open-weight 모델 경쟁의 숫자가 2.8T까지 올라갔다. Moonshot AI의 Kimi K3는 1M-token context, native vision, long-horizon coding을 한 묶음으로 내세운 모델이며, 회사는 이를 “3T-class” open model이라고 설명한다. 중요한 지점은 단순한 모델 카드 추가가 아니라, 대형 폐쇄형 모델이 장악해 온 agentic coding과 지식 업무 영역에 공개 가중치 계열이 다시 압박을 넣는다는 점이다.

Kimi K3 기술 블로그에 따르면 모델은 Kimi Delta Attention과 Attention Residuals를 기반으로 하고, Mixture of Experts 구조에서 896개 expert 중 16개를 활성화한다. Moonshot은 이 조합이 Kimi K2 대비 약 2.5배 높은 scaling efficiency를 만든다고 주장한다. 아직 독립 검증이 충분히 쌓인 단계는 아니지만, 공개된 수치만으로도 open-weight 진영의 새 기준선을 크게 끌어올린 셈이다.

개발자 입장에서 눈에 띄는 부분은 availability다. Kimi K3는 현재 Kimi.com, Kimi Work, Kimi Code, Kimi API에서 제공되며, 전체 모델 가중치는 2026년 7월 27일까지 공개될 예정이다. 즉 지금 당장은 API와 제품 환경에서 먼저 검증하고, 이후에는 self-hosting·fine-tuning·inference 파트너 생태계가 따라붙는 흐름이다. Moonshot도 inference partner와 open-source maintainer와 기술 세부사항을 맞추고 있다고 밝혔다.

성능 주장은 coding 쪽에 집중돼 있다. Moonshot은 Kimi K3가 대형 codebase를 탐색하고 terminal tools를 조율하며, screenshot이나 visual feedback을 이용해 game development·frontend engineering·CAD 같은 작업을 개선할 수 있다고 설명한다. 내부 사례로는 GPU kernel optimization, MiniTriton compiler 개발, 48시간 자율 chip design 실험, 그리고 20개 이상 논문을 검토해 3,000줄 이상의 Python code를 생성한 computational astrophysics 재현 작업이 제시됐다.

다만 이 기사에서 봐야 할 핵심은 “최강 모델”이라는 단정이 아니다. Moonshot은 Kimi K3의 전체 성능이 Claude Fable 5와 GPT 5.6 Sol 같은 최상위 proprietary model에는 아직 뒤진다고 적었다. 그럼에도 2.8T 규모, 1M context, native multimodality, 공개 예정 가중치가 동시에 등장했다는 사실은 기업의 모델 선택지를 넓힌다. 앞으로 확인할 부분은 7월 27일 공개될 full weights, technical report의 재현 가능한 benchmark, 그리고 실제 inference cost와 latency다.

#kimi-k3

Kimi K3, 2.8T open-weight로 frontier 모델 경쟁 압박