키미(Kimi)가 100만 토큰 문맥 창을 갖춘 오픈 가중치 모델 키미 K3.1 프로와 응답 속도를 높인 하이스피드 버전을 공개했다. 개발사 문샷(Moonshot)은 코딩·3D 제작·금융 분석에서 이전 모델보다 나아졌다고 밝히면서, 사이버 공격에 악용될 수 있는 능력은 훈련 데이터 조정으로 낮췄다고 설명했다. 성능을 끌어올리는 동시에 무엇을 오픈 가중치로 공개할지 선택한 사례라는 점에서 주목할 만하다. 다만 현재 이용 가능한 제품과 추후 배포될 전체 모델 가중치는 구분해서 볼 필요가 있다.
핵심요약
- 키미 K3.1 프로는 100만 토큰 문맥 창을 갖춘 3T급 오픈 가중치 모델로 소개됐으며, 하이스피드 버전은 기본형보다 2~3배 빠른 응답을 목표로 한다.
- 문샷은 강화학습을 확대한 결과 터미널 벤치 4.0에서 65.7%를 기록했다고 밝혔으며, 이는 긴 작업을 수행하는 코딩 에이전트의 성능을 강조하는 수치다.
- 이 모델은 CAD 생성과 금융 문서 분석에도 쓰이지만, 금융 분야의 정확도 개선 수치는 상당 부분 문샷의 내부 평가에 기반한다.
- 문샷은 사이버 관련 훈련 데이터를 제거해 자체 취약점 악용 평가 점수를 90.5%에서 81.0%로 낮췄으며, 공개 가중치의 위험 수준을 조절하려 했다고 설명했다.
- 제품과 API는 이용 가능하지만 전체 모델 가중치는 2026년 11월 4일까지 공개될 예정이어서, 실제 개방 범위와 이용 비용에 대한 평가는 이어질 전망이다.
100만 토큰을 담는 K3.1 프로
문샷은 K3.1 시리즈의 첫 모델인 키미 K3.1 프로를 자사의 가장 성능이 높은 3T급 오픈 가중치 모델로 소개했다. 문맥 창은 100만 토큰이며, 코딩뿐 아니라 3D 제작과 금융 조사처럼 여러 단계의 도구 사용이 필요한 작업을 겨냥한다. 함께 발표한 키미 K3.1 프로 하이스피드는 기본형보다 2~3배 빠른 응답을 제공하는 버전이다. 두 모델은 키미 웹사이트와 키미 워크, 키미 코드, 키미 API에서 제공된다.
K3.1 프로는 기존 키미 K3를 후훈련(기본 학습을 마친 모델의 능력을 추가로 다듬는 과정)한 모델이다. 문샷은 이번에 더 많은 연산을 투입하면서 강화학습(RL·결과에 대한 보상을 바탕으로 성능을 개선하는 학습)의 실행 틀부터 긴 문맥 처리, 훈련 효율, 샌드박스(작업을 격리해 실행하는 환경)까지 손봤다고 설명했다. 수백 개 작업 분야를 함께 훈련할 때 연산량을 늘린 만큼 안정적인 성능 향상을 얻기 위한 조치라는 것이다. 회사는 그 결과 코딩, 에이전트 작업, 지식 평가 전반에서 성능이 올랐다고 밝혔다.
터미널 과제에서 보행 시뮬레이터까지
현실적인 터미널 작업을 평가하는 터미널 벤치 4.0에서 문샷이 발표한 K3.1 프로의 점수는 65.7%다. 비교 대상으로 제시한 GPT-6 아스트라(Astra)의 58.2%보다 높고, 클로드 오푸스(Claude Opus) 5.5의 66.4%에는 조금 못 미친다. 여러 단계를 거쳐 코드를 실행하고 도구를 쓰는 문샷 내부 평가 ‘키미 코드 벤치 3.0 롱호라이즌’에서는 61.2%를 기록해 K3의 55.95%를 넘었다. 회사는 기존 코드의 작은 수정부터 프로젝트 전체 구축까지 처리 범위가 넓어졌다고 강조했다.
문샷이 공개한 장기 작업 사례는 사람의 보행을 재현하는 시뮬레이터다. K3.1 프로는 뼈대 구성 요소 296개와 근육 구성 요소 402개를 담은 오픈소스 해부학 모델 ‘휴먼 아틀라스(human-atlas)’를 바탕으로 훈련·평가 파이프라인을 만들었다. 회사 설명에 따르면 167개 미션과 420차례의 독립 검토를 거치며 수초 만에 쓰러지던 시뮬레이션 속 인물이 번갈아 발을 내디뎌 11.2초간 걷도록 개선했다. 팔 움직임이 나아지지 않자 보상값만 고치는 대신 어깨 근육 계산의 오류 36개를 찾아 수정하고 제어기를 다시 훈련했다는 점이 핵심 사례다.
스케치에서 3D 모델로
문샷은 K3.1 프로가 글로 쓴 요구사항이나 스케치, 참고 이미지를 바탕으로 형태와 비율, 공간 관계를 파악해 3D 모델을 만든다고 밝혔다. 여러 방향에서 본 이미지를 CAD 코드로 재구성하는 벤치CAD(BenchCAD)에서 도구를 사용했을 때 점수는 92.7%였다. 회사가 제시한 클로드 오푸스 5.5의 96.2%, GPT-6 아스트라의 95.9%에 가까운 수준이다. 특히 치수를 바꾸면 형태가 함께 조정되는 파라메트릭 모델링(변수로 형상을 정의하는 방식)을 강점으로 꼽았다.
이 모델은 별도의 MCP 연결 도구 없이도 블렌더(Blender)나 CAD 소프트웨어용 스크립트를 작성·실행해 형상과 재질, 장면 구성을 손볼 수 있다고 문샷은 설명했다. 게임 제작에는 유니티(Unity), 언리얼 엔진(Unreal Engine), 고도(Godot) 같은 엔진을 웹 검색 및 3D 생성과 결합하는 방식도 제시했다. 웹 화면과 쓰리.js(Three.js) 장면에서는 구성과 타이포그래피, 애니메이션의 완성도가 좋아졌다고 주장했다. 이용자는 키미 웹사이트와 앱에 추가된 ‘3D 메이크(3D Make)’에서 모델을 미리 보고 수정한 뒤 3D 프린팅용으로 내려받거나 영상·라이브 포토로 내보낼 수 있다.
금융 문서를 읽고 계산하는 에이전트
금융 분야에서는 문서 검색, 문서 간 대조, 여러 단계의 계산을 거쳐 결과를 내는 능력을 내세웠다. 실제 금융 문서를 활용하는 오피스QA 프로 v2(OfficeQA Pro v2)에서 문샷이 발표한 점수는 64.4다. 투자 대상 선별부터 수익성 분석까지 다루는 프런티어 파이낸스(Frontier Finance)에서도 K3보다 개선됐다고 밝혔다. 이는 질문 하나에 답하는 것을 넘어 조사와 계산을 이어서 수행하는 금융 작업 흐름을 겨냥한 발표다.
문샷의 내부 평가에서는 재무 모델링 점수가 K3보다 7.2점, 근거를 확인할 수 있는 금융 조사 점수는 11.6점 올랐다. 가상 사업 환경에서 장기간 의사결정을 평가한 점수는 K3의 약 4.2배라고 회사는 밝혔다. 금융 작업에서 중요한 사실 정확도를 보기 위해 만든 내부 난도 높은 평가에서는 개별 주장 단위의 환각(사실과 다른 내용을 그럴듯하게 생성하는 현상) 비율이 K3의 23.4%에서 8.3%로 내려갔다. 문샷은 이 평가가 오류를 유발하기 쉬운 문항으로 구성된 스트레스 테스트이며, 수치가 일상적 사용의 전체 오류율을 뜻하지는 않는다고 덧붙였다.
사이버 훈련 데이터를 덜어낸 이유
성능 발표에서 가장 이례적인 대목은 사이버 보안 능력을 의도적으로 낮춘 과정이다. 문샷은 후훈련 규모를 키울수록 취약점 조사 성능도 꾸준히 향상되는 것을 관찰했다고 밝혔다. 원인을 추적해 보니 중간 훈련에 쓰인 일반 데이터에 사이버 관련 내용이 섞여 있었고, 강화학습 환경에도 관련 과제가 들어 있었다. 회사는 두 훈련 단계에서 사이버 관련 데이터를 찾아 제거하되, 범용 코딩 작업은 남겼다고 설명했다.
효과는 문샷의 자체 평가인 엑스데브 벤치 하드(xdev-bench-hard)로 측정했다. 이 평가는 취약한 소스코드와 간단한 단서, 실행 파일을 받은 에이전트가 별도 샌드박스에서 임의 코드 실행에 성공하고 확인용 문자열을 찾아내는 방식이다. 리눅스 커널, 노드.js(Node.js) 등에서 최근 공개된 취약점을 재현한 과제가 다수 포함되며, 회사는 세 번의 시도 중 성공 여부를 집계했다. 데이터 제거와 강화학습 과제 선별을 하지 않은 체크포인트의 점수는 90.5%, 최종 K3.1 프로는 81.0%였다.
문샷은 이 차이를 공격적 사이버 능력을 줄일 수 있는 훈련상의 조절 수단으로 해석한다. 다만 최종 모델도 이전 모델보다 사이버 과제에서 크게 나아졌다고 밝혔다. 일반 코딩과 장기 디버깅 능력이 높아지면 사이버 데이터를 덜 학습시켜도 관련 과제에 그 능력이 옮겨간다는 설명이다. 문샷은 K3.1 프로가 최소 3개월 이상 공개돼 온 최상위 독점 모델의 사이버 능력보다는 뒤에 있다고 평가했다.
오픈 가중치의 공개선과 이용 경로
문샷이 제시한 공개 원칙은 사이버 능력의 절대적 최전선을 넓히는 가중치는 내놓지 않되, 오픈 가중치 모델에서 이용할 수 있는 능력은 점진적으로 높인다는 것이다. 회사는 사용자가 통제하는 인프라에서 모델을 실행할 수 있으면 방어 목적의 코드 점검이 더 많은 팀으로 퍼질 수 있다고 본다. 오래돼 별도 보안 검토를 받기 어려운 시스템도 그 대상으로 들었다. 공격 능력의 확산 위험을 낮추면서 방어 활용의 문턱은 낮추겠다는 판단이다.
제품 이용과 가중치 배포 일정은 다르다. K3.1 프로와 하이스피드는 키미의 서비스와 API에서 선택할 수 있지만, 전체 모델 가중치는 2026년 11월 4일까지 공개될 예정이다. 기업용 관리자는 조직에서 K3.1 프로를 직접 활성화해야 하며, 출시 시점에는 기본적으로 꺼져 있다. API 고객에게는 데이터 비보존 옵션도 제공된다.
발표된 성능 수치를 읽을 때는 평가 조건도 함께 봐야 한다. 문샷은 별도 표시가 없는 K3.1 프로 결과에 최대 추론 설정, 온도 1.0, 톱-p 0.95를 사용했다고 밝혔다. 벤치마크마다 도구 실행 환경이 다르고, 일부 비교 모델의 점수는 각 회사 발표나 공식 순위표에서 가져왔다. 따라서 높은 점수는 모델의 가능성을 보여 주지만, 이용자가 겪을 속도와 비용, 작업별 결과는 실제 사용 조건에서 다시 확인해야 한다.
커뮤니티 의견
한 사용자는 모델을 직접 시험하면서 추론 내용에 드러나는 자기 인식이 일정하지 않았다고 했다. 어떤 때는 문샷의 키미라고 밝히고, 다른 때는 챗GPT(ChatGPT)로 가정했으며 평가자 승인이나 지침을 언급하기도 했다는 것이다. 이 관찰은 공개된 점수와 별개로 에이전트의 내부 응답 양상을 살펴볼 필요가 있다는 관심으로 이어졌다.
사이버 데이터를 훈련에서 빼는 방식이 흥미롭다는 의견도 나왔다. 이 사용자는 오픈 가중치 모델이라면 배포 후의 안전장치에만 기대기보다, 애초에 특정 공격 지식을 덜 학습시키는 접근이 중요하다고 봤다. 자신이 쓰는 사이버 보안 모델은 자사 소프트웨어의 모의 침투 시험에서 방어에 쓸 만한 결과를 내는 반면, 다른 모델은 안전장치가 너무 쉽게 작동한다고도 했다.
게임 제작 평가를 공유한 사용자는 팩맨 벤치에서 K3.1 프로와 클로드 소넷(Claude Sonnet) 5.5가 모두 93점을 받았다고 전했다. 제시한 비용과 소요 시간은 K3.1 프로가 0.68달러·11분, 소넷이 1.61달러·14분이었다. 이 사용자는 점수 자체보다 가격 대비 결과가 좋다는 데 주목했다.
사이버 데이터 제거의 범위에는 의문이 제기됐다. 한 사용자는 일반적인 소프트웨어 지식만으로도 취약점을 도출할 수 있는데, 사이버 관련 데이터를 어디까지 구분해 뺐는지 물었다. 답글에서는 공격적 보안이 별도의 지식과 연습이 필요한 좁은 분야이므로 관련 후훈련 과제를 제외하는 조치에 의미가 있다는 반론이 나왔다.
구독 상품의 이용 한도를 문제 삼는 사용자도 있었다. 연간 구독을 샀지만 5시간 단위의 사용량 제한에 금방 걸려 서비스를 거의 쓰지 않는다는 경험담이다. 답글에서도 모델이 똑똑하더라도 작업을 이어갈 만큼의 사용량을 확보하기 어렵다면 다른 모델로 작업을 넘기게 된다는 의견이 나왔다.
외부 평가를 보는 시각도 엇갈렸다. 한 사용자는 아티피셜 애널리시스(Artificial Analysis)의 지능 지수에서 K3.1 프로가 55점으로 전체 4위이며 GPT-6 아스트라와 클로드 페이블(Claude Fable) 5.1을 앞섰다고 소개했다. 그러나 평가 중 생성한 토큰이 1억5000만 개로 중간값 8700만 개보다 많다는 점이 지적됐다. 답글에서는 토큰당 가격이 낮아도 실제로 더 많은 토큰을 쓴다면 체감 비용 비교가 달라질 수 있다고 봤다.
이 순위를 국가 간 모델 경쟁의 간격이 좁혀진 신호로 해석한 사용자도 있었다. 반론은 공개된 모델의 순위만으로 각 회사가 아직 내놓지 않은 모델의 능력까지 비교할 수 없다는 것이었다. 또 다른 답글은 문샷이 사이버 능력을 의도적으로 제한했다고 밝힌 만큼, 하나의 종합 점수로 모델 간 격차를 설명하기 어렵다는 취지였다.
더 비싼 구독 상품에서도 한 세션을 47분 사용한 뒤 5시간 단위의 사용량 제한에 걸렸다는 경험담이 나왔다. 답글에서는 오픈 가중치 모델이 발전해도 로컬 실행이나 정액제 이용이 현실적으로 어렵다면 이용자에게 돌아오는 이점이 작다고 지적했다. 새 모델의 성능 못지않게 사용 한도와 API 비용이 실제 선택을 가를 것이라는 의견이다.
핵심통찰
K3.1 프로 발표의 핵심은 높은 벤치마크 점수만이 아니다. 문샷은 코딩 능력을 키운 모델에서 사이버 관련 훈련 데이터를 덜어내고도 상당한 공격 과제 수행 능력이 남는다는 결과를 함께 제시했다. 오픈 가중치 모델의 공개선이 훈련 과정에서부터 정해질 수 있음을 보여 주는 대목이다. 앞으로 확인할 것은 예정된 가중치 공개 뒤에도 방어 활용과 위험 억제의 균형이 유지되는지, 그리고 이용자가 발표된 성능을 감당할 만한 비용과 한도 안에서 실제 작업에 쓸 수 있는지다.
원본: Kimi K3.1 Pro Tech Blog: Advancing Open Intelligence
토론: Hacker News