무료로 풀리는 2.8조 파라미터 AI — Kimi K3 '오픈 웨이트' 공개, 일요일 밤 무슨 일이 벌어지나

일요일 밤, 1.4테라바이트짜리 '뇌'가 인터넷에 통째로 풀립니다

상상해 볼게요. 어떤 회사가 세계 최고 수준으로 코딩하고 추론하는 인공지능을 만들었어요. 그런데 그 결과물을 자기들만 쓰는 게 아니라, 모델의 '뇌 구조' 전체를 누구나 내려받을 수 있게 인터넷에 그냥 올려버립니다. 그것도 무료로요.

바로 이번 주 일요일, 한국시간 7월 27일 오전 9시(UTC 0시)에 벌어지는 일이에요. 중국 문샷AI(Moonshot AI)가 자사 최신 모델 Kimi K3의 가중치(weights)를 통째로 공개합니다. 파일 크기만 무려 1.4테라바이트, 파라미터 수는 2조 8천억 개. 지금까지 세상에 공개된 오픈 모델 중 역대 최대 규모예요. 오늘은 이 사건이 왜 중요한지, 그리고 이게 여러분과 무슨 상관인지 쉽게 풀어드릴게요.

도대체 무슨 일이 일어나는 건가요?

먼저 타임라인부터 정리할게요. 문샷AI는 7월 16일 상하이에서 열린 세계인공지능대회(WAIC)에서 Kimi K3를 처음 공개했어요. 이때는 API로만 쓸 수 있었죠. 그런데 회사가 예고한 대로, 7월 27일 0시(UTC)에 모델의 '설계도'에 해당하는 가중치 파일 전체를 허깅페이스(Hugging Face)에 올립니다.

쉽게 말하면, 그동안은 식당에 가서 셰프가 만들어 주는 요리만 사 먹을 수 있었다면, 이제는 그 셰프의 레시피와 비법 재료까지 통째로 받아서 내 부엌에서 직접 만들 수 있게 되는 거예요. 물론 그 부엌이 어마어마하게 커야 한다는 반전이 있지만요. 그 얘기는 뒤에서 자세히 할게요.

Kimi K3, 한마디로 뭐예요?

Kimi K3는 문샷AI가 만든 초거대 언어 모델이에요. 긴 호흡의 코딩, 복잡한 추론, 여러 단계를 스스로 밟아 나가는 '에이전트' 작업에 특화되어 있습니다. 텍스트뿐 아니라 이미지도 이해하는 멀티모달 모델이고, 한 번에 100만 토큰(대략 책 여러 권 분량)을 기억할 수 있어요.

핵심 스펙만 추리면 이렇습니다. 전체 파라미터 2.8조 개, 구조는 'Stable LatentMoE'라는 전문가 혼합(MoE) 방식, 전문가는 총 896명인데 질문 하나당 그중 16명만 일합니다. 이 마지막 문장이 오늘의 절반쯤 되는 핵심이에요. 왜 그런지 지금부터 하나씩 풀어볼게요.

'2.8조 개'라는 숫자가 실감이 안 나요

파라미터가 2조 8천억 개라는 건 무슨 뜻일까요. 파라미터는 모델이 학습하면서 조정하는 '작은 손잡이'라고 생각하면 돼요. 이 손잡이 하나하나를 미세하게 돌려서 '고양이 사진'과 '강아지 사진'을 구별하고, '다음에 올 단어'를 예측합니다. 손잡이가 많을수록 더 정교하게 세상을 표현할 수 있어요.

2년 전만 해도 수백억 개짜리 모델이 '거대하다'는 소리를 들었는데, 이제는 조 단위가 예사가 됐습니다. 참고로 사람 뇌의 시냅스가 대략 100조 개 수준이라고 하니, 아직 사람 뇌에는 못 미치지만 그 격차가 무섭게 줄고 있는 셈이에요. 다만 숫자가 크다고 무조건 좋기만 한 건 아닙니다. 크면 클수록 돌리는 데 돈과 전기가 어마어마하게 들거든요. 그래서 문샷AI가 택한 영리한 방법이 다음 섹션에 나옵니다.

전문가 896명 중 16명만 일하는 회사

Kimi K3의 핵심 설계는 '전문가 혼합(Mixture of Experts, MoE)'이에요. 이걸 회사에 비유해 볼게요. 어떤 컨설팅 회사에 전문가가 896명 있다고 상상해 보세요. 세무 전문가, 법률 전문가, 코딩 전문가, 번역 전문가... 분야가 아주 촘촘하게 나뉘어 있어요.

고객이 "세금 문제 좀 봐주세요"라고 하면, 이 회사는 896명 전원을 회의실에 부르지 않아요. 그 문제에 딱 맞는 전문가 16명만 호출합니다. 나머지 880명은 쉬고 있죠. 덕분에 회사는 어마어마한 규모의 지식을 보유하면서도, 실제로 한 건을 처리할 때 드는 인건비(=계산 비용)는 확 줄일 수 있어요.

Kimi K3가 바로 이렇게 동작합니다. 2.8조 개라는 방대한 지식을 갖고 있지만, 토큰 하나를 처리할 때는 896명의 전문가 중 16명만 '켜져요'. 그래서 실제 계산량은 훨씬 작은 중형 모델 수준입니다.

그런데 왜 '활성 파라미터'가 중요할까요

앞서 16명만 일한다고 했죠. 이걸 숫자로 바꾸면, 2.8조 개 중에서 실제로 매 순간 계산에 참여하는 건 약 500억 개(50B)뿐이에요. 이걸 '활성 파라미터(active parameters)'라고 불러요.

비교해 볼게요. 경쟁 모델인 딥시크 V4 프로는 전체 1.6조 개에 활성 490억 개(49B), 전문가는 384명 구조예요. 활성 파라미터 규모는 두 모델이 비슷하지만, Kimi K3는 전체 지식 창고를 훨씬 크게 두고 그중 필요한 부분만 꺼내 쓰는 전략을 극단까지 밀어붙인 거죠. 창고는 크게, 매번 꺼내는 짐은 가볍게. 이게 요즘 초거대 모델들의 공통된 승부수예요.

100만 토큰 문맥창 — 책 한 권을 통째로 기억하는 AI

Kimi K3는 한 번에 약 104만 8천 토큰(정확히는 1,048,576)을 다룰 수 있어요. 토큰은 단어보다 조금 작은 단위인데, 대략 한글 기준으로 수십만 자에 해당합니다. 웬만한 장편 소설 한 권, 또는 두꺼운 기술 문서 여러 개를 통째로 넣고도 앞뒤 맥락을 놓치지 않는다는 뜻이에요.

이게 왜 중요하냐면, 긴 코드베이스 전체를 읽고 버그를 잡거나, 수백 페이지 계약서를 한 번에 검토하는 것 같은 '긴 호흡' 작업에서 힘을 발휘하기 때문이에요. 사람으로 치면 단기 기억력이 엄청나게 좋은 조수를 두는 셈이죠.

눈도 생겼습니다 — 네이티브 멀티모달

Kimi K3는 텍스트만 읽는 게 아니라 이미지도 기본으로 이해해요. 이걸 '네이티브 멀티모달'이라고 부릅니다. 화면 스크린샷을 보고 무슨 상황인지 파악하거나, 도표가 든 문서를 읽고 해석하는 일이 가능해요.

여기에 '항상 켜진 최대 추론(always-on max reasoning)'이라는 특징도 있어요. 쉽게 말해, 답을 급하게 내뱉기보다 항상 한 번 더 깊이 생각하고 대답하도록 설계됐다는 뜻이에요. 빠른 답보다 정확한 답에 무게를 둔 성격이라고 보면 됩니다.

1.4테라바이트의 비밀: 4비트로 꾹꾹 눌러 담기

여기서 아까 예고한 반전이 나와요. 2.8조 파라미터짜리 모델을 원래 형식(고정밀도)으로 저장하면 파일이 상상 이상으로 커집니다. 그래서 문샷AI는 'MXFP4'라는 4비트 양자화 기술로 모델을 압축했어요.

양자화를 쉽게 비유하면, 고해상도 사진을 화질을 조금 낮춰 용량을 줄이는 것과 비슷해요. 숫자 하나를 표현하는 데 쓰는 비트 수를 줄여서 전체 파일을 가볍게 만드는 거죠. 이렇게 꾹꾹 눌러 담아도 파일이 1.4테라바이트예요. 일반 노트북 SSD 몇 개를 합쳐야 겨우 들어가는 크기죠. 압축을 했는데도 이 정도라는 게, 원본이 얼마나 거대한지 실감하게 해줍니다.

'오픈 웨이트'가 정확히 무슨 뜻인가요

요즘 뉴스에 '오픈 웨이트(open weight)'라는 말이 자주 나오죠. 가중치(weight)는 앞에서 말한 '작은 손잡이'들의 값 전체를 말해요. 모델이 학습으로 얻은 지능이 고스란히 담긴, 말 그대로 모델의 알맹이입니다.

이걸 공개한다는 건, 회사가 자기 모델의 두뇌를 통째로 나눠준다는 뜻이에요. 누구나 내려받아서 자기 서버에서 돌리고, 입맛에 맞게 미세조정(파인튜닝)할 수도 있어요. 다만 주의할 점이 있어요. '오픈 웨이트'는 완성된 두뇌를 주는 것이지, 그 두뇌를 어떻게 만들었는지(학습 데이터, 훈련 코드)까지 다 주는 '오픈소스'와는 조금 달라요. 완제품은 주지만 제조 공정은 비밀인 셈이죠.

Modified MIT 라이선스 — 공짜지만 완전 공짜는 아니에요

Kimi K3의 가중치는 'Modified MIT(수정된 MIT)' 라이선스로 풀립니다. 원래 MIT 라이선스는 소프트웨어 세계에서 가장 관대한 편에 속해요. 상업적 사용, 수정, 재배포를 폭넓게 허용하죠. '수정된' MIT라는 건 여기에 몇 가지 조건을 덧붙였다는 뜻이에요.

정리하면, 개인 개발자나 기업이 큰 제약 없이 가져다 쓸 수 있을 만큼 열려 있지만, 세부 조항은 반드시 직접 확인해야 한다는 얘기예요. '무료 다운로드 = 아무 조건 없음'은 아니니까요. 그래도 이렇게 관대한 라이선스로 조 단위 모델을 푼다는 것 자체가 상당히 파격적인 결정입니다.

왜 이걸 굳이 다운로드하려 할까요

"API로 편하게 쓰면 되지, 왜 무거운 파일을 직접 받아서 고생해요?"라는 의문이 들 수 있어요. 이유는 크게 세 가지예요.

첫째, 통제권이에요. 내 서버에서 돌리면 모델이 언제 바뀔지, 언제 서비스가 중단될지 남의 사정에 휘둘리지 않아요. 둘째, 커스터마이징이에요. 우리 회사 데이터로 미세조정해서 특화 모델을 만들 수 있죠. 셋째, 가장 민감한 데이터 보안이에요. 내 데이터가 외부 서버로 나가지 않으니까요. 이 세 번째 이유가 이번 공개에서 특히 뜨거운 쟁점인데, 뒤에서 따로 다룰게요.

하지만 현실은 가혹합니다: GPU 64장의 벽

여기서 찬물을 좀 끼얹어야겠어요. 가중치가 무료라고 해서 아무나 집에서 돌릴 수 있는 건 아니에요. Kimi K3를 자체 운영하려면 최소 1.4TB의 GPU 메모리가 필요해요. 현실적으로는 80GB짜리 고성능 GPU 8장을 묶은 노드를 여러 개 연결해야 합니다.

업계 분석에 따르면 실용적인 최소 구성은 8노드(GPU 64장) 규모이고, 문샷AI 자신도 프로덕션 환경에는 64장 이상의 가속기를 갖춘 '슈퍼노드'를 권장해요. 게다가 맥이나 윈도우는 아예 대상이 아니고, 리눅스+엔비디아 GPU만 제대로 지원됩니다. 즉, '무료'지만 이걸 돌릴 하드웨어 값이 수억 원대예요. 레시피는 공짜인데 그걸 요리할 주방을 짓는 데 어마어마한 돈이 드는 셈이죠.

API로 쓸까, 직접 돌릴까 — 손익분기점 계산

그럼 언제 직접 돌리는 게 이득일까요? 흥미로운 분석이 있어요. 하루 출력 토큰이 대략 3천만 개를 넘어야 자체 운영이 API보다 저렴해진다고 해요. 그 아래로는 그냥 API를 쓰는 게 싸다는 거죠.

참고로 Kimi K3 API 가격은 입력 100만 토큰당 3달러, 출력 100만 토큰당 15달러, 캐시된 입력은 100만 토큰당 0.3달러 수준이에요. 대부분의 개인이나 중소 규모 서비스라면 손익분기점에 한참 못 미치기 때문에, 현실적으로는 API가 답입니다. 자체 운영은 하루에 어마어마한 양을 처리하는 대기업이나, 데이터를 절대 밖으로 못 내보내는 곳의 선택지예요.

진짜 이유는 '데이터 주권'입니다

그렇다면 왜 이 어려운 자체 운영을 감수하려는 걸까요. 핵심 이유 중 하나가 바로 '데이터가 어디로 가느냐'예요. Kimi K3를 문샷AI의 API로 쓰면, 여러분이 입력한 프롬프트가 중국에 있는 서버를 거칠 수 있어요. 그리고 중국에는 '국가정보법(National Intelligence Law)'이라는 게 있어서, 당국이 요청하면 기업이 데이터 협조를 해야 할 여지가 있다는 우려가 늘 따라다녀요.

바로 이 지점에서 오픈 웨이트의 진짜 가치가 나옵니다. 가중치를 직접 받아 우리 회사 서버에서만 돌리면, 프롬프트가 외부로 한 발짝도 나가지 않아요. 중국의 강력한 성능을 쓰면서도 데이터 주권은 지키는 거죠. 이번 주말 공개를 앞두고 전 세계 기업들이 "API로 쓸까, 아니면 직접 받아서 자체 운영할까"를 두고 진지하게 저울질하는 이유가 여기 있습니다.

성적표를 볼까요: 벤치마크가 말해주는 것

성능이 받쳐주지 않으면 이 모든 고민이 무의미하겠죠. 그런데 Kimi K3의 성적표가 상당히 인상적이에요. 터미널에서 실제 코딩 작업을 시키는 'Terminal-Bench 2.1' 테스트에서 Kimi K3는 88.3%를 기록했어요. 같은 기준에서 딥시크 V4 프로가 62.1%였으니, 26%포인트나 앞선 셈이에요.

더 놀라운 건, 미국의 최상위 모델인 GPT-5.6 Sol(88.8%)과 사실상 어깨를 나란히 했다는 점이에요. 겨우 0.5%포인트 차이거든요. 추론 능력을 종합한 지표에서도 Kimi K3는 클로드 페이블 5, GPT-5.6 Sol에 이어 세계 3위권으로 평가받았고, 클로드 오푸스 4.8과 비슷한 수준이라는 분석이 나와요. 오픈 웨이트 모델이, 그것도 곧 무료로 풀릴 모델이 최상위 유료 모델을 바짝 추격한 거죠.

경쟁자들과 비교: 딥시크, GLM과 나란히

중국의 오픈 모델 경쟁이 얼마나 치열한지 볼게요. Kimi K3의 라이벌로는 딥시크 V4 프로(1.6조 파라미터, 활성 49B, 전문가 384명)와 Z.ai의 GLM-5.2가 꼽혀요. 추론 종합 점수를 보면 Kimi K3가 57점, GLM-5.2가 51점, 딥시크 V4 프로(최대 추론)가 44점으로, 세 모델 중 Kimi K3가 앞서는 것으로 나타났어요.

재밌는 건 이 셋 다 중국 모델이라는 점이에요. 즉, 지금 오픈 웨이트 최상위권을 두고 벌어지는 경쟁은 미국 대 중국이 아니라 중국 랩들끼리의 내부 경쟁 양상이에요. 이게 다음 섹션의 더 큰 그림으로 이어집니다.

문샷AI는 누구인가요

Kimi를 만든 문샷AI는 중국의 대표적인 AI 스타트업 중 하나예요. 'Kimi'라는 챗봇 브랜드로 중국 내에서 이름을 알렸고, 이번 K3로 글로벌 최상위권에 도전장을 냈습니다. 7월 16일 상하이 세계인공지능대회(WAIC)에서 K3를 공개했을 때부터 업계의 이목이 집중됐어요.

흥미롭게도, 문샷AI가 K3를 공개하고 이틀 뒤 알리바바가 곧 내놓을 자사 모델 'Qwen 3.8'의 성능을 자랑하며 맞불을 놨어요. 한 회사가 치고 나가면 다른 회사가 곧바로 따라붙는, 그야말로 숨 가쁜 릴레이가 벌어지고 있는 거죠.

더 큰 그림: 오픈 웨이트 패권이 기울고 있어요

Kimi K3 하나만의 이야기가 아니에요. 지금 오픈 웨이트 AI 생태계의 무게중심이 빠르게 중국으로 이동하고 있습니다. 숫자가 이를 분명히 보여줘요. 2026년 2월 한 달간 알리바바의 Qwen은 1억 5,360만 회 다운로드를 기록했는데, 이는 그다음 여덟 개 경쟁자를 다 합친 것보다 많은 수치였어요.

더 놀라운 건, 5월 기준으로 중립적인 대형 LLM 라우터인 오픈라우터(OpenRouter)에서 소비된 전체 토큰의 약 61%가 중국 오픈 모델이었다는 점이에요. 가장 많이 쓰인 상위 5개 모델 중 4개가 중국 모델이었고, 2년 전 오픈 모델의 대명사였던 메타의 라마(Llama)는 순위에서 아예 사라졌어요. 반면 메타는 최신 '슈퍼인텔리전스 랩' 모델을 오히려 비공개로 내놓으며 정반대 길을 걷고 있죠. 미국은 최상위 모델을 걸어 잠그고, 중국은 활짝 여는 구도가 선명해지고 있어요.

[실제 사례] 기업들이 이번 주말 당장 내려야 하는 결정

이건 먼 나라 이야기가 아니에요. 실제로 지금 이 순간, Kimi K3를 평가 중인 전 세계 기업들은 일요일 전까지 하나의 결정을 내려야 해요. "우리 프롬프트를 문샷AI의 호스팅 API로 보낼 것인가, 아니면 가중치를 직접 받아 우리 인프라에서 서빙할 것인가."

예를 들어 금융이나 의료처럼 데이터 규제가 엄격한 회사라면, 성능이 아무리 좋아도 민감한 정보를 외부 API로 보내기 어려워요. 이런 곳은 수억 원을 들여서라도 GPU 클러스터를 꾸려 자체 운영을 택할 가능성이 높아요. 반대로 스타트업이나 일반 서비스는 손익분기점(하루 3천만 토큰)에 한참 못 미치니 그냥 API를 쓰는 게 합리적이죠. 같은 모델을 두고도 회사의 성격에 따라 정반대 결정이 나오는 거예요. 이번 공개가 단순한 '신모델 출시'가 아니라, 수많은 기업의 인프라 전략을 실제로 뒤흔드는 이벤트인 이유입니다.

[실제 사례] 개발자 커뮤니티의 반응과 '펠리컨 벤치마크'

개발자 커뮤니티의 반응도 뜨거워요. AI 분석가들은 K3의 공개를 두고 '오픈 웨이트 경쟁의 격화(escalation)'라고 표현했어요. 한 회사가 조 단위 모델을 무료로 풀면, 다른 회사도 뒤처지지 않으려고 더 크고 강한 모델을 공개할 수밖에 없는 군비 경쟁 같은 흐름이 만들어졌다는 거죠.

재밌는 뒷이야기도 있어요. 유명 개발자 사이먼 윌리슨은 새 모델이 나올 때마다 "자전거 탄 펠리컨을 SVG로 그려봐"라는 엉뚱한 테스트를 시켜요. 정형화된 벤치마크만으로는 잡히지 않는 모델의 '감각'을 보려는 나름의 방법인데, K3도 공개 직후 이 펠리컨 테스트의 대상이 됐죠. 이렇게 수많은 개발자가 각자의 방식으로 K3를 뜯어보고 있다는 것 자체가, 이 모델이 얼마나 큰 관심을 받고 있는지 보여줍니다.

핵심 정리

오늘 내용을 짧게 요약할게요.

첫째, 이번 주 일요일(한국시간 7월 27일 오전 9시) 중국 문샷AI가 2.8조 파라미터 모델 Kimi K3의 가중치를 무료 공개합니다. 역대 최대 규모의 오픈 웨이트 공개예요. 둘째, K3는 전문가 896명 중 16명만 일하는 MoE 구조로, 거대한 지식을 갖되 계산은 가볍게 하는 영리한 설계를 택했어요. 셋째, 4비트 압축을 해도 파일이 1.4TB라 자체 운영엔 GPU 64장급 하드웨어가 필요하니, 대부분은 API가 현실적이에요. 넷째, 그럼에도 직접 받으려는 진짜 이유는 데이터가 외부로 나가지 않는 '데이터 주권'이에요. 다섯째, 성능은 미국 최상위 모델을 바짝 추격하는 수준이고, 이번 공개는 오픈 웨이트 패권이 중국으로 기우는 흐름을 상징하는 사건이에요.

공짜로 풀리는 두뇌 하나가 전 세계 기업의 전략을 흔드는 시대. 정말 흥미로운 국면이죠?

여러분 생각은 어떠세요?

만약 여러분이 회사의 결정권자라면, 성능 좋은 중국 오픈 모델을 데이터 걱정을 감수하고 쓰시겠어요, 아니면 조금 아쉬워도 안전한 다른 선택을 하시겠어요? 오픈 웨이트가 여는 미래에 대해 어떻게 생각하시는지 댓글로 편하게 들려주세요. 여러분의 의견이 다음 글의 좋은 소재가 됩니다. 오늘도 끝까지 읽어주셔서 고맙습니다.

참고 출처

• TechTimes — Kimi K3 Open Weights Arrive Sunday: 링크
• TECHi — Kimi K3's open weights arrive July 27, the catch is 1.4TB: 링크
• Interconnects (Nathan Lambert) — Kimi K3: The open-weights escalation: 링크
• Simon Willison — Kimi K3 and the pelican benchmark: 링크
• MarkTechPost — Kimi K3 vs DeepSeek V4 Pro vs GLM-5.2: 링크
• Northflank — Kimi K3 self-hosting, hardware, pricing: 링크
• Hugging Face blog — Kimi K3 MXFP4 quantization overview: 링크
• OpenRouter — Kimi K3 API pricing & benchmarks: 링크
• Foreign Policy — China narrows US AI gap with Kimi K3, Qwen: 링크
• Data Gravity — China's Open-Weight Takeover: 링크