요약 (TL;DR). Artificial Analysis는 Kimi K3의 전반적인 지능 수준을 GPT-5.5 및 Claude Opus 4.8과 나란히 배치했습니다. GDPval v2 에이전트 평가 (agentic evaluation)에서 K3 (1668 Elo)는 실제로 Opus 4.8 (1600)과 GPT-5.5 (1494)를 모두 상회하는 점수를 기록했습니다. 오직 Claude Fable 5와 GPT-5.6 Sol만이 명확하게 더 높은 순위를 차지했습니다. K3는 더 낮은 가격으로 이를 달성했습니다: ofox에서 moonshotai/kimi-k3는 백만 토큰당 $3/$15로 실행되는 반면, GPT-5.5는 $5/$30, Opus 4.8은 $5/$25입니다. 작업당 비용 (cost-per-task) 측정 기준에서 K3는 약 $0.94로, Opus 4.8의 $1.80의 거의 절반 수준입니다. 최첨단 (frontier-level) 작업을 위해, K3는 토큰당 비용이 더 저렴하고 완료된 작업당 비용이 Opus 4.8의 약 절반인 가성비 선택지입니다.

요약 (TL;DR): 어떤 것을 선택해야 할까요?

한 줄 결론: K3는 GPT-5.5 및 Opus 4.8에 맞서는 가성비 선택지로, 지능 면에서는 이들과 대등하면서도 에이전트 작업 (agentic tasks)에서는 더 낮은 비용으로 이들을 능가합니다. 절대적인 최상위 계층(GPT-5.6 Sol, Fable 5)이나 특정 생태계 요구 사항이 있는 경우에만 업그레이드하십시오.

핵심 재정의: K3는 최고 자리를 쫓지 않습니다. 이전 사이클의 최첨단 모델(GPT-5.5) 및 현재 Claude의 플래그십(Opus 4.8)과 수준을 맞추면서도, 이들보다 낮은 비용을 청구합니다.

flowchart TD
    A[작업에 최첨단급 품질이 필요함] --> B{보드에서 절대적인 최고가 필요한가?}
    B -->|예| C[GPT-5.6 Sol 또는 Claude Fable 5]
...

빠른 사양 비교

가격은 2026년 7월 17일 ofox 카탈로그를 기준으로 백만 토큰당 확인되었습니다. 세 가지 플래그십 모델 모두 이미지 입력을 수용하며, K3의 컨텍스트 윈도우 (context window, 1M)가 눈에 띄는 특징입니다.

K3는 입력 (input), 출력 (output), 캐시 (cache)의 모든 가격 책정 라인에서 세 가지 프런티어급 (frontier-class) 모델 중 가장 저렴하며, Artificial Analysis는 K3의 지능 수준을 나머지 두 모델과 동일하게 평가합니다. K2.7 Code는 표에서 예산 참조용 (budget reference)으로 등장합니다. 이는 실질적으로 훨씬 더 저렴하지만, 텍스트 전용 (text-only)이며 더 작은 모델로서 다른 계층의 선택지를 나타냅니다.

Kimi K3의 실체

Moonshot은 K3를 최초의 오픈 3T급 모델로 설명합니다. 아키텍처는 2.8조 개의 파라미터를 가진 Mixture-of-Experts (MoE) 구조로, 이들은 이를 Stable LatentMoE라고 부릅니다. 토큰당 896개의 전문가 (experts) 중 16개를 활성화하며, Kimi Delta Attention (KDA)과 AttnRes 잔차 방식 (residual scheme)을 결합한 어텐션 스택 (attention stack)을 사용합니다. 이는 경쟁 관계에 있는 오픈 웨이트 (open-weight) 모델들(GLM-5.2는 753B, DeepSeek V4 Pro는 1.6T)보다 실질적으로 더 큽니다. 실질적인 특징은 더 간단합니다: 1M 토큰의 컨텍스트 윈도우 (context window), 네이티브 이미지 입력 (native image input), 그리고 통합된 사고 (integrated thinking) 기능입니다.

사고 (thinking) 과정은 현재 Kimi 라인의 나머지 모델들과 유사하게 작동하며, 추론 (reasoning) 과정은 reasoning_content 필드에 노출됩니다. 출시 시점에 K3는 기본적으로 최대 사고 노력 (maximum thinking effort) 모드로 실행되며, Moonshot은 향후 업데이트를 통해 저강도 및 고강도 모드가 추가될 예정이라고 밝혀, 현재로서는 노력 단계 (effort tier)를 조절할 수 없습니다. 추론 토큰 (reasoning tokens)은 출력 (output)으로 간주되어 1M당 $15로 과금되므로, 장황한 최대 사고 실행은 더 많은 비용이 발생합니다. 토큰 효율성 (token efficiency)은 강력하게 유지됩니다. K3는 Artificial Analysis 인덱스를 완료하는 데 K2.6보다 약 21% 적은 출력 토큰을 사용하면서도 더 높은 점수를 기록했습니다.

ofox에서, K3는 OpenAI 호환 엔드포인트(OpenAI-compatible endpoint) 상에서 moonshotai/kimi-k3로 제공되며, OpenAI 프로토콜 경로가 직접 작동합니다. 만약 Anthropic 호환 경로를 통해 접속할 경우, thinking 파라미터가 강제되지 않는데, 이는 K2.7의 동작 방식과는 다릅니다. 오픈 웨이트(Open weights)는 아직 출시되지 않았습니다. Moonshot은 2026년 7월 27일까지 출시할 것을 약속했으며, 출시 게시물에는 라이선스가 발표되지 않았습니다. 현재로서는 K3는 API 모델입니다.

K3와 GPT-5.5 및 Opus 4.8의 비교: 세 가지 관점 (Three Reads)

모델 간 비교는 대부분의 분석에서 서로 다른 시스템에서 실행된 서로 다른 연구소의 수치들을 혼용하는 지점입니다. 이 섹션에서는 정직한 비교를 위해 각 평가를 단일 소스(single source)로 유지합니다.

관점 1: 전반적인 지능 (Artificial Analysis Index)

Artificial Analysis 지능 인덱스(Intelligence Index)는 수많은 벤치마크(benchmarks)를 하나의 수치로 결합하여 서로 다른 벤더의 모델들이 동일한 척도상에 나타나도록 합니다. K3는 57점을 기록했습니다. Artificial Analysis는 이 지능 수준이 Claude Opus 4.8 및 GPT-5.5와 대등하며, 60점과 59점 근처에서 리더보드를 이끄는 Claude Fable 5 및 GPT-5.6 Sol보다는 뒤처진다고 규정합니다. 이는 K3가 출시된 2026년 7월경에 촬영된 유동적인 스냅샷(rolling snapshot)이므로, 고정된 점수가 아닌 날짜가 포함된 순위로 이해해야 합니다. K3는 일반 지능(general intelligence) 측면에서 GPT-5.5 및 Opus 4.8과 동등한 수준에 도달했으나, 최상위 티어(top tier)를 따라잡지는 못했습니다.

관점 2: 에이전트 작업 (AA GDPval v2)

전반적인 지능 지표는 사람들이 실제로 자동화하는 작업 측면에서 K3의 능력을 과소평가합니다. 동일한 하네스(harness)에서 실행된 Artificial Analysis의 GDPval v2 에이전트 평가(agentic evaluation)에서, K3는 Opus 4.8과 GPT-5.5보다 높은 순위를 차지했으며, 오직 Claude Fable 5와 GPT-5.6 Sol만이 그보다 높았습니다.

이는 실질적인 결과입니다. 에이전트적 도구 사용 (agentic tool-use) 및 다단계 작업 (multi-step work) 측면에서 K3는 비교 대상인 두 모델의 성능을 능가합니다. GDPval v2는 모델을 단순 상식(trivia)이 아닌 현실적이고 경제적 가치가 있는 작업으로 평가하므로, 여기서의 우위는 코딩 또는 운영 (ops) 에이전트가 실제로 수행하는 종류의 작업과 직결됩니다. K3는 또한 AA의 AutomationBench (Zapier의 에이전트적 SaaS 워크플로우 평가를 구현한 것)에서 1위를 차지했으며, 비공개 장기 지식 작업 평가인 AA-Briefcase에서는 1547점을 기록했습니다. 이는 Fable 5에 이어 두 번째이며, Kimi K2.6보다 732점이나 높은 수치입니다. 세 가지 별도의 에이전트 테스트 전반에 걸쳐 패턴은 일관되게 유지됩니다. K3는 각 테스트에서 최상위권이거나 그에 근접하며, 해당 수준의 점수를 기록한 모델 중 단연코 가장 저렴합니다.

왜 어느 정도 개방된(open-ish) Kimi가 일반 지표에서는 다른 모델들과 대등한 수준이면서, 에이전트 작업에서는 두 개의 폐쇄형 프런티어 (closed frontier) 모델을 앞서는 것일까요? 그 이유는 에이전트 평가가 계획 (planning), 도구 사용 (tool use), 그리고 많은 단계에 걸친 지속적인 집중력을 보상하기 때문이며, K3의 기본 최대 사고 예산 (maximum-thinking budget)과 토큰 효율성 (token efficiency)이 정확히 그 용도에 맞춰 조정되었기 때문입니다. GPT-5.5와 Opus 4.8은 강력한 범용 모델 (generalists)이지만, 이번 Kimi 세대처럼 자율 에이전트 (autonomous-agent) 리더보드 정상을 차지하도록 설계되지는 않았습니다. 단일 샷 프롬프트 (single-shot prompt)의 경우, 세 모델이 모두 비교 가능한 일반 지표가 권위 있는 지표입니다. 하지만 여러 턴(turn) 동안 실행되는 에이전트의 경우 GDPval이 관련성 있는 척도이며, K3가 여기서 승리합니다.

읽기 3: 작업당 비용 (Artificial Analysis)

토큰당 가격은 K3에 약간 유리하게 작용할 수 있는데, 더 많이 추론하는 모델은 작업당 더 많은 토큰을 소모할 수 있기 때문입니다. 더 공정한 경제적 지표는 작업당 비용 (cost per task)이며, 이는 Artificial Analysis가 전체 지표에 걸쳐 측정하는 방식입니다.

K3의 Moonshot GPQA 점수를 다른 시스템의 GPT-5.5 또는 Opus 수치와 교차 참조하여 직접적인 대결(head-to-head)이라고 부르지 마십시오. AA의 측정 방식만이 이 모델들이 비교 가능한 척도 위에 놓여 있는 방식입니다.

각 모델을 선택해야 하는 시점

GPT-5.5 및 Opus 4.8과 비교할 때, 결정 요인은 달러당 성능(capability-per-dollar)과 생태계(ecosystem)에 달려 있습니다:

• Kimi K3를 선택하세요: 최첨단(frontier-adjacent) 수준의 품질로 에이전트(agentic) 및 코딩 작업을 수행하고자 할 때 적합합니다. 전반적인 지능 측면에서 GPT-5.5 및 Opus 4.8과 대등하며, AA의 에이전트 평가(agentic eval)에서는 이들을 능가합니다. 또한 1M 컨텍스트(context), 비전(vision), 그리고 오픈 웨이트(open weights) 출시를 앞두고 있으며, 두 모델보다 비용이 저렴합니다. 세 모델 중 기본적으로 가성비가 가장 뛰어난 선택지입니다.

• Claude Opus 4.8을 선택하세요: 이미 Anthropic 생태계(ecosystem)를 사용 중이거나, 해당 모델 특유의 동작 방식 및 도구(tooling)를 원하는 경우에 적합합니다. Artificial Analysis는 이 모델의 지능 수준을 K3와 동일하게 평가하지만, 작업당 비용은 약 두 배에 달합니다. 따라서 이는 지능의 격차 때문이 아니라 생태계에 대한 비용을 지불하는 것입니다.

• GPT-5.5를 선택하세요: OpenAI의 광범위하고 잘 알려진 범용 모델(generalist)과 그 주변의 도구들을 활용하고 싶을 때 적합합니다. 강력한 올라운더(all-rounder) 모델이지만, K3가 지능 면에서 대등하고 에이전트 Elo 점수에서는 앞서며 가격은 더 저렴합니다. 따라서 이를 선택하는 이유는 순수한 가치보다는 익숙함과 기술 스택(stack) 때문일 것입니다.

• GPT-5.6 Sol 또는 Fable 5로 업그레이드하세요: 작업이 진정으로 최상위권의 성능을 필요로 할 때 선택하십시오. 이들은 K3가 지능 지수(intelligence index)에서 여전히 뒤처져 있는 모델들입니다. 마지막 몇 점의 차이가 결과에 영향을 미치는 고난도 추론(hard reasoning)의 경우, 추가 비용을 지불할 가치가 있습니다. 외부 평가에서도 K3를 동일하게 평가합니다: The Decoder는 K3가 폐쇄형 리더(closed leaders)들을 추월하기보다는 그들에게 근접하고 있는 것으로 분석합니다.

만약 정책이나 선호도 측면에서 K3가 고려 대상이 아니고, 선택지가 오직 GPT-5.5 대 Opus 4.8뿐이라면, 두 모델은 일반 지수(general index)에서는 비슷하지만 성격 면에서 갈립니다. AA의 GDPval v2 에이전트 평가(agentic eval)에서 Opus 4.8(1600)은 GPT-5.5(1494)보다 훨씬 높은 위치에 있으므로, 도구 사용(tool use) 및 다단계 작업(multi-step work)에 있어서는 Opus가 두 모델 중 더 강력합니다. 가격 면에서는 입력 비용이 동일($1M당 $5)하지만, 출력 비용은 Opus가 약간 더 저렴합니다($1M당 $25 대 $30). GPT-5.5의 장점은 OpenAI의 툴링(tooling)이 가진 폭넓은 범위와 성숙도, 그리고 기존 스택(stacks)에서의 익숙한 동작 방식입니다. 이 둘 중에서는 에이전트 중심(agentic) 및 추론 집약적(reasoning-heavy) 작업에는 Opus 4.8을, 폭넓고 지원이 잘 되는 범용 모델(generalist)을 원한다면 GPT-5.5를 선택하십시오. K3는 지능 면에서 두 모델과 대등하면서도 에이전트 평가에서는 두 모델을 모두 앞서고, 비용은 두 모델보다 저렴하기 때문에 이 비교에서 우위를 점합니다.

월간 청구서: 개발자 1명, 에이전트 코딩

가격 차이를 구체화하기 위해, 한 달에 2,000만(20M) 개의 입력 토큰과 500만(5M) 개의 출력 토큰을 사용하는 추론 집약적 에이전트를 운용하는 단일 개발자의 토큰당 월간 청구서를 다음과 같이 제시합니다.

동일한 트래픽에서 K3는 GPT-5.5 비용의 약 54%, Opus 4.8 비용의 약 60% 수준으로 구동됩니다. 이를 5인 개발 팀으로 확장하면, Artificial Analysis가 지능 면에서 대등하고 에이전트 작업에서 더 강력하다고 평가한 성능을 유지하면서도, K3를 사용할 경우 GPT-5.5 대비 월 약 $575, Opus 4.8 대비 월 약 $450를 절약할 수 있습니다.

더 저렴한 Kimi: K2.7 Code

만약 작업 내용이 단순 텍스트 코딩이고 최첨단(frontier) 모델이 과하다면, 관련 비교 대상은 GPT-5.5나 Opus 4.8이 아니라 더 작은 규모의 Kimi입니다. Kimi K2.7 Code (moonshotai/kimi-k2.7-code)는 코드에 최적화된 텍T-only MoE(Mixture-of-Experts) 모델로, 총 파라미터 1T, 활성 파라미터 32B 규모이며, 256K 컨텍스트(context)와 Modified MIT 오픈 웨이트(open-weight) 라이선스를 제공합니다. 가격은 $1M당 입력 $0.95 / 출력 $4로, K3 가격의 약 3분의 1 수준입니다.

규칙은 간단합니다. 예산 내에서 텍스트 전용 코딩 작업이 목적이라면, K2.7 Code는 훨씬 저렴한 가격으로 이를 수행하며 프론티어(frontier) 급의 성능 여유분은 사용되지 않은 채 남게 됩니다. 만약 작업에 비전(vision), 1M 컨텍스트(context), 또는 위 벤치마크에서 나타난 에이전트적 역량(agentic strength)이 필요하다면, K2.7 Code는 이를 충족할 수 없으므로 다시 K3로 돌아가야 합니다.

Moonshot 자체 벤치마크에서 K3의 위치

완전성을 위해, 여기 벤처(vendor) 측 수치를 제공합니다. 모든 수치는 Moonshot이 공식 K3 출시 포스트에서 최대 사고(maximum thinking) 모드로 실행하여 보고한 결과입니다. 이 수치들은 독립적으로 재현된 것이 아니라 방향성을 제시하는 용도로만 취급해야 하며, 서로 다른 하네스(harness)를 사용하는 위의 AA 측정값과 셀 단위로 직접 비교하지 마십시오.

이 수치들은 제3자 측정 결과와 일치합니다. 즉, 과학적 추론(GPQA-Diamond)과 웹 리서치 에이전트(BrowseComp) 분야에서 강력하며, AA가 측정한 에이전트적 역량과도 일관성을 보입니다. Moonshot의 자체 포스트에서도 K3가 전반적으로 Claude Fable 5 및 GPT-5.6 Sol에 여전히 뒤처져 있음을 솔직하게 밝히고 있습니다. 이것이 바로 이 기사에서 K3를 새로운 1위가 아닌, GPT-5.5 및 Opus 4.8의 더 저렴한 동급 모델(peer)로 위치시키는 이유입니다.

ofox에서 세 모델 모두 실행하기: 몇 줄의 코드로 수행하는 A/B 테스트

K3, GPT-5.5, Opus 4.8은 모두 동일한 OpenAI 호환 엔드포인트(endpoint)에서 작동하므로, 사용자의 작업에 맞춰 테스트하는 것은 문자열 하나만 바꾸면 되는 간단한 작업입니다. SDK를 https://api.ofox.ai/v1로 지정하고, 세 가지 모델 ID를 루프(loop)로 돌린 다음, usage를 읽어 실제 토큰 비용을 비교해 보십시오.