Kimi K3, 2.8T open model로 다시 커진 frontier 경쟁
2.8조 파라미터와 100만 토큰 context를 앞세운 Kimi K3가 HN 논쟁의 중심에 섰다. 관심은 benchmark 숫자보다 open model이 proprietary frontier와 얼마나 가까워졌는지에 모인다.
원문: Kimi K3: Open Frontier Intelligence 원문 보기 →
Kimi K3가 흥미로운 지점은 숫자의 크기만이 아니다. Moonshot AI는 Kimi K3를 2.8조 파라미터 모델로 소개하며 Kimi Delta Attention, Attention Residuals, native vision, 100만 토큰 context window를 함께 내세운다. 공개 글의 표현대로라면 proprietary 최상위 모델에는 아직 뒤지지만, long-horizon coding과 reasoning, 지식 작업에서 frontier급 성능을 노린 open 3T-class 모델이다.
커뮤니티의 관심은 곧바로 두 갈래로 갈렸다. 하나는 open weights 진영이 proprietary 모델을 어느 속도로 따라붙는가다. HN 댓글은 중국 AI lab들이 소프트웨어 지능을 빠르게 commodity로 만들고 있는지, 아니면 여전히 막대한 훈련비를 감당할 수 있는 소수 플레이어의 게임인지 따졌다. Kimi K3가 정말 Claude Fable 5나 GPT 5.6 Sol 바로 아래라면, open model의 가격과 배포 전략은 다시 계산해야 한다.
다른 축은 실제 사용 비용이다. 일부 사용자는 긴 reasoning token을 쓴 demo 비용을 계산하며, 중국 open-weight 모델치고는 높은 API 가격이라는 점을 지적했다. 100만 토큰 context와 대형 모델 추론을 제공하려면 싸게 팔기 어렵다는 현실도 함께 드러난다.
Kimi K3는 Kimi.com, Kimi Work, Kimi Code, Kimi API에서 제공된다. benchmark 표보다 중요한 질문은 이제 배포와 추론 경제성이다. open model이 frontier에 가까워질수록 사용자는 더 많은 선택지를 얻지만, 운영자는 훨씬 무거운 인프라 계산서를 받아든다.
관련 기사
텐센트 Hy4: 770B 파라미터, 1M 컨텍스트, 재귀적 자기 최적화
텐센트가 770B 총 파라미터(활성 49B)와 100만 토큰 이상의 컨텍스트 윈도우를 지원하는 Hy4 프리뷰를 오픈소스로 공개했다. 모델 자체가 추론 시스템을 자율적으로 최적화해 31.8% 성능 향상을 이끈 재귀적 자기 개선 사례다.
Qwen3.8-Flash-Next 오픈소스 공개 — Qwen4 아키텍처 미리 보기
알리바바 Qwen 팀이 Qwen4 아키텍처의 초기 프리뷰인 Qwen3.8-Flash-Next를 오픈웨이트로 공개했다. 125B 파라미터(활성 6B)와 51B N-gram 임베딩을 갖추고, Qwen3.7-Plus 대비 훈련 비용 9분의 1로 코딩·에이전트 성능에서 앞서는 결과를 보였다.
GLM-5.3-Flash 공식 출시 — 중국 AI 칩으로 구동되는 멀티모달 고효율 모델
Z.ai가 GLM-5 시리즈 최초의 네이티브 멀티모달 모델 GLM-5.3-Flash를 공개했다. 320B 총 파라미터에 18B 활성 파라미터로, 태스크당 $0.045에 Claude Opus 4.8에 근접하는 코딩·에이전트 성능을 제공한다.