중국 기업 Moonshot AI의 새로운 AI 모델이 'DeepSeek 모멘트'를 맞이하며 글로벌 AI 시장에 큰 혼란을 일으키고 서구권 개발자들을 긴장시키고 있습니다. Kimi K3는 2.8조 개의 파라미터 (Parameters)를 가진 오픈 웨이트 (Open-weight) 모델로, 지금까지 출시된 오픈 웨이트 AI 모델 중 가장 규모가 큽니다. 내부 벤치마크 (Benchmark) 결과에 따르면 이 모델은 GPT 5.5 및 Claude Opus 4.8과 같은 모델들과 경쟁할 수 있는 수준이며, Arena.ai는 Frontend Code Arena 테스트에서 Kimi K3에 1위를 부여하며 Claude Fable 5를 앞질렀습니다.

모든 벤치마크에서 승리하는 것은 아니며, Kimi K3가 Anthropic 및 OpenAI와 같은 기업의 프런티어 (Frontier) 모델들보다 훨씬 느리다는 보고도 있습니다. 또한 모든 벤치마크 결과는 API 액세스를 통해 도출된 것이므로, Moonshot이 7월 27일에 웨이트 (Weights)를 공개하기 전까지는 검증될 수 없습니다.

하지만 그렇다고 해서 이 모델의 출시가 AI 산업에 미치는 영향이 줄어드는 것은 아닙니다. Kimi K3는 경쟁 모델 대비 비용을 절감함으로써 AI 지출을 줄이고자 하는 기업들로부터 많은 관심을 끌고 있습니다. 비교를 위해 살펴보면, OpenRouter는 Kimi K3의 가격을 입력 및 출력 100만 토큰당 $3/$15로 책정하고 있습니다. OpenAI의 GPT 5.6 Sol은 이보다 비싼 $5/$30이며, Anthropic의 Claude Fable 5는 $10/$50입니다. 따라서 Kimi K3가 특히 이러한 서구권의 폐쇄형 (Closed-source) AI 모델들의 비용과 비교했을 때 가격 면에서 믿기 힘들 정도로 경쟁력이 있다고 말하는 것은 타당합니다.

Microsoft는 Copilot에 Kimi K3를 도입하는 것을 고려하고 있는 반면, 백악관은 중국 모델을 완전히 금지할 수도 있습니다. 한편, 메모리 제조사들은 Kimi K3가 거대한 파라미터 수로 인해 최대 1.4 TB의 메모리를 점유한다는 점에 기뻐하며 손을 비비고 있습니다.

주요 소식: @Kimi_Moonshot의 Kimi-K3가 1679점을 기록하며 Frontend Code Arena에서 1위를 차지했으며, Claude Fable 5를 넘어섰습니다. 이는 Kimi-k2.6 대비 17계단 상승한 결과입니다 (#18 -> #1). 프론트엔드 (Frontend) 분야에서 Kimi-K3는 브랜드 및 마케팅 (Brand & Marketing), 참조 기반 디자인 (Reference-Based Design), 데이터 및 분석 (Data & Analytics) 등 7개 도메인 중 6개에서 1위를 기록했습니다: https://t.co/YDN3BufGkC pic.twitter.com/Oa6teaQnWp2026년 7월 16일

🤯 https://t.co/qQpoYhwmNv[2026년 7월 16일](https://twitter.com/cantworkitout/status/2077834926658068983)

빠르고, 저렴하거나, 아니면 미국산인가?

지난 몇 달 동안 Anthropic과 OpenAI의 프론티어 (Frontier) AI 모델들에 대한 이야기가 끊이지 않았습니다. Mythos는 OpenAI가 그에 상응하는 모델을 내놓기 전까지 거대하고 위협적인 존재였습니다. 그 후 Fable이 데뷔했고, 성능은 훨씬 더 뛰어났지만 더 이상 그렇게 위협적이지는 않게 된 듯합니다. 적어도 겉보기에는 말이죠.

하지만 이러한 모델들은 실행 비용이 매우 비싸다는 점 또한 증명되었고, 대규모 AI 배포를 진행하던 기업들은 해당 투자에 대한 수익률 (ROI)에 의문을 제기하고 있었습니다. Uber는 개발자들의 AI 사용을 제한했고, 다른 기업들은 2025년 말에 자신들이 옹호했던 AI 성능 향상 리더보드 (Leaderboards)를 폐쇄하기도 했습니다.

따라서 Moonshot이 동일한 결과물을 내면서도 서구권 프론티어 모델 비용의 3분의 1 수준인 실행 비용으로 Kimi K3를 선보였을 때, 전 세계는 주목했습니다. 이는 2025년 DeepSeek의 R1 데뷔가 (비록 기업 스파이 행위가 연루되었을 가능성이 있음에도 불구하고) 모델을 더 적은 비용으로 훈련할 수 있음을 보여주었던 방식과 매우 유사하며, Kimi K3 역시 서구권 프론티어 개발자들에게 이와 비슷한 거울을 비추고 있습니다.

DeepSeek R1이 효율적(lean)이었다면, Kimi K3는 거대합니다. 개발자들은 이를 최초의 3T급(3T-class) 시스템이자 중국 역사상 가장 큰 AI 모델이라고 부를 정도로 규모가 큽니다. Bloomberg 소식통에 따르면, 이 모델의 희소성 비율(sparsity ratio)은 지금까지 관찰된 그 어떤 AI 모델보다 높습니다. 이는 모델의 전체 크기 대비 각 작업에 활성화되는 파라미터(parameter)의 수를 측정하는 지표로, Kimi K3의 전체적인 규모와 인상적인 효율성을 동시에 보여줍니다.

이것이 모든 테스트에서 Anthropic이나 OpenAI와 같은 기업들의 가장 유능한 모델들을 압도하는 것은 아닙니다. Arena.ai의 순위에 따르면 Kimi K3는 대부분의 테스트에서 상위 10위 안에 들지만, 1위를 차지한 것은 단 몇 개에 불과합니다. 하지만 Kimi K3가 Claude나 ChatGPT와 같이 더 비싼 대안들과 대등한 결과를 제공할 수 있다면, 서구권 기업들로부터 많은 관심을 끌 가능성이 높으며, 이미 그러한 양상을 보이고 있습니다.

이러한 현상은 미국이 국제 AI 모델에 대한 접근을 통제해야 한다는 목소리를 다시 불러일으키고 있습니다. 이는 미국 정부가 모델을 광범위하게 공개하기 전에 기업들이 독점적인 모델 접근 권한을 정부와 공유하도록 최근 추진했던 방식과 유사한 방식입니다.

이와 대조적으로, Moonshot은 Kimi K3를 전 세계에 개방하고 있습니다. 모델 가중치(model weights)를 대중에게 공개하는 과정의 일환으로, 기업과 조직이 Moonshot의 클라우드 서비스를 사용하지 않고도 모델을 직접 실행할 수 있도록 하여, 도입을 더 쉽게 만들고 잠재적으로 비용을 낮출 수 있게 할 것입니다.

하지만 결코 저렴하지는 않을 것입니다. Kimi K3는 막대한 VRAM(비디오 램) 요구 사항만으로도 구동을 위해 여전히 심각한 하드웨어 투자가 필요하기 때문입니다.

(중국) 메모리 제조사들의 승리

2026년에 대규모 AI 배포를 진행하던 주요 기업들이 AI 이니셔티브를 축소하기 시작하면서, 모두가 수천억 달러를 쏟아부어 구축한 그 모든 인프라가 더 이상 필요하지 않을 수도 있다는 우려가 커지고 있습니다. Meta는 클라우드 서비스로 피벗(pivot)하며 남는 컴퓨팅 자원을 판매하기 시작했고, xAI는 Colossus 1의 전체 컴퓨팅 용량을 Anthropic에 할인된 가격으로 제공했습니다.

하지만 만약 Kimi K3가 업계가 나아갈 방향이라면, 하드웨어 수요는 줄어들 가능성이 낮습니다. 제번스의 역설(Jevons' paradox)이 시사하듯, 효율성이 높아지면 사용량이 줄어드는 것이 아니라 오히려 증가할 가능성이 높기 때문입니다.

수조 개의 파라미터(parameter)를 메모리에 저장해야 하며, Bloomberg의 추정치에 따르면 Kimi K3는 약 1.5 TB의 메모리를 필요로 할 것입니다. 이를 효과적으로 배포하려면 엄청난 양의 하이엔드 Nvidia GPU가 필요할 것이며, 이는 실제로 Kimi K3를 대규모로 실행할 수 있는 기업과 조직의 수가 매우 적을 것임을 의미합니다.

따라서 운영 비용을 절감하기 위해 Kimi K3를 활용하려는 이들조차 여전히 강력한 하드웨어, 특히 방대한 양의 메모리가 필요할 것입니다. 이는 최첨단 모델 간의 주요 경쟁이 작년 DeepSeek R1에서 처음 목격했던 것처럼 비용을 폭락시키지는 않을 것임을 시사합니다. 즉, 메모리 제조사들은 막대한 수요와 제한된 공급으로 인해 계속해서 막대한 돈을 벌어들일 것입니다.

하지만 CXMT와 같은 중국 메모리 공급업체들이 부상하고 있으며, 올해 말까지 Micron의 DRAM 웨이퍼 생산 능력을 추월할 궤도에 올라 있습니다. 더 작은 규모의 로컬 AI 모델들 또한 국내 하드웨어에 맞춰 지속적으로 최적화될 것이며, 이는 일부 거대 기술 기업들이 AI 공급망에 가하고 있는 통제력을 약화시킬 것입니다.

경쟁력 있고 효율적이지만, 다루기 힘든

Kimi K3는 업계의 파괴적 혁신가이며, 이미 AI 비용, 성능 및 접근성에 대한 의문을 제기하고 있습니다. 이는 프런티어 모델 (Frontier-model) 수준의 성능을 달성하기 위해 특정 서비스에 종속된 폐쇄형 모델 (Proprietary models)이 반드시 필요하지는 않다는 것을 보여주었습니다. 또한 실행 비용도 더 저렴하지만, Moonshot은 여전히 운영을 위해 막대한 하드웨어 투자가 필요한 희소 모델 (Sparse model)을 통해 이를 달성했습니다.

Kimi K3는 각 쿼리(Query)마다 수조 개의 파라미터 (Parameters) 중 극히 일부만을 활성화함에도 불구하고, 여전히 그 전체를 저장해야 합니다. 이 모델을 대규모로 배포하려면 연산 (Compute) 요구 사항이 그만큼 격렬하지 않더라도 상당한 메모리 용량, 대역폭 (Bandwidth) 및 상호 연결 (Interconnects)이 필요합니다.

오픈 웨이트 (Open-weight) 특성은 단기적으로 서구권의 프런티어 모델들로부터 사용처를 대체할 매우 실질적인 잠재력을 의미하지만, 그렇다고 해서 우리가 지금까지 들어온 필수 인프라에 관한 이야기가 바뀌는 것은 아닙니다. Kimi K3는 GPT 5.6 및 Fable을 실행하는 것과 동일한 종류의 하드웨어를 필요로 하며, 이는 어떤 종류의 정부 규제보다도 모델 채택에 있어 훨씬 더 큰 제한 요인이 될 가능성이 높습니다.