문샷 AI가 7월 27일 키미 K3의 전체 가중치를 허깅페이스에 실제로 올렸어요. 7월 16일 발표 때는 앱과 API만 열고 "가중치는 7월 27일까지 내겠다"고 약속만 한 상태였는데, 그 약속을 날짜에 맞춰 지킨 거예요. 이번에 처음 드러난 조건은 아파치 같은 표준 오픈소스 라이선스가 아니라 자체 '키미 K3 라이선스'인데, 모델을 서비스로 파는 사업이 12개월 매출 2천만 달러를 넘으면 문샷과 따로 계약을 맺어야 하고 월 사용자 1억 명 또는 월 매출 2천만 달러를 넘는 제품은 화면에 'Kimi K3'를 눈에 띄게 표시해야 해요. 사내에서 쓰는 경우는 이 조건에서 빠지고요. 코딩 성적으로는 Terminal-Bench 2.1 88.3점, DeepSWE 67.5점을 내세웠고, 함께 나온 기술 보고서에는 난이도 3단계와 영역 3개로 만든 전문 모델 9개를 증류로 하나에 합쳤다는 학습 방식이 담겼어요.
용어 풀이
- 가중치(weights)
- 모델이 학습으로 얻은 수치 덩어리. 이걸 받으면 남의 서버를 거치지 않고 내 장비에서 모델을 돌릴 수 있음.
- MXFP4
- 모델 수치를 4비트로 줄여 저장하는 압축 방식. 용량과 메모리는 크게 줄지만 정밀도는 조금 손해를 봄.
- 증류(distillation)
- 이미 잘하는 모델의 답을 흉내 내도록 다른 모델을 가르치는 학습 방법.
- Terminal-Bench
- 터미널에서 명령을 직접 쳐 가며 실제 작업을 끝내는 능력을 재는 시험.
- DeepSWE
- 실제 소프트웨어 저장소의 이슈를 스스로 고치게 시켜 점수를 매기는 코딩 시험.
운영자 인사이트
내려받을 수 있게 됐다고 자체 호스팅이 현실이 된 건 아니에요. MXFP4로 압축해도 1.5테라바이트라 B200 8장을 꽉 채워야 겨우 올라가고, 램에 올리는 우회로는 초당 5~6토큰이라 코딩 에이전트에는 못 써요. 실무에서 의미 있는 건 두 가지예요. API 값이 100만 토큰당 3달러/15달러로 페이블 5(10/50)보다 싸다는 점, 그리고 라이선스의 매출 조건이 사내용에는 면제라 내부 도구에 붙일 때는 부담이 적다는 점이에요. 다만 말이 길어 작업당 비용은 기대만큼 안 떨어진다는 실측 반론도 있어요.
여러 관점으로 보기
- 1차 자료 — 모델 카드 2.8조 파라미터 중 토큰당 104억 개만 켜는 구조와 100만 토큰 문맥, 코딩 점수를 문샷이 직접 적어 뒀어요. Hugging Face
- 라이선스 원문 12개월 매출 2천만 달러, 월 사용자 1억 명이라는 두 문턱과 사내 사용 면제 조항이 그대로 적혀 있어요. Hugging Face
- 기술 보고서 공개 가중치와 같은 날 기술 보고서를 함께 올려 구조와 학습 방식을 바깥에서 뜯어볼 수 있게 됐어요. GitHub (MoonshotAI/Kimi-K3)
- 학습 방식 해설 난이도 3단계와 영역 3개로 나눠 만든 전문 모델 9개를 증류로 한 덩어리에 합쳤다는 설명이에요. Ahead of AI
- 자체 호스팅 현실 1.5테라바이트를 올리려면 B200 8장이 한계선이고 램으로 우회하면 초당 5~6토큰에 그친다는 계산이 오갔어요. Hacker News
- 값싼 대안인가 반론 토큰 단가는 싸도 답이 길어져 작업당 비용은 오픈AI 최상위 모델보다 조금 낮은 수준에 그친다고 봤어요. Alex Inch Blog