키미 K3, 핵심은 성능이 아니라 가격이다. 검색해 보면 온통 벤치마크 순위 자랑뿐인데, 정작 궁금한 건 "이걸 실제로 얼마에, 어떻게 쓰느냐"다. 벤치 1등 소식만 훑고 넘어가면 이 모델이 왜 화제인지 절반은 놓친다. 공식 가격표와 벤치마크 자료를 기준으로 정리했다.
문샷 AI가 내놓은 2.8조 파라미터 오픈웨이트 모델이다. 지능지수는 세계 3위권, 코드 관련 아레나에서는 상위권 모델을 제쳤다. 그런데 입력 100만 토큰당 3달러 선으로, 클로드·GPT 최상위 모델보다 확실히 싸다. 성능은 붙었고 값은 내려갔다는 게 요지다.
키미 K3 정체는
문샷 AI(Moonshot AI)가 2026년 7월 16일 API와 앱으로 공개한 모델이다. 다음 날 상하이 WAIC 개막에 맞춰 정식 발표됐고, 모델 가중치를 푸는 오픈웨이트 공개는 7월 27일로 예고돼 있다.
구조부터 특이하다. 총 2.8조(2.8T) 파라미터를 얹은 MoE(혼합 전문가) 방식인데, 토큰 하나를 처리할 때 896개 전문가 중 16개만 켠다. 덩치는 키우되 실제 연산비는 눌러 놓은 설계다. 여기에 100만 토큰 컨텍스트, 이미지를 바로 넣는 네이티브 비전, 상시 추론 모드까지 붙었다.
지금 공개돼 있는 오픈웨이트 모델 중에서는 규모가 가장 크다. 덩치만 큰 게 아니라 방향이 분명하다. 중국발 오픈 모델이 앤트로픽·오픈AI 최상위 독점 모델을 정면으로 겨눈 자리에 섰다.
성능은 진짜일까
숫자로 보면 과장이 아니다. Artificial Analysis 지능지수 57점으로 세계 3위. 클로드 페이블5(약 60점), GPT-5.6 솔(약 59점) 바로 뒤다. 세 모델이 3점 안쪽에 몰려 있다.
코드 쪽은 더 세다. LMArena 프론트엔드 코드 아레나에서 1위를 차지했다. 직전 세대 K2.6이 18위였던 걸 감안하면 한 세대 만의 도약이다. 실무 자동화 벤치마크에서도 8개 중 4개에서 선두에 올랐다.
다만 벤치 순위와 실제 체감은 별개다. 리더보드는 특정 과제 묶음에서 나온 결과라, 내 업무에 그대로 옮겨진다는 보장은 없다. 상위 세 모델의 격차가 사실상 사라진 건 맞지만, 최상위 정확도가 걸린 작업이라면 순위 몇 계단 차이가 결과를 가른다.
이 가격이 맞아?
여기가 진짜 차별점이다. 입력 100만 토큰당 3달러, 출력은 15달러. 캐시 히트가 걸리면 입력이 0.30달러까지 떨어진다. 90% 할인이다.
같은 작업을 돌렸을 때 비용으로 환산하면 차이가 선명하다. 공개된 비교 기준으로 키미 K3는 작업당 약 0.94달러, GPT-5.6 솔은 약 1.04달러, 클로드 Opus 4.8은 약 1.80달러다. 페이블 계열과 비교하면 대략 3.3배 저렴하다.
정리하면 성능은 3위인데 가격은 최하위권이다. 벤치에서 반 계단 뒤진 대신 청구서에서 절반 이상을 아낀다. 대량 호출이나 반복 작업처럼 토큰이 쌓이는 환경일수록 이 격차가 그대로 비용으로 돌아온다.
GPT·클로드와 비교
지능지수, 입력·출력 단가, 컨텍스트, 오픈웨이트 여부를 나란히 놓으면 성격이 갈린다.
키미 K3 — 지능지수 57, 입력 100만 토큰 3달러·출력 15달러, 컨텍스트 100만 토큰, 오픈웨이트 공개 예정. GPT-5.6 솔 — 지능지수 약 59, 입력 5달러·출력 30달러, 오픈웨이트 비공개. 클로드 페이블5 — 지능지수 약 60, 입력 10달러·출력 50달러, 오픈웨이트 비공개.
최상위 정확도가 결과를 좌우하는 작업이라면 상위 두 모델이 여전히 안전한 선택이다. 반대로 비용에 민감하거나, 처리량이 많거나, 가중치를 받아 직접 손보는 커스터마이즈가 필요하다면 키미 쪽으로 기운다. 하나로 정답이 정해지는 게 아니라 용도가 저울을 기울인다.
어떻게 써보나
문턱은 낮은 편이다. 앱에는 무료 티어가 있고, 유료 구독은 월 19~199달러 구간으로 나뉜다. 가볍게 성능만 확인할 거라면 앱 무료 티어로 충분하다.
개발자 쪽 진입은 더 간단하다. api.moonshot.ai/v1을 엔드포인트로 쓰고 모델 ID는 kimi-k3다. OpenAI SDK와 호환돼서 base URL만 갈아 끼우면 기존 코드가 대부분 그대로 돈다. reasoning_effort 값을 low·high·max로 조절해 추론 깊이를 바꾸는 것도 가능하다. KDA(Kimi Delta Attention) 덕에 100만 토큰 맥락에서 최대 6.3배 빠른 디코딩을 낸다고 안내한다.
기존에 OpenAI API로 짜둔 코드가 있다면 갈아끼우는 부담이 크지 않다. 이 호환성 자체가 도입 문턱을 낮추는 실질적인 이유다.
쓰기 전 주의점
두 가지는 짚고 가는 게 좋다. 첫째, 오픈웨이트 공개는 7월 27일 예정이라 그 전까지는 API와 앱으로만 쓸 수 있다. "가중치 받아서 로컬로 돌린다"는 계획이라면 일정부터 확인해야 한다.
둘째, 지금 도는 벤치 수치는 출처와 측정 시점에 따라 조금씩 갈린다. 리더보드 캡처 한 장을 근거로 순위를 못 박기보다, 내 작업에 가까운 과제로 직접 돌려 보는 편이 정확하다.
상위 글들이 대부분 "벤치 1등"만 반복하는데, 실제 도입 단계에서 더 무거운 건 따로 있다. 중국 모델에 사내 데이터를 태워도 되는지, 즉 데이터 주권과 보안 검토다. 오픈웨이트라 자체 서버에 올려 쓸 수 있다는 점이 오히려 이 고민의 해법이 되기도 한다. 성능 순위표만 보고 결정할 사안은 아니다.
자주 묻는 질문
Q. 무료로 쓸 수 있나. A. 앱에 무료 티어가 있어 기본 기능은 돈 없이 확인된다. 사용량이 늘거나 API로 넘어가면 종량제·구독 비용이 붙는다.
Q. GPT나 클로드를 대체할 수 있나. A. 용도에 따라 다르다. 최상위 정확도가 필요한 작업은 상위 모델이 앞서고, 비용·처리량·오픈웨이트가 중요하면 키미가 현실적인 대안이 된다.
Q. 오픈웨이트는 언제, 어떻게 받나. A. 7월 27일 공개 예정이다. 공개되면 가중치를 내려받아 자체 환경에서 구동할 수 있다.
한줄 총평
성능은 최상위권과 어깨를 나란히 하고, 가격은 그 절반 이하다. 최상위 정확도가 최우선이 아니라면 비용 대비 가장 합리적인 축에 든다. 오픈웨이트가 풀리는 7월 말 이후, 이 저울이 어느 쪽으로 더 기울지가 다음 관전 포인트다.