2026년 7월 17일, Claude Code v2.1.212는 서브 에이전트(sub-agent)의 생성 수에 세션당 200체라는 상한을 추가했다. 공식 체인지로그(change log)의 표현은 「runaway delegation loops(위임 루프의 폭주)를 막기 위해」이다. 즉, 모델에 병렬화(parallelization)의 재량을 너무 많이 부여한 결과, 제품 측의 가드레일(guardrail)로 이를 억제하려 한 것이다.

그 전날인 7월 16일, 중국의 Moonshot AI는 정반대 방향으로 치우친 답을 출시했다. Kimi K3 Swarm Max는 최대 300체의 서브 에이전트를 1체의 오케스트레이터(orchestrator)가 지휘하는 구성을 프레임워크가 아닌 강화학습 (RL)을 통해 모델의 가중치(weight)에 각인시킨 2.8조 파라미터의 플래그십 모델이다.

「언제, 얼마나 병렬화해야 하는가」라는 동일한 질문에 대해, 한쪽은 상한으로 묶고, 한쪽은 학습으로 해결하려 하고 있다. 이 기사에서는 K3의 내부를 1차 정보 수치로 파악한 뒤, 이 분기가 의미하는 바를 고찰한다.

• Kimi K3는
  총 파라미터 2.8조의 MoE (Mixture of Experts) (896개의 전문가 중 16개가 토큰마다 활성화, 액티브 약 500억). 컨텍스트(context)는 100만 토큰, 시각(vision)도 네이티브 대응, 공개 시점에서는 추론 모드는 상시 온(on) 상태인 "max"뿐 - 출시 다음 날인 7월 16일,
  Arena.ai의 WebDev 리더보드에서 1,679점으로 1위를 차지했다. Claude Fable 5가 1,631, GPT-5.6 Sol이 1,618로, 오픈 웨이트 (open weight) 예정 모델이 프론티어 전용 모델을 상회한 첫 사례가 되었다 - 실무 종합력을 측정하는 GDPval-AA v2에서는
  1,687점으로 3위. Claude Fable 5 Max(1,815)와 GPT-5.6 Sol Max(1,747.8)에는 미치지 못하지만, Claude Opus 4.8(1,600)은 상회한다 - 핵심인 K3 Swarm Max는 오케스트레이터 1체가
  **약 15개의 고수준 스텝(high-level step) 내에서 최대 300체의 서브 에이전트를 기동하며, 태스크 전체에서 4,000회 이상의 도구 호출 (tool call)**을 협조시킨다. 이 판단은 PARL(Parallel-Agent Reinforcement Learning)로 훈련되었으며, 서브 에이전트의 생성은 도구 호출과 동등한 **행동 공간 (action space) 내의 액션 (action)**으로 취급된다 - Moonshot의 보고치에 따르면, 단일 에이전트 대비
  크리티컬 스텝(critical step)이 3~4.5분의 1, 실행 속도는 최대 4.5배 - 가격은 입력 $3/출력 $15 (100만 토큰당), 캐시 히트(cache hit) 시 입력은 $0.30. 전 세대 K2.6($0.95/$4) 대비 대폭 인상되었으며, 성능의 셀링 포인트는 「
  Opus 4.8급을 Sonnet 가격으로」라는 포지셔닝이다 - 모델 웨이트는
  7월 27일까지 공개 예정. 단, 권장 구성은 64개 이상의 가속기(accelerator)를 묶은 슈퍼 노드(super node)로, 「오픈」의 의미를 시험하는 규모가 되어 있다.

본 기사는 Moonshot AI의 공식 블로그(2026년 7월 16일), Kimi 공식 도움말의 Agent Swarm 문서, Simon Willison 씨의 리뷰, The New Stack 등의 보도를 바탕으로 한 해설입니다. 벤치마크의 대부분은 Moonshot의 자기 보고치이며, 비교 대상인 Claude Fable 5는 평가 태스크의 35%에서 폴백(fallback)이 발생했다고 Moonshot 스스로가 주석을 달았습니다. 수치는 제3자에 의한 재현을 기다리는 단계의 것으로 읽어 주시기 바랍니다.

K3의 아키텍처에서 파악해야 할 점은 세 가지가 있다. 모두 「거대화와 긴 컨텍스트를 동시에 성립시키기」 위한 부품이다.

Kimi Delta Attention (KDA). 선형 어텐션 (linear attention)과 기존 방식의 어텐션 (attention)의 하이브리드로, Moonshot은 「어텐션을 스케일링하기 위한 효율적인 기반」이라고 정의하고 있다. 선형 어텐션 계열의 약점이었던 prefix 캐시와의 상성 문제를 해결한 것으로 알려져 있으며, KDA의 구현은 vLLM에 기여(contribute) 완료되었다. 즉, 7월 27일에 웨이트가 나오는 순간부터 추론 기반 측의 수용체가 준비되어 있다.

Attention Residuals (AttnRes). 통상적인 잔차 연결 (residual connection)이 각 층의 표현을 균일하게 쌓아 올리는 것에 반해, 깊이 방향의 표현을 선택적으로 추출하는 메커니즘으로, 잔차 연결의 드롭인(drop-in) 교체로서 일관된 스케일링 향상을 이끌어냈다고 한다. 전 세대 K2 대비 스케일링 효율은 약 2.5배라는 주장의 근거 중 하나이다.

Stable LatentMoE. 라우팅(Routing)에 Quantile Balancing(휴리스틱한 부하 분산 업데이트의 배제)과 Per-Head Muon(어텐션 헤드 단위의 독립 최적화)을 도입했다. 896개의 전문가(Expert)라는 규모에서 훈련을 안정시키기 위한 기제이다.

나아가 양자화(Quantization)는, **MXFP4 웨이트와 MXFP8 액티베이션을 SFT 단계부터 양자화를 전제로 훈련(QAT, Quantization-Aware Training)**하고 있다. 공개 후에 외부에서 양자화하여 성능이 저하되는 전형적인 패턴을 훈련 단계에서 미리 방지한 형태다.

숫자는 명암이 뚜렷하다.

Moonshot 자신의 총괄은 솔직하다. 전체 성능에서는 여전히 Claude Fable 5와 GPT-5.6 Sol에 미치지 못하지만, 그 외의 테스트 대상 모델에는 일관되게 승리했다고 공식 블로그에 명시했다. 프론트엔드 코딩이라는 특정 영역에서는 1위를 차지하고, 종합에서는 3위. '최강'이 아니라 '최강 클래스에 가장 가까운 오픈 모델'이라는 위치를 스스로 숫자로 보여주고 있다.

실물을 접한 측의 관찰도 인용해 둔다. Simon Willison 씨의 단골 테스트(펠리컨이 자전거를 타는 SVG 생성)에서는, 답변 3,417 토큰에 대해 추론에 13,241 토큰을 소비하며, 1회 요청당 약 25센트가 소요된다. 그의 평가는 "추론 에포트는 현재 'max'뿐이다. 그리고 그것이 여실히 드러나고 있다"이다. 상시 풀 사고(Full Thinking) 설계는 성능과 맞바꾸어 1회 요청당 단가를 높인다.

여기서부터가 K3의 가장 흥미로운 부분이다.

K3 Swarm Max의 구조 자체는 2계층으로, 설명하자면 심플하게 들린다. 오케스트레이터(Orchestrator, Moonshot의 표현으로는 '코치')가 약 15개의 고수준 단계(High-level step)로 태스크를 분해하고, 각 단계에서 필요하다고 판단하면 최대 300체의 서브 에이전트(Sub-agent)를 기동한다. 스웜(Swarm) 전체에서는 **4,000회 이상의 도구 호출(Tool call)**이 협조적으로 움직인다.

하지만 중요한 것은 구조가 아니라, 그 판단을 누가 작성했는가이다.

LangGraph나 deepagents, Claude Code의 Workflow와 같은 기존의 멀티 에이전트 구성에서는, "어디서 병렬화할 것인가", "몇 체를 내보낼 것인가", "결과를 어떻게 통합할 것인가"는 결국 인간이 설계하는 오케스트레이션 계층의 업무였다. 프롬프트와 그래프, 그리고 재시도 정책(Retry policy)을 통해 사람이 병렬성을 작성한다.

Moonshot의 PARL(Parallel-Agent Reinforcement Learning)은 이를 훈련의 문제로 만들었다. 서브 에이전트를 생성한다는 행위 자체를 도구 호출과 동일한 행동 공간(Action space) 내의 액션으로 정의하고, 강화학습(RL)으로 최적화한다. 보상(Reward)은 3차원으로, 태스크의 결과 품질, 유사 병렬이 아닌 진정한 병렬성, 서브 태스크 완수율을 동시에 평가한다. 이전 세대 설계에서는 결과 품질과 크리티컬 패스(Critical path) 효율의 가중치가 약 80 대 20이었다고 보고되었다.

효과로서 Moonshot이 제시하는 숫자는, 대규모 검색 계열 태스크에서 크리티컬 스텝(Critical step) 3~4.5분의 1, 실행 시간 최대 4.5배 가속이다. 공식 쇼케이스에는 391개 이벤트의 중력파 데이터 해석을 20체 이상의 동시 서브 에이전트로 처리한 사례나, 2,800회 이상의 웹 검색과 1,100회 이상의 터미널 실행을 묶은 ASIC 업계 조사 사례 등이 나열되어 있다.

한 가지 정확히 적어두어야 할 것이 있다. 300체·4,000 스텝이라는 규모 자체는 올해 4월 K2.6의 Agent Swarm 베타에서 선행 도입된 것으로, K3의 신규성은 스웜의 확장이 아니다. 동일한 스웜 기제를 훨씬 강력한 베이스 모델 위에 교체하여 올린 것이다. 오케스트레이터가 똑똑해질수록 "병렬화해서는 안 되는 상황에서 병렬화하지 않는" 판단을 포함하여 질이 올라간다는 것이 이 설계의 도박이다.

스웜에는 문서화된 실패 모드(Failure mode)가 있다. 이를 열거해 보면, 현재 많은 팀이 프레임워크 측면에서 고군분투하고 있는 문제와 거의 동일한 형태임을 알 수 있다.

• 경계의 충돌. 서브 에이전트(Sub-agent) 간의 담당 범위가 겹쳤을 때 발생하는 경합 -
  할루시네이션 (Hallucination)의 증폭. 300체 규모에서는 1체의 오류가 통합 결과에 혼입될 리스크가 개수만큼 증가 -
  비용의 폭발. 병렬화에 적합하지 않은 태스크에 스웜 (Swarm)을 적용했을 때의 낭비

나아가 Moonshot은 K3 본체의 기지(Known) 한계로서, 사고 이력(Thinking history)을 유지하지 않고 세션 도중에 모델을 전환하면 생성이 불안정해진다는 점, 장기 태스크 편중 훈련으로 인해 모호한 지시에서 '예상치 못한 판단'을 하기 쉽다는 점, 그리고 사용자 경험(UX) 측면에서 Claude Fable 5나 GPT-5.6 Sol과의 사이에 눈에 보이는 차이가 있다는 점까지 스스로 밝히고 있다.

서두의 대비로 돌아가면, Claude Code의 200체 상한과 K3의 300체 스웜은 사실 모순되지 않는다. 전자는 '모델의 병렬화 판단은 아직 완전히 신뢰할 수 없다'는 현상 인식을 제품화한 것이며, 후자는 '그렇다면 판단 그 자체를 훈련시키자'라는 연구 방침을 제품화한 것이다. 가드레일(Guardrail)과 학습은 동일한 문제에 대한 단기 해법과 장기 해법이다.

가격은 냉정하게 볼 필요가 있다. 입력 $3/출력 $15는 Claude Sonnet 계열과 같은 수준이며, K2.6의 $0.95/$4와 비교하면 약 3배 인상된 수치다. 다행인 점은 캐시(Cache)다. 히트 시 입력 비용은 $0.30이며, 코딩 작업에서는 히트율이 90%를 넘는 것으로 알려져 있다. 상시 최대 추론(Max inference)으로 토큰을 대량으로 쏟아내는 설계와 결합하면, 이 모델의 실질 비용은 캐시 설계의 숙련도에 따라 자릿수가 달라진다.

그리고 7월 27일까지 공개될 웨이트(Weights). 2.8조 파라미터, MXFP4에서도 권장 구성은 64개 이상의 액셀러레이터(Accelerator)를 묶은 슈퍼 노드다. 개인이 로컬에서 구동하는 '오픈 웨이트 (Open weights)'의 의미는 이제 아니며, 추론 프로바이더(Inference provider)와 대기업이 프런티어급 모델을 자사 기반으로 보유할 수 있게 된다는 의미의 오픈이다. 오픈 웨이트의 의미 자체가 모델의 거대화와 함께 변질되고 있다.

이번 릴리스가 시사하는 방향은 세 가지다.

병렬성은 프레임워크의 기능에서 모델의 능력으로 변해간다. '몇 체의 에이전트를 지휘할 수 있는가'가 컨텍스트 길이(Context length)처럼 모델의 스펙 시트에 기재되는 미래는 머지않았다. 그때 사람이 작성하는 오케스트레이션 (Orchestration) 레이어의 역할은 그래프 설계에서 보상과 제약의 설계로 옮겨간다 -
상한과 학습의 공존은 계속된다. 학습된 병렬화가 신뢰를 얻을 때까지, 실운용 측면에서는 당분간 가드레일을 제거할 수 없다. Claude Code의 200체 상한이 환경 변수로만 변경 가능하게(모델 스스로 예산을 늘릴 수 없게) 설계된 것은 그 과도기의 축소판이다 -
오픈 웨이트의 주전장은 '구동 가능한 조직'의 쟁탈전이 될 것이다. 3조 급의 웨이트 공개는 개인 개발자가 아닌 추론 프로바이더와 내셔널 클라우드(National cloud)를 겨냥한 전략 자산이다. 프런티어 모델의 추격이 2주 단위로 일어나는 지금, 전용 모델의 우위가 '성능'에서 '경험과 신뢰'로 옮겨가고 있음을 Moonshot 스스로가 UX의 차이를 자진 신고하는 형태로 인정하고 있다.

작년까지만 해도 멀티 에이전트(Multi-agent)는 '프롬프트를 궁리하여 여러 번 호출하는' 기술이었다. K3 Swarm Max는 그것을 웨이트 내부의 능력으로서 출하한 최초의 대규모 실례가 될지도 모른다. 제3자 검증은 이제부터지만, 적어도 질문은 이제 '에이전트를 몇 체나 나열할 것인가'가 아니라, 나열하는 판단을 누구에게(인간에게, 가드레일에, 아니면 경사하강법(Gradient)에) 맡길 것인가로 바뀌어 있다.

병렬화 판단을 '가드레일'과 '학습' 중 어디에 맡겨야 한다고 생각하시나요? 여러분의 현장 감각은 어떠한가요?

Kimi K3 (Moonshot AI 공식 블로그, 2026년 7월 16일)

Agent Swarm [Beta] - Kimi Help Center (공식 문서)

Kimi K3, and what we can still learn from the pelican benchmark - Simon Willison

Kimi K3 tops Arena's coding leaderboard - The New Stack

[AINews] Kimi K3 2.8T-A50B: the largest open model ever released - Latent Space

GDPval-AA Leaderboard