문샷 AI는 공식적으로 키미 K3를 출시했습니다. 이 2.8조 매개변수 모델은 100만 토큰 컨텍스트와 네이티브 멀티모달 기능을 제공하며, 현재 Kimi.com, Kimi Work, Kimi Code, Kimi API에서 이용 가능합니다. 진짜 뉴스의 핵심은 단순히 규모에 관한 것이 아닙니다: 초장기적 맥락, 추론 효율성, 장기 대리 과제를 같은 열린 가중치 경로에 배치하려는 시도입니다.
수백만 개의 맥락이 먼저 속도를 해결합니다
초장기 컨텍스트의 병목 현상은 종종 '들어갈 수 있느냐'가 아니라 지연과 캐시 비용을 디코딩하는 것입니다. Kimi Delta Attention(KDA)는 하이브리드 선형 주의를 사용하며, 공식 성명에 따르면 백만 토큰 시나리오에서 최대 6.3배 빠른 디코딩이 가능하다고 합니다.
이로 인해 Kimi K3의 100만 회가 단순한 스펙 전시가 아니라 연속 사용에 더 가까워졌습니다. 대규모 코드베이스, 지속적인 연구, 문서 간 분석 앞에서 속도는 에이전트가 진정으로 자신의 작업을 완수할 수 있는지를 결정합니다.
깊은 정보 흐름은 교육 비용을 낮춥니다
또 다른 핵심 설계 특징은 주의 잔차(Attention Residuals, AttnRes)입니다. 더 이상 단순히 표현의 층을 쌓는 것이 아니라 다양한 깊이의 정보를 선택적으로 가져옵니다; 공식 자료에 따르면 추가 비용은 2% 미만이며, 훈련 효율성은 약 25% 향상되었습니다.
Stable LatentMoE와 결합하면, Kimi K3는 토큰당 896명의 전문가 중 16명을 활성화합니다. Moon's Dark Side는 전체 확장 효율이 K2의 약 2.5배라고 주장하며, 컴퓨팅 자원을 모델 능력으로 보다 효율적으로 전환하는 데 중점을 두고 있습니다.
장기 기관이 주요 전쟁터가 되었습니다
Kimi K3는 장기적인 프록시 코딩, 지식 작업, 추론을 위해 설계되었으며, 최소한의 인간 개입으로 대규모 코드베이스를 처리하고 터미널 도구를 호출할 수 있으며, 시각적 피드백을 통해 프론트엔드, 게임 개발, CAD 작업을 발전시킬 수 있습니다.
이 포지셔닝은 또한 다중 플랫폼 동기식 배포를 설명해줍니다: 모델은 단순히 질문에 답하는 데 그치지 않고, 워크플로우 몇 시간 내에 지속적으로 계획, 실행, 점검, 수정해야 하며, 재귀적 자기 개선을 지원합니다.
가중치는 2026년 7월 27일 이전에 발표될 예정입니다. Kimi K3가 오픈 모델 환경을 바꿀 수 있을지는 2.8조 매개변수 자체가 아니라, 개발자가 수백만 개의 컨텍스트와 장기 에이전트를 적절한 비용으로 안정적인 생산성으로 전환할 수 있느냐에 달려 있습니다.
