중국 AI 기업 Moonshot AI가 Hugging Face에 Kimi K3.1 Pro의 모델 가중치를 공개했다. 그동안 API로만 접근 가능했던 최상위 모델이 이제 외부에서 직접 다운로드해 자체 서버에서 실행할 수 있게 된 것이다. 단, 라이선스가 완전히 개방형은 아니다. 12개월 누적 매출이 2,000만 달러를 초과하는 모델 서비스 제공 사업자는 상업적 이용 전 Moonshot과 별도 계약을 체결해야 한다.
본 편집팀은 2026년 11월 5일을 기준으로 공식 저장소의 모델 카드와 라이선스 전문을 직접 확인했다. 가중치 공개일을 11월 4일로 표기한 보도 및 Kimi의 X 공지 게시물은 당사 도구로 열람하지 못했으며. 해당 날짜는 편집부의 판단에 따른 것이다. 모델을 직접 실행하지는 않았으며, 다음에 인용되는 타 시스템과의 비교는 Moonshot이 발표한 수치에 근거한다.
Releasing the model weights of Kimi K3.1 Pro: https://t.co/tJXcYUeSCj
, Kimi.ai (@Kimi_Moonshot) November 4, 2026
We'll keep advancing open intelligence. pic.twitter.com/BbWCJUYYSQ
Kimi K3.1 Pro는 어떤 모델인가?
모델 카드에 따르면 Kimi K3.1 Pro는 오픈 웨이트 기반의 멀티모달 에이전트형 모델이다. Mixture-of-Experts(MoE) 아키텍처를 채택해. 토큰당 전체 2조 8,000억 개 파라미터 중 1,040억 개만 활성화되는 구조다. 전문가 블록은 896개이며, 토큰당 16개가 선택된다. 약 100만 토큰의 컨텍스트를 처리하고, 텍스트와 이미지 모두 입력 가능하며, 추론 수준은 기본값이 최대로 설정되어 있다.
규모를 직관적으로 이해하려면, 방대한 도서관에서 질문마다 일부 서가만 참조하는 방식을 떠올리면 된다. 전체를 뒤지는 것보다 빠르지만, 도서관 자체는 여전히 압도적으로 크다. 가중치는 해당 정밀도에 맞게 특별히 훈련된 4비트 압축 형식으로 배포된다. 모델 카드는 실행 엔진으로 vLLM, SGLang, TokenSpeed를 명시하지만, 필요한 GPU 수나 파일 용량은 기재하지 않았다. 편집부의 판단으로는, 이 모델은 단일 서버가 아닌 데이터센터급 인프라를 갖춰야 운용 가능한 수준이다.
Moonshot이 제시한 벤치마크 비교
모델 카드는 Kimi K3.1 Pro를 Anthropic의 Claude Opus 5.5, OpenAI의 GPT-6 Astra와 비교하고 있다. Moonshot이 공개한 수치에 따르면, 프로그래밍 및 리서치 관련 일부 테스트에서 앞서는 결과를 보였다. DeepSWE에서 75.5 대 74.2. 74.1을 기록했고, BrowseComp에서는 92.1 대 90.8, 91.5였으며, HLE-Full(도구 사용 환경)에서는 70 대 67.7, 57.2를 보였다. 반면 HLE-Diamond에서는 39.4 대 60.9, 65.8로 뒤처졌고, OSWorld와 ExploitBench에서도 열세를 보였다.
이 수치들은 액면 그대로 받아들이기 어렵다. 여러 테스트가 Moonshot 내부에서 진행됐고, 타 모델 점수 일부는 제3자 보고서에서 가져온 것이며, 테스트 조건도 항목마다 다르다. Terminal-Bench의 경우 Kimi는 Claude Code 환경에서 평가됐다. 이는 기업이 직접 발표한 비교이며, 방금 공개된 가중치에 대한 독립적 검증이 아니다. 실제로 각자의 인프라에서 실행했을 때 어떤 성능이 나올지는 별개의 문제다.
라이선스는 무엇을 허용하는가?
라이선스 문서는 개방형 라이선스 특유의 문구로 시작한다. 가중치, 코드, 문서에 대해 “무료로, 누구에게나” 사용 권한을 부여한다는 내용이다. 핵심 조항은 모델을 서비스 형태로 제공하는 사업자, 즉 API 등을 통해 제3자에게 추론이나 파인튜닝 접근권을 제공하는 경우에 적용된다. 라이선시 및 계열사의 12개월 누적 매출이 2,000만 달러를 초과하면, 상업적 이용 전 Moonshot과 별도 계약이 필수다.
Artificial Analysis
면제 조항도 존재한다. 모델 기능이 특정 기능에만 제한적으로 내장된 최종 사용자 제품, 타 사업자가 호스팅하는 모델에 단순 요청을 중계하는 경우, 내부 사용, Moonshot 공식 제품 또는 인증 파트너를 통한 사용은 모두 적용 대상에서 제외된다. 두 번째 의무는 출처 표시다. 월간 활성 사용자 2억 명 이상이거나 2,000만 달러 임계값을 초과하는 제품은 인터페이스에 Kimi K3.1-Pro 명칭을 명시적으로 표시해야 한다. 라이선스에는 준거법이 명시되어 있지 않다.
실제 수혜자는 누구인가?
내부 목적으로 모델을 활용하려는 기업이나 기관에게 이 라이선스는 매우 유연하다. 내부 사용은 면제 대상이고 데이터를 자체 서버 밖으로 내보낼 의무도 없다. 일부 기능에만 모델을 내장하는 스타트업도 별다른 제약 없이 개발을 진행할 수 있다. 제약이 집중되는 곳은 대형 추론 리셀러, 클라우드 사업자, 모델 접근을 서비스로 판매하는 플랫폼이다. OpenAI 모델의 Google Cloud 입점 사례에서 볼 수 있듯, 이들이 오늘날 배포 경로를 사실상 장악하고 있다.
이는 중국 AI 연구소들 사이에서 확산되는 사업 모델이다. MiniMax 역시 저가 정책과 가중치 후속 공개 조합을 활용했고, DeepSeek는 GitHub 연동 에이전트 프로토타입을 오픈소스로 공개했다. 오픈 가중치는 모델 확산 채널로 기능하되, 대규모 재판매 계약에서 나오는 핵심 수익은 여전히 Moonshot이 확보하는 구조다.
한국 기업에게 주는 시사점
다운로드 가능한 가중치를 갖춘 모델은 유럽 서버에서 직접 실행할 수 있어 데이터 통제권과 설정 자율성을 확보할 수 있다. EU 금융 시스템이 외국 AI에 의존한다는 감독 당국의 우려가 커지는 상황에서 이 점은 특히 중요하다. 제약은 두 가지다. 첫째는 인프라 문제로, 이 규모의 모델을 돌리려면 상당한 컴퓨팅 자원이 필요하며 그 역량을 갖춘 곳은 많지 않다. 국내에서도 AI 주권 인프라 구축 논의가 이어지고 있으나 아직 초기 단계에 머물러 있다.
둘째는 규제 문제다. 범용 모델을 서비스에 통합하는 사업자는 AI Act 의무를 이행해야 하고. 2,000만 달러 임계값을 넘어 서비스를 제공하는 사업자는 이용 조건을 Moonshot, 즉 중국 기업과 협의해야 한다. 가중치를 직접 보유한다는 것은 기술적 자율성을 의미할 뿐이다. 계약상 자율성은 별개 문제이며, 대형 사업자에게 최종 결정권은 여전히 Moonshot에 있다.
Kimi K3.1 Pro 요약
확인된 사항과 미확인 사항
- 확인됨: Hugging Face 공식 저장소에 가중치 공개 완료. CoinGecko 기준이 아닌 Moonshot 자체 발표에 따르면 2조 8,000억 개의 파라미터, 104억 개의 활성 파라미터, 약 100만 토큰의 컨텍스트 윈도우를 갖추고 있으며, 12개월 누적 매출 2,000만 달러 이상의 모델 서비스 제공업체에 대해서는 Moonshot과 별도 상업적 계약 체결이 필요하다. 내부 사용 및 내장 기능에 대해서는 예외가 적용된다.
- 미확인: 하드웨어 요구 사항 및 파일 크기, 라이선스 준거법, 공개된 가중치에 대한 독립적인 검증 평가.
- 주시할 사항: 최초 독립 벤치마크 결과, Moonshot과 상업 계약을 체결할 클라우드 및 플랫폼, 유럽 제공업체를 통한 모델 접근 가능 여부.
더 넓은 시각으로 보면
Kimi K3.1 Pro는 “오픈 가중치”가 더 이상 “무조건 무료”를 의미하지 않는다는 점을 보여준다. 이것은 편집부의 해석이다. 해당 라이선스는 사내에서 모델을 실행하는 기업과 이를 제품에 내장하는 스타트업에게는 자유로운 사용을 허용하지만, 가장 수익성 높은 시장인 대형 추론 서비스 제공업체에게는 별도의 관문을 설치한다. 완전히 폐쇄된 모델과 완전한 오픈소스 사이의 중간 경로이며, 다른 연구소들도 이 방식을 따를 가능성이 있다. GPT-6.1 Terra와 컴퓨터를 사용하는 에이전트 사례처럼 모델 비용 절감 경쟁 속에서도 진짜 승부는 결국 배포 구조에서 갈린다.
주목해야 할 신호는 세 가지다. 첫째는 공개된 가중치에 대한 독립적인 테스트 결과로, Moonshot 외부에서도 성능 지표가 유지되는지를 확인해 줄 것이다. 둘째는 어떤 클라우드와 추론 플랫폼이 라이선스 조건에 따른 상업 계약을 어떤 조건으로 체결할 것인가 하는 점이다. 셋째는 유럽연합 내 인프라에서 이 모델을 제공하는 유럽 사업자가 등장할지 여부로. 이는 자체 실행 역량이 없는 사용자들의 접근성을 좌우할 것이다.
