결론부터 말하면, 문샷(Moonshot AI)의 키미 K3는 ‘제2의 딥시크’라 불리지만 성격은 정반대다. 2025년 초 딥시크가 ‘가격 파괴’로 세상을 놀라게 했다면, 2026년 7월 16일 공개된 키미 K3는 **가격이 아니라 ‘프런티어급 성능을 오픈웨이트로 푼 것’**으로 판을 흔들었다. 지능지표(Artificial Analysis Intelligence Index) 약 57점으로 현존 모델 중 상위권(집계 기준에 따라 3~4위)에 데뷔했고(Artificial Analysis, MarkTechPost), 국내 언론(파이낸셜뉴스 「中 AI ‘키미 K3’의 역습」)이 ‘제2의 딥시크’로 소개할 만큼 미국 빅테크·반도체 주가의 투자심리를 흔들었다. 이 글은 K3가 어떤 형태의 서비스인지, 요금제는 어떻게 짜였는지, 그래서 실제로 경제성이 있는지를 딥시크·클로드·GPT와 나란히 놓고 따져본다. (특정 모델·종목 추천이 아니라 일반적 정보 분석이다.)

코드 편집기 화면 Photo by Ilya Pavlov on Unsplash

키미 K3란 무엇인가 — 서비스의 세 얼굴

키미 K3를 한 줄로 정의하면 **‘2.8조 파라미터 규모의 멀티모달 추론·에이전트 모델’**이다. 구조는 희소 혼합전문가(Stable LatentMoE)로, 토큰마다 896개 전문가 중 16개만 골라 활성화한다(MarkTechPost). 즉 ‘덩치는 2.8조지만 매번 그 전부를 굴리지는 않는’ 방식으로 거대 규모와 추론 효율을 함께 잡았다. 컨텍스트 창은 100만(1,048,576) 토큰, 이미지까지 읽는 네이티브 비전을 갖췄고, 추론이 항상 켜져 있는(always-on reasoning) 것이 특징이다.

중요한 건 K3가 하나의 제품이 아니라 세 가지 형태로 동시에 제공된다는 점이다.

  • ① 오픈웨이트(open-weight) — 모델의 핵심 가중치를 누구나 내려받아 자체 서버에서 돌릴 수 있게 공개한다. 문샷은 K3 가중치를 2026년 7월 27일까지 전면 공개하겠다고 예고했고, 라이선스는 수정 MIT(Modified MIT)로 ‘월 활성사용자 1억 명 초과 시에만 귀속 표기’라는 조항 하나만 붙였다. 사실상 대부분의 개발자·기업에겐 제약 없는 오픈소스다.
  • ② API — 문샷 공식 플랫폼(platform.kimi.ai)과 OpenRouter 등에서 토큰 단위로 과금해 쓴다. 자체 인프라 없이 바로 붙여 쓰는 경로다.
  • ③ 소비자 앱·구독 — kimi.com과 iOS 앱에서 챗봇 형태로 쓴다. 무료 티어로 체험하고, 유료 구독으로 컨텍스트·에이전트 크레딧·코드 배수를 늘린다.

이 ‘오픈웨이트 + API + 앱’의 3중 구조 자체가 전략이다. 무료로 뿌려 생태계를 넓히고(오픈웨이트), 편의를 원하는 사용자에겐 API·구독으로 매출을 낸다. K3가 겨냥한 주 용도도 분명하다 — 단순 질문답변이 아니라 대규모 저장소를 넘나드는 장기 코딩, 도구 사용, 디버깅, 이미지·로그·테스트·실행결과를 보며 반복하는 에이전트 작업이다.

요금제 뜯어보기 — API와 앱 구독

가장 궁금한 요금부터 보자. K3는 API와 소비자 구독이 완전히 다른 체계다.

API 요금 (100만 토큰당)

항목가격비고
입력 (캐시 미스)$3.00새 컨텍스트
입력 (캐시 히트)$0.30반복 컨텍스트, 90% 할인
출력$15.00추론 토큰 포함
컨텍스트 창1M(1,048,576) 토큰길이별 할증 없음(균일가)

출처: Kimi API Platform·eesel AI (2026년 7월 기준). 세금 별도.

소비자 앱 구독 (월 기준)

티어월 요금연납 시 월 환산
Free$0—
Moderato$19$15
Allegretto$39$31
Allegro$99$79
Vivace$199$159

출처: eesel AI. 중국 내수 기준 ¥199(약 $28)부터 시작하며, 2026년 7월 15일8월 11일 충전 보너스 1030% 이벤트가 있었다. 무료 티어에서도 앱·kimi.com에서 표준 사용량 한도 내로 K3를 체험할 수 있다.

포인트는 두 가지다. 첫째, API는 1M 토큰 컨텍스트 전 구간이 균일가라 긴 문서·대형 코드베이스를 넣어도 ‘롱컨텍스트 할증’이 없다. 클로드·GPT가 긴 입력에 프리미엄을 매기는 것과 대비된다. 둘째, 앱 구독은 Free→Vivace까지 5단계로, 상위 티어일수록 쓸 수 있는 컨텍스트 길이·에이전트 크레딧·‘키미 코드’ 배수가 커진다. 즉 무겁게 쓰는 개발자일수록 상위 구독이 유리한 설계다.

데이터센터 서버 Photo by panumas nikhomkhai on Pexels

경제성 분석 — 그래서 싼가, 비싼가

핵심 질문이다. 결론은 “절대 단가는 싸지 않다. K3의 경제성은 가격표가 아니라 ‘반복작업 캐싱’과 ‘성능당 비용’에서 나온다.”

먼저 포지셔닝을 보자. K3의 $3/$15(입력/출력)는 딥시크식 초저가가 아니다. 앤스로픽 클로드 소네트와 똑같은 값이고, GPT-5.6 Sol(약 $2.5/$15)·제미나이 3 Pro(약 $2/$12)보다 오히려 조금 비싸다. 대신 클로드 오푸스(약 $5/$25)보다는 싸다(eesel AI). 반대로 같은 중국 진영의 딥시크 V4와 비교하면, 출력 토큰 기준 약 13~21배 비싸다(저가형 V4 Flash 대비 약 21배, 상위 V4 Pro의 블렌디드 기준으로도 13배 안팎). 한마디로 K3는 ‘가격으로 싸움을 거는’ 모델이 아니라 ‘프런티어 성능을 프런티어보다 조금 싼 값에, 게다가 오픈으로’ 파는 모델이다.

출력 100만 토큰당 API 가격 비교 (낮을수록 저렴, 단위 $) 딥시크 V4 ~$0.7 제미나이 3 Pro ~$12 GPT-5.6 Sol ~$15 키미 K3 $15 클로드 소네트 $15 클로드 오푸스 ~$25
키미 K3는 초저가 딥시크가 아니라 클로드 소네트와 같은 '프런티어 가격대'에 위치한다. 값은 시점·구간에 따라 변한다. 출처: eesel AI 등.

그렇다면 경제성은 어디서 나오나. 세 가지다.

첫째, 프롬프트 캐싱. K3의 진짜 무기는 캐시 히트 가격 $0.30이다(eesel AI). 같은 컨텍스트(대형 코드베이스, 긴 지시문)를 반복해서 보내는 코딩·에이전트 작업에서는 캐시 적중률이 90%를 넘기기 일쑤인데, 이 경우 반복분의 입력비가 $3.00에서 $0.30으로 90% 떨어진다. 직접 계산해 보면 효과가 뚜렷하다. 10만 토큰이 캐시되고 신규 입력 2천·출력 3천 토큰이 붙는 전형적 코딩 호출을 예로 들면 — 캐시가 없을 땐 입력 10.2만×$3 + 출력 3천×$15 = 약 $0.351, 캐시가 적중하면 10만×$0.30 + 2천×$3 + 출력 3천×$15 = 약 $0.081로, 약 77% 저렴해진다(요금표에 근거한 자체 계산 예시). K3의 요금 구조가 ‘반복 컨텍스트가 많은 워크로드’에 최적화됐다는 뜻이다.

둘째, 성능당 비용. K3는 코딩 특화 벤치마크에서 같은 오픈 진영을 큰 폭으로 앞선다. 문샷 자체 하니스 기준 DeepSWE 67.5(GLM-5.2 46.2), FrontierSWE 81.2(GLM-5.2 67.3)로 측정됐다(MarkTechPost). 토큰 단가가 조금 비싸도, 한 번에 문제를 더 많이 풀어내면 ‘작업 하나를 끝내는 총비용’은 낮아질 수 있다. 경제성은 토큰 단가가 아니라 작업 완수 비용으로 봐야 한다는 얘기다.

코딩 벤치마크 비교 (높을수록 우수, 점) DeepSWE · K3 67.5 DeepSWE · GLM-5.2 46.2 FrontierSWE · K3 81.2 FrontierSWE · GLM-5.2 67.3
코딩 하니스에서 K3(레드)가 오픈 경쟁 모델 GLM-5.2를 앞선다. 벤더 자체 측정치로, 독립 검증치와 다를 수 있다. 출처: MarkTechPost.

셋째, 오픈웨이트라는 선택지. 7월 27일 가중치가 공개되면 대규모·민감 데이터를 다루는 조직은 K3를 자체 인프라에 올려 토큰당 API 비용 없이 돌릴 수 있다. 데이터 주권·규제 대응까지 감안하면 API 단가만으로는 잡히지 않는 가치다. 다만 2.8조 파라미터를 자가 호스팅하려면 그만한 GPU·운영 역량이 필요해, 셀프호스팅의 경제성은 ‘충분히 큰 사용량’에서만 성립한다.

경제성의 함정도 있다. K3는 추론이 항상 최대치로 켜져 있어(reasoning_effort=max 고정) 출력 토큰(추론 과정 포함)을 많이 쓴다. 더 싼 비추론 버전이 없다. 그래서 단순 요약·분류·챗봇처럼 추론이 필요 없는 작업에 K3를 쓰면 ‘과한 사양에 과한 비용’이 된다. K3의 경제성은 어디까지나 장기 코딩·복잡한 에이전트 워크로드에 한정된다.

‘제2의 딥시크’인가 — 시장이 주목한 이유

첨부한 파이낸셜뉴스 보도의 논지처럼, K3 공개는 단순한 신모델 출시를 넘어 투자 이슈로 번졌다. 고성능 AI 모델이 저비용·오픈으로 쏟아질수록, 미국 빅테크가 쏟아붓는 천문학적 AI 설비투자(capex)가 ‘과연 그만한 값을 하느냐’는 의문이 커지기 때문이다. 실제로 K3 공개 직후 관련 반도체·빅테크 종목의 투자심리가 흔들렸고, 시장은 마이크로소프트 등 대형 클라우드의 자본지출 유지 여부에 촉각을 세웠다.

월가의 평가도 이를 뒷받침한다. 모건스탠리는 “중국의 최첨단 대규모언어모델이 규모·성능·가격 세 축에서 **종합적 추격(comprehensive catch-up)**을 달성했다”고 진단했고(futunn), 골드만삭스는 “중국 오픈소스 모델이 글로벌 채택에서 결정적 변곡점에 도달했으며 고급 모델 경쟁이 격화하고 있다”고 평가했다(futunn). 2025년 초 딥시크가 ‘싼값’으로 시장을 흔들었다면, K3는 ‘성능+개방’으로 같은 종류의 충격을 다시 준 셈이다.

다만 냉정히 볼 대목도 있다. 지능지표 상위권 ‘데뷔’가 곧 ‘실사용 최고’를 뜻하지는 않고, 벤치마크 순위는 측정 방법·버전에 따라 출렁인다. 벤더 자체 측정치와 독립 검증치의 간극도 늘 염두에 둬야 한다. ‘충격’의 강도와 별개로, 실제 도입 판단은 자기 워크로드에서의 검증을 거쳐야 한다.

역사적 맥락 — 오픈웨이트라는 후발주자의 무기

K3의 개방 전략은 갑자기 나온 것이 아니다. 후발주자가 앞선 자를 따라잡을 때 ‘표준을 공짜로 푸는’ 수법은 IT 역사에서 반복돼 왔다. 19902000년대 리눅스가 값비싼 유닉스에 맞서 소스를 열어 서버 생태계를 장악했고, 20072008년 구글 안드로이드가 오픈소스(AOSP)로 스마트폰 OS 표준을 가져갔다. 더 거슬러 가면 1998년 넷스케이프가 브라우저 소스를 공개해(모질라) 마이크로소프트 IE의 독점에 맞선 것도 같은 문법이다 — 시장 열세를 ‘개방’으로 되받아친다. ‘내가 가장 앞서지 못한다면, 판 자체를 공유지로 만들어 선두의 독점 이익을 무너뜨린다’ — 이 논리를 중국 AI가 그대로 잇고 있다.

경제사학자 알렉산더 거센크론이 1962년 저서 『역사적 관점에서 본 경제적 후진성』에서 정리한 **‘후발성의 이점(advantages of backwardness)‘**도 여기에 겹친다. 뒤늦게 출발한 쪽은 선두의 시행착오를 건너뛰고, 자본·기술의 제약을 우회 전략으로 메우며 더 빠르게 따라붙는다. 거센크론이 19세기 독일·러시아에서 본 것은 ‘자본 부족을 대형은행·국가가 우회로로 메운’ 그림이었는데, 2020년대 중국 AI에서 그 우회로는 국가 보조·오픈웨이트 생태계·캐싱 최적화로 형태만 바뀌었을 뿐 ‘제약을 제도적 대체물로 건너뛴다’는 논리는 동일하다. 딥시크가 ‘효율’로, K3가 ‘개방+성능’으로 비대칭 돌파를 시도하는 지금은 그 전형이다. 미국 최첨단 반도체 수출 통제라는 ‘목줄’을 찬 채 이룬 성취라는 점에서, 제약이 오히려 우회 혁신을 강제한 사례이기도 하다.

So What — 한국 개발자·기업에 주는 의미

키미 K3가 던지는 실무적 메시지는 명확하다. 첫째, ‘프런티어급 오픈 모델’이라는 새 선택지가 생겼다. 지금까지 클로드 오푸스·GPT 최상위를 써야 했던 장기 코딩·복잡한 에이전트 파이프라인이라면, K3는 비슷한 성능을 조금 더 싸게, 게다가 가중치까지 받아 쓸 수 있는 대안이 된다. 반복 컨텍스트가 많은 작업일수록 캐싱 덕에 실효 비용이 크게 떨어진다.

둘째, 그러나 만능이 아니다. 단순 챗봇·요약·분류처럼 추론이 필요 없는 작업엔 딥시크·큐원 같은 저가 모델이 여전히 압도적으로 경제적이다. always-on 추론과 $15 출력 단가는 ‘무거운 작업’에 최적화된 값이지, 가벼운 작업엔 낭비다. 모델 선택의 축이 ‘싸냐 비싸냐’에서 ‘내 작업이 추론·에이전트형이냐 단순형이냐’로 옮겨가고 있다.

결국 K3가 보여주는 진짜 그림은 이것이다 — 중국 AI가 ‘싼 모델’을 넘어 **‘프런티어 성능을 오픈으로 푸는 단계’**에 들어섰다는 것. 성능의 최전선은 여전히 미국이 쥐고 있지만, 그 최전선 ‘바로 아래’를 오픈웨이트가 빠르게 채우고 있다. 한국의 1인 개발자든 스타트업이든, 이제 ‘무엇을 쓸까’의 답은 하나가 아니라 워크로드별 포트폴리오여야 한다. (본 글은 일반적 정보 분석이며 특정 종목·제품의 투자·구매 권유가 아니다. 가격·성능 수치는 시점에 따라 갱신되므로 도입 시 최신 자료를 확인하기 바란다.)

자주 묻는 질문 (키미 K3)

Q1. 키미 K3는 무료인가요? 소비자 앱(kimi.com·iOS)에는 무료 티어가 있어 표준 사용량 한도 내에서 체험할 수 있습니다. 다만 대량으로 쓰려면 월 $19(Moderato)~$199(Vivace) 구독이나, 토큰당 과금하는 API가 필요합니다. 또 7월 27일 가중치가 공개되면 직접 내려받아 자체 서버에서 돌릴 수도 있습니다.

Q2. API 요금은 얼마인가요? 100만 토큰당 입력 $3.00, 출력 $15.00이며, 반복 컨텍스트(캐시 히트)는 입력이 $0.30으로 90% 저렴합니다. 컨텍스트 창은 100만 토큰이고 길이별 할증이 없습니다. 클로드 소네트와 같은 가격대입니다.

Q3. 딥시크보다 비싼데 왜 쓰나요? 성능이 다르기 때문입니다. K3는 장기 코딩·복잡한 에이전트 작업에서 강하고, 캐싱을 잘 활용하면 반복작업의 실효 비용이 크게 낮아집니다. 반대로 단순 요약·챗봇이라면 딥시크가 훨씬 경제적입니다. ‘작업 종류’에 따라 고르는 것이 핵심입니다.

Q4. K3는 오픈소스인가요? 가중치를 공개하는 오픈웨이트 모델입니다. 라이선스는 수정 MIT로, 월 활성사용자 1억 명 초과 시에만 귀속 표기 조항이 적용됩니다. 대부분의 개발자·기업에겐 사실상 제약 없이 쓸 수 있습니다.

이 글은 2026년 7월 공개된 자료를 바탕으로 한 일반적 해설이며, 특정 기업·종목·제품의 투자·구매를 권유하는 조언이 아니다. 벤치마크·가격은 시점과 측정 방법에 따라 갱신되므로 실제 도입 시 최신 자료를 확인하기 바란다.