운 작업을 최대 300개로 처리한다'는 작전은 바로 이 사상에 대한 AI 버전이라고 할 수 있습니다.

공식 사용 예시가 구체적이라 좋습니다.

• 유튜브의 100개 전문 분야별 Top 3 크리에이터 조사 → 300개의 자녀 에이전트가 병렬 검색하여 구조화된 표와 그래프로 만듭니다. 인간이라면 며칠, 순서를 기다리는 AI라면 몇 시간 걸릴 작업이 몇 분 만에 완료됩니다 -
• Paul Graham의 에세이 229편 수집 → 개인 사이트・구버로그・강연 기록에 흩어져 있는 글들을 자녀 에이전트가 검색・다운로드・분류・요약합니다. 주제별 폴더 + 종합 리포트까지 출력됩니다.

「数が多い・同じ作業の繰り返し」系のタスクを投げるといい系のやつですね。

出典：Kimi Agent とは - Kimiヘルプセンター

Kimi PPT는 주제를 한 문장으로 입력하거나, 글이나 문서를 던지면 몇 분 만에 편집 가능한 pptx 파일을 생성합니다. 참고 이미지나 템플릿 복각에도 대응합니다.

이것은 다른 AI 도구들에도 비슷한 것이 있지만, 개인적으로는 kimi가 일본어 표현이 능숙하고 돌아오는 자료 구성도 매우 좋다고 느낍니다.

정식 명칭은 Deep Research입니다. 전용 모델인 「Kimi-Researcher」가 내부에서 작동하며, 1회 조사로 평균 23단계의 추론・74개의 검색 키워드・206개의 URL을 탐색하고, 그중 상위 3.2%만 채택합니다.

나오는 결과물은 두 가지입니다.

1만 자가 넘는 조사 리포트(인용원 링크 포함, 평균 26개 소스) -
시각적으로 정돈된 가시화 HTML 리포트(그대로 공유 링크 발행 가능)

【📷사진7：조사 중 화면(탐색 URL 수 보이는 것) + 리포트 초반부 + 가시화 HTML 리포트】

【◎추가 기재: 자신의 업무 주제로 1회 실행해 본 결과('AI firewall 경쟁 조사' 등 실제 주제로)】

앱 생성. 자연어 또는 디자인 이미지로부터 데이터베이스・로그인 인증을 포함한 풀스택 사이트를 생성하여, 그대로 공개(xxx.ok.kimi.link URL 포함)까지 해줍니다.

요컨대 Claude의 아티팩트 같은 것이라고 생각합니다.

엔지니어들이 동경하는 아이언맨의 자비스도 만들어 보았습니다.

문서 (Docs): Word 실 파일을 생성. 기존 Word에 변경 이력과 함께 주석을 달 수 있다, 100페이지 PDF에서 필요한 정보만 추출, 계약서 버전 간 차이점 체크 등 -
시트 (Sheets): 50개 부문의 Excel을 한 장의 월별 표로 통합, 전시회 PDF에서 1000행 규모의 영업 리스트를 추출 등. 마지막에는 xlsx 실 파일로 돌아옵니다 - 다른 AI 도구에서도 어느 정도는 가능하긴 합니다.

이미지・디자인 소재 생성 기능입니다. 간단하게 디자인을 만들 수 있고, 템플릿도 풍부하게 준비되어 있습니다.

다만 디자인이라고 하면 Claude Design이 떠오릅니다.

확실히, 디자인의 퀄리티 등은 문제없이 좋다고 생각하지만

Claude Design 쪽이 목업(mock-up)을 빠르게 만들거나 여러모로 사용하기 편리한 느낌이 있습니다.

엔지니어 독자들이 가장 신경 쓰는 부분입니다. Kimi Code는 Kimi 멤버십에 포함된 코딩 관련 특전의 총칭이며, 내용은 Claude Code와 마찬가지로 터미널 에이전트 + VS Code 확장입니다.

Kimi Code CLI: kimi

명령어로 작동하는 AI 코딩 에이전트. 파일 읽기/쓰기・쉘 실행・웹 수집을 자율적으로 수행합니다. TypeScript로 제작되어 GitHub에 MIT 라이센스로 오픈 소스 공개되어 있습니다 -
VS Code 확장: 에디터 내 채팅 패널, @

에서의 파일 참조, diff 뷰에서의 변경 리뷰, MCP 연동에 대응(※공식 도움말에 따르면 현재 이행 기간 중이며, 신규 설치 시 조건이 있을 수 있습니다. 설치하지 않아도 CLI에서 사용할 수 있습니다) -
Claude Code와의 친화성: AGENTS.md

규약이나 .mcp.json 설정을 공유할 수 있으며, /import-from-cc-codex 명령어로 Claude Code의 지시 파일・Skills・MCP 설정을 그대로 가져올 수 있습니다 -
Hooks: 툴 실행 전후에 직접 만든 스크립트를 끼울 수 있는 커스터마이징 메커니즘.

도입은 공식 스크립트 한 번으로 끝납니다(Node.js 불필요).

# macOS / Linux
curl -fsSL https://code.kimi.com/kimi-code/install.sh | bash
# Windows (PowerShell. 사전에 Git for Windows 필요)
...

최초에는 kimi를 실행하고 /login으로 OAuth 인증하면 사용할 수 있습니다. 쿼터는 멤버십 크레딧에서 소모되며, 주간 한도 + 5시간 간격의 로링(rolling) 한도로 관리됩니다.

주의사항: 검색하면 구세대 Python 제작 CLI(kimi-cli) 관련 글이 섞여서 히트합니다. kimi --version으로 0.x

만약 새로운 Kimi Code, 1.4x

이전 버전입니다. 초심자가 여기서 빠지기 쉬우니 주의하세요.

출처: Kimi Code CLI 퀵 스타트 - Kimi 도움말 센터, Kimi Code for VS Code - Kimi 도움말 센터, GitHub: MoonshotAI/kimi-code

Kimi Claw. 서버나 Docker 준비 없이, 30초 만에 7x24 상시 작동하는 AI 에이전트를 클라우드에 배포할 수 있습니다. 5,000개 이상의 스킬이 담긴 라이브러리(ClawHub)와 함께, 채팅 도구를 통해 '이거 좀 해줘'라고 맡길 수 있는 것입니다. OpenClaw의 기반을 Moonshot이 클라우드에서 호스팅한 것이므로, 본질적으로는 OpenClaw의 클라우드 버전과 같습니다.

※Allegretto 이상의 플랜이 필요합니다.

여기까지 기능들을 살펴보았는데, 또 하나 더 있습니다. Kimi Work이라는 것입니다. 사이드바 메뉴에는 나타나지 않지만, 사이드바 상단의 전환 기능을 통해 들어갈 수 있습니다.

Kimi와의 차이를 한마디로 말하자면, '당신의 PC 안으로 들어가서 일한다'는 것입니다.

• 로컬 파일 직접 읽기/쓰기: 지정한 폴더 속의 PDF를 전부 읽어 요약하는 것이 가능합니다. 데이터는 단말기에 남습니다 -
  Goal Mode (목표 모드): 목표, 완료 조건, 제약을 전달하면, 당신이 자고 있을 때나 출퇴근 중에 여러 라운드를 자율적으로 계속 돌아갑니다. '한 번의 질문에 답하는 것'이 아니라 '목표가 달성될 때까지 일한다'는 것입니다 -
  Kimi WebBridge: 브라우저 확장 기능을 통해, 로그인된 브라우저를 사람처럼 조작(클릭/폼 입력/다운로드)할 수 있습니다 -
  플러그인 (MCP): Notion 등 외부 서비스와 연결할 수 있습니다 -
  전문가용 데이터베이스 내장: 금융(주식・선물・세계은행 데이터)이나 학술(논문・특허)에 직접 접근합니다 -
  정기 실행 태스크: 데스크톱 측에서도 스케줄 설정을 할 수 있습니다.

참고로 'Kimi가 너무 많아서 뭐가 뭔지 모르겠다'는 문제에 대해서는 공식에서 비교표를 내놓았으니, 일본어로 남겨둡니다. (원문에는 한국어 번역이 없었으므로 원문의 구조와 톤을 유지하며 직역합니다.)

이 글에서 주장하고 싶은 것은 두 가지입니다. **'에이전트 스웜(Agent Swarm)이 편리하다'**와 **'일본어가 능숙하다'**는 것입니다.

반대로, 마이Kimi(기억)나 정기 실행, Deep Research 같은 '다른 AI에게도 있는 기능'을 굳이 Kimi의 공적으로 말하는 것은 과도하니 하지 않겠습니다. 너무 미화하는 글은 좋지 않다고 생각한 것을 공유합니다.

이것은 타사에는 없는 핵심입니다. 대단한 점은 300체 병렬이라는 수치보다, 오케스트레이터(부모 AI)가 강화학습 (PARL)을 통해 '언제 병렬화해야 하는지'를 학습하고 있다는 점입니다. 사람이 역할 분담이나 워크플로우를 설계하는 것이 아니라, AI가 스스로 '이번에는 몇 명 체제가 좋을까'를 결정하고 조직을 만듭니다. 단일 에이전트 대비 최대 4.5배 빠르다고 합니다.

공식 비하인드 스토리에 따르면, 계기가 된 것은 사내 사람이 주가 수집 스크립트의 if-else 문을 100줄 작성했을 때 '나 지금 손으로 멀티 에이전트 시스템 쓰고 있네...'라고 깨달은 것이라고 합니다.

'대량・동형 반복 태스크'(100 분야 조사, 229편 기사 수집 등)를 던졌을 때의 편리함은 한번 맛보면 돌아갈 수 없습니다.

답변이 다른 AI 도구보다 느리다는 인상을 받지만, Claude보다 한 번에 나오는 정확도가 상당히 높다고 생각했습니다. 그래서 초안을 Kimi에게 만들게 하고 다른 AI 도구에 전달하는 것도 좋을 것 같다고 생각했습니다 (돈만 있다면요...).

사용하면서 느낀 건데, K3의 일본어는 상당히 자연스럽고 사용하기 쉽습니다. 중국발 AI는 일본어가 좀 딱딱하다는 이미지가 있었는데, 좋은 의미로 배신당했습니다. 일상적인 대화에서 AI 같은 표현이 너무 많다는 스트레스가 없는 것이, 계속 사용할 때 은근히 가장 중요하다고 생각합니다.

'왜 자연스럽게 느껴지는지'에 대해서는 @yugen_matuni 님의 고찰에 크게 공감했습니다. 그 말로는, 자연스러움의 정체가 경어나 어미의 아름다움 같은 표면적인 이야기가 아니라, **'사실을, 읽는 사람이 이해할 수 있는 순서로 재배열하는 힘이 강하다'**고 합니다. '무엇을 먼저 말하고, 어디에 이유를 덧붙이며, 어느 정도까지 사실이라고 단정할지'라는 글의 구성에 대한 이야기입니다.

생각해 보니, 확인된 사실과 추측을 구분해서 작성하기도 하고, 처음 보는 전문 용어에 설명을 덧붙이거나, '하지 않으면 무슨 일이 일어날지'까지 인과관계를 연결해 옵니다. 저 역시 '답변이 미리 준비되어 있다'는 느낌을 받았습니다.

게다가 이 고찰은 K3 기술 보고서와 맥락이 맞습니다. 마츠니이 님이 보고서에서 가져온 학습 방침이 이것입니다.

• 사전 학습 데이터를 규칙(Rule)·품질 분류기(Quality Classifier)·중복 제거로 선별하고
• 지식 기반 데이터를 다른 문체와 시점으로 바꿔 표현하며, 원 자료와의 일관성을 확인합니다. - 지도 미세 조정(Supervised Fine-Tuning)을 통해 다단계 검증과 인간의 주석 작업을 거칩니다.
• 강화 학습(RL)의 대상에 단락 단위의 글쓰기가 포함되어 있습니다.

'같은 내용을 다른 문체로 다시 쓰는 훈련'과 '단락 단위로 글을 구성하는 훈련'은, 말 그대로 '독자가 이해할 수 있는 순서대로 사실을 재배열하는 능력'으로 직결될 것 같습니다.

참고: 마츠니이 님 'Kimi를 사용한 부자연스러운 일본어 근절 — Kimi의 일본어가 왜 자연스럽게 느껴지는가' (X) / Kimi K3 Technical Report / Kimi K3 Tech Blog

※ 어디까지나 웹 버전 채팅에서의 체감입니다. CLI 환경에서는 'GPT보다 조금 딱딱하다'는 보고(후술할 참고 기사)도 있으니, 환경에 따라 인상이 달라질 수 있습니다. 궁금한 분은 같은 프롬프트를 사용해 익숙한 AI와 Kimi에 모두 넣어보시는 것을 추천합니다.

참고로 마츠니이 님은 이 일본어 실력을 그대로 실제 활용하고 계신데, 그 점이 또 흥미롭습니다. 시도하신 것은 'AI 같은 부자연스러운 일본어'를 근절하기 위해 Kimi를 사용하는 역발상입니다.

• '이를 통해', '~하는 것이 가능합니다', '어떠셨나요?'와 같은 AI 느낌의 문장을 적대적인 역할(Adversary)에게 일부러 쓰게 합니다.

• 이를 다른 세션의 Kimi에 전달하면서

• Kimi 도움말 센터

• Kimi Agent란?

• Deep Research란?

• Kimi Docs & Sheets란?

• Kimi Websites란?

• Kimi Claw란?

• Kimi Work 공식 소개

• Kimi / Kimi Work / Kimi Code / Kimi Claw의 차이점

• Agent Swarm이란?

• Kimi Code CLI 퀵 스타트

• Kimi Code for VS Code 퀵 스타트

• GitHub: MoonshotAI/kimi-code

• Kimi Code 문서

• Kimi Code Hooks

• Kimi K3 Tech Blog

• Kimi K3와 GPT에게 내 코드를 5번 리뷰하게 해봤다 — 구현 개선, API 비용, 일본어 사용감 (일본어 사용감이 다른 시점에서 쓰여 있어 참고가 된다)

• 중국 AI가 Claude에 이겼을까? Kimi K3의 '76%' 수치에 숨겨진 벤치마크 함정 (벤치마크 수치를 신중하게 읽는 방법)

• Kimi Code 총집합 (2026년 9월 버전) (Kimi Code 상세 레퍼런스)

• Kimi K3 기술 보고서 해독하기 (오픈 웨이트의 기술적 배경)

• 마츠니이 씨