Kimi K3 오픈 데이: 2.8조 파라미터, 이제 오픈 웨이트

2026년 7월 27일, Moonshot AI는 Kimi K3 Open Day를 개최하고 서로 연결된 세 가지 출시를 발표했습니다. Kimi K3 모델 가중치, 공식 기술 발표, 그리고 세 가지 인프라 기술인 MoonEP, FlashKDA, AgentEnv입니다. 이 행사는 Kimi K3를 단순한 새로운 대규모 모델이 아니라 모델 접근성, 아키텍처, 배포 인프라를 아우르는 출시로 자리매김했습니다.

핵심 사양은 명확합니다. Kimi K3는 2조 8천억 개 파라미터를 갖춘 오픈 웨이트 모델로, 전문가 혼합(MoE) 아키텍처를 기반으로 구축되었습니다. Moonshot AI는 896개의 전문가, 토큰당 활성화되는 16개의 전문가, 100만 토큰 컨텍스트 윈도우, 3:1 비율의 KDA + AttnRes, MoonViT-V2, 그리고 보고된 2.5배의 스케일링 효율 개선을 포함한 주요 기술 세부 정보를 공개했습니다.

오픈 웨이트라는 용어는 중요합니다. 오픈 웨이트는 정의된 조건에 따라 학습된 모델 가중치를 사용할 수 있게 제공한다는 의미입니다. 이는 일반적으로 소스 코드, 학습 데이터, 도구 및 재현 파이프라인에 대한 더 폭넓은 접근을 의미하는 완전한 오픈소스를 자동으로 뜻하지는 않습니다. 그럼에도 오픈 웨이트 접근은 개발자와 조직이 주요 AI 모델을 배포, 검토하고 이를 기반으로 구축하는 방식을 바꿀 수 있습니다.

Moonshot AI는 “오픈 웨이트 모델은... 지능에 접근하는 장벽을 낮추고, 혁신을 촉진하며, 사용자에게 데이터, 프라이버시 및 소유권에 대한 더 큰 통제권을 부여한다.”라고 말하며 이 접근 방식의 가치를 요약했습니다.

Open Day 행사: 세 가지 핵심 출시

Kimi K3 Open Day는 세 가지 출시 범주를 중심으로 진행되었습니다.

첫째, Moonshot AI는 Kimi K3 모델 가중치를 공개했습니다. 이것이 핵심 오픈 웨이트 발표입니다. 개발자에게 가중치 접근은 호스팅 전용 API보다 더 유연한 배포를 가능하게 할 수 있으며, 특히 팀이 인프라, 지연 시간, 프라이버시 또는 데이터 상주 위치를 제어해야 할 때 유용합니다.

둘째, Moonshot AI는 Kimi K3 기술 보고서를 공개했습니다. 이는 대규모 모델 발표를 파라미터 수만으로 평가할 수 없기 때문에 중요합니다. 아키텍처, 라우팅 전략, 장문 컨텍스트 설계, 멀티모달 기능 및 효율성 주장이 모델의 실질적 유용성을 결정합니다.

셋째, Moonshot AI는 MoonEP, FlashKDA, AgentEnv를 출시했습니다. 이 인프라 기술들은 전문가 통신, 어텐션 성능 및 에이전트 실행을 대상으로 합니다. 이들의 포함은 Kimi K3 Open Day가 단순한 모델 출시가 아니라 초대형 오픈 웨이트 모델을 더욱 효과적으로 사용하기 위한 인프라 출시이기도 했음을 보여 줍니다.

모델: 주요 사양

Kimi K3는 2조 8천억 개 파라미터의 MoE 모델입니다. 전문가 혼합 아키텍처에서는 각 토큰에 대해 모델의 일부만 활성화됩니다. 라우터가 전문가의 하위 집합을 선택하므로, 시스템은 비슷한 규모의 밀집형 모델보다 적은 활성 연산으로 매우 큰 총 용량을 결합할 수 있습니다.

Moonshot AI에 따르면 Kimi K3는 896개의 전문가를 갖추고 있으며, 토큰당 16개의 전문가가 활성화됩니다. 이 설계는 모델의 효율성 특성에서 핵심적입니다. 추론 중 선택적 활성화를 사용하면서도 모델이 막대한 전체 용량을 보유할 수 있게 합니다.

100만 토큰 컨텍스트 윈도우는 가장 실용적인 사양 중 하나입니다. 장문 컨텍스트는 모든 입력을 작은 조각으로 분할하지 않고도 전체 문서 분석, 대규모 코드베이스 검토, 다중 파일 추론, 법률 또는 금융 문서 워크플로 및 더 긴 에이전트 작업을 지원할 수 있습니다.

Kimi K3 는 또한 장문 컨텍스트 전략과 연계된 하이브리드 어텐션 설계인 3:1 비율의 KDA + AttnRes를 사용합니다. 이 모델은 비전 아키텍처로 MoonViT-V2를 포함하며, 이는 순수 텍스트 전용 시스템이 아닌 네이티브 멀티모달 기능을 나타냅니다. Moonshot AI는 또한 2.5배의 스케일링 효율 개선을 보고했으며, 이는 Kimi K3가 규모뿐 아니라 더 실용적인 학습 및 추론 경제성도 고려해 설계되었음을 시사합니다.

인프라 출시: MoonEP, FlashKDA, AgentEnv.

오픈 웨이트 모델에도 여전히 이를 뒷받침할 강력한 시스템이 필요합니다. 대규모 MoE 모델은 효율적인 통신, 고속 어텐션 커널, 안전한 실행 환경에 의존합니다. Moonshot AI의 인프라 출시는 이러한 요구를 직접적으로 해결합니다.

MoonEP: MoE 전문가 통신

MoonEP는 MoE 전문가 병렬화를 위한 통신 라이브러리입니다. MoE 시스템에서는 토큰이 서로 다른 전문가에게 라우팅되며, 이 전문가들은 여러 장치에 분산될 수 있습니다. 이로 인해 처리량을 제한하고 지연 시간을 증가시킬 수 있는 통신 문제가 발생합니다.

896개의 전문가와 토큰당 16개의 활성화 전문가를 갖춘 Kimi K3에서 전문가 라우팅은 주요 시스템 문제입니다. MoonEP는 분산 전문가 통신을 개선하고 대규모 MoE 배포의 병목 현상을 줄이도록 설계되었습니다.

FlashKDA: 더 빠른 장문 컨텍스트 어텐션

FlashKDA는 KDA에 최적화된 어텐션 커널입니다. 프리필 연산 비용이 커질 수 있는 장문 컨텍스트 워크로드에서 그 역할은 특히 중요합니다. Moonshot AI는 FlashKDA가 flash-linear-attention 기준선과 비교해 Nvidia H20 GPU에서 프리필 성능 1.72배에서 2.22배의 속도 향상을 제공한다고 보고했습니다.

이는 100만 토큰 컨텍스트 윈도우가 효율적으로 제공될 수 있을 때만 유용하기 때문에 중요합니다. 더 빠른 어텐션 커널은 장문 문서 분석, 코드 검토, 연구 워크플로 및 다단계 추론을 프로덕션 환경에서 더 실용적으로 만들 수 있습니다.

AgentEnv: AI 에이전트를 위한 샌드박스

AgentEnv는 KVCache.ai와 공동 개발한 에이전트 샌드박스 시스템입니다. 단계 실행, 작업 테스트, 상태 분기, 이전 상태 복원 또는 병렬 분기 실행이 필요한 에이전트를 위해 격리된 샌드박스 환경을 제공합니다.

에이전트 워크플로는 흔히 텍스트 생성 이상을 포함합니다. 파일, 도구, 코드 실행 및 다단계 의사 결정을 사용할 수 있습니다. 샌드박스는 실험을 지원하면서 에이전트 동작을 외부 시스템과 분리하는 데 도움이 됩니다. AgentEnv의 스냅샷, 복원 및 포크 기능은 에이전트가 최종 결과를 생성하기 전에 여러 경로를 탐색해야 할 때 유용합니다.

오픈 웨이트가 중요한 이유

오픈 웨이트 접근은 모델 제공업체와 개발자 간의 관계를 바꿉니다. 폐쇄형 호스팅 API는 강력할 수 있지만, 인프라, 호스팅, 데이터 흐름 및 운영상 제한은 여전히 제공업체가 통제합니다. 오픈 웨이트 모델은 자격을 갖춘 팀에 모델을 자체 시스템에 배포, 조정, 최적화 및 통합할 더 많은 여지를 제공합니다.

기업에게 가장 큰 장점은 배포 및 데이터 제어입니다. 민감한 문서, 내부 코드, 법률 기록, 고객 정보 및 금융 자료에는 프라이빗 인프라가 필요할 수 있습니다. 오픈 웨이트 접근은 데이터 거버넌스, 프라이버시 및 소유권이 핵심 요구 사항인 로컬 또는 프라이빗 클라우드 배포를 지원할 수 있습니다.

개발자에게 오픈 웨이트 접근은 더 깊은 기술 통합을 가능하게 합니다. 팀은 추론 스택을 최적화하고, 적응 방법을 테스트하며, 모델의 강점을 중심으로 워크플로를 구축할 수 있습니다. Kimi K3의 MoE 규모, 100만 토큰 컨텍스트, MoonViT-V2 비전 기능 및 인프라 출시는 특화된 애플리케이션을 위한 기반을 마련합니다.

오픈소스와의 구분은 여전히 필수적입니다. 오픈 웨이트가 학습 데이터, 소스 파이프라인 또는 완전한 재현 방법을 자동으로 제공하는 것은 아닙니다. 하지만 모델 접근, 프라이빗 배포 또는 성능과 프라이버시에 대한 더 많은 통제가 필요한 팀에게 실질적인 장벽을 낮출 수 있습니다.

결론: 모델 및 인프라 출시

Kimi K3 Open Day는 모델 접근성, 기술 공개, 배포 인프라라는 세 계층에 걸친 조율된 출시로 이해하는 것이 가장 적절합니다. 2조 8천억 개 파라미터 MoE 모델이 발표의 중심이지만, 기술 보고서와 인프라 도구 역시 그보다 폭넓은 중요성을 이해하는 데 핵심적입니다.

공식 사양은 상당합니다. 총 2.8T 파라미터, 토큰당 16개가 활성화되는 896개 전문가, 100만 토큰 컨텍스트 윈도우, 3:1 비율의 KDA + AttnRes, MoonViT-V2, 그리고 보고된 2.5배의 스케일링 효율 개선입니다. MoonEP, FlashKDA 및 AgentEnv는 Moonshot AI가 대규모 오픈 웨이트 모델을 효과적으로 운영하는 데 필요한 시스템도 다루고 있음을 보여 줍니다.

Kimi K3는 완전한 오픈소스로 설명되지는 않으며, 오픈 웨이트입니다. 그럼에도 Moonshot AI는 가중치, 기술 세부 정보 및 지원 인프라를 공개함으로써 Kimi K3를 대규모 오픈 웨이트 AI 개발에서 중요한 사건으로 만들었습니다.

자주 묻는 질문(FAQ)

Q: Kimi K3란 무엇인가요?

A: Kimi K3는 Moonshot AI의 2조 8천억 개 파라미터 오픈 웨이트 전문가 혼합 AI 모델로, 2026년 7월 27일 Kimi K3 Open Day에서 발표되었습니다.

Q: 오픈 웨이트란 무엇을 의미하나요?

A: 오픈 웨이트는 정의된 라이선스 조건에 따라 학습된 모델 가중치에 접근할 수 있다는 의미입니다. 이는 일반적으로 소스 코드, 데이터 및 재현 파이프라인에 대한 더 폭넓은 접근을 의미하는 오픈소스와 다릅니다.

Q: Kimi K3와 함께 어떤 인프라 기술이 출시되었나요?

A: Moonshot AI는 MoonEP, FlashKDA, AgentEnv를 출시했습니다. MoonEP는 MoE 통신을 지원하고, FlashKDA는 KDA 어텐션을 가속하며, AgentEnv는 AI 에이전트를 위한 샌드박스 시스템을 제공합니다.

Q: 가장 중요한 Kimi K3 사양은 무엇인가요?

A: Kimi K3는 총 2.8T 파라미터, 토큰당 16개가 활성화되는 896개 전문가, 100만 토큰 컨텍스트 윈도우, 3:1 비율의 KDA + AttnRes, MoonViT-V2 및 2.5배의 스케일링 효율 개선을 갖추고 있습니다.

이 Kimi K3 분석을 Pi로 세련된 PPT로 만들어, 복잡한 AI 발전 내용을 명확하고 쉽게 발표할 수 있도록 하세요.