‘제2의 딥시크’로 떠오른 Kimi K3…중국 AI, 이번엔 ‘규모와 개방’으로 미국 최상위권 추격 작성일 07-20 55 목록 <div id="layerTranslateNotice" style="display:none;"></div> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="y3WZURQ9hY"> <div contents-hash="7d44af64788e1f7281e4fa39592332f8e746216255d1816acfc467714d759807" dmcf-pid="W0Y5uex2CW" dmcf-ptype="general"> <h5>2.8조 파라미터·100만 토큰…프런티어급 K3, 전체 가중치는 27일까지 공개 예정</h5> <h5>딥시크가 흔든 ‘비용 공식’과 다른 도전…일부 에이전트·코딩 평가서 미국 최상위권과 경쟁</h5> <h5>‘모두의 AI’ 추진하는 한국…파라미터 경쟁보다 독자 모델·국민 접근성·산업 생태계 연결이 관건</h5> <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="1e533348446d0d114c81ec166b8ba714fae06fe6f7f67114b8676813669a1da2" dmcf-pid="YVUB8cNdly" dmcf-ptype="figure"> <p class="link_figure"><img alt="중국 AI 스타트업 문샷AI(Moonshot AI)가 자사 AI 서비스 ‘Kimi(키미)’를 통해 최신 플래그십 모델 ‘Kimi K3(키미 K3)를 선보였다. 이에 대해 미국 등 글로벌 업계에서는 지난해 초 딥시크 등장에 버금 갈 정도의 우려를 표출하고 있다. (이미지=AI로 생성)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/20/552816-OGTrtXj/20260720090408023pljj.png" data-org-width="1024" dmcf-mid="94LECpFYWj" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/20/552816-OGTrtXj/20260720090408023pljj.png" width="658"></p> <figcaption class="txt_caption default_figure"> 중국 AI 스타트업 문샷AI(Moonshot AI)가 자사 AI 서비스 ‘Kimi(키미)’를 통해 최신 플래그십 모델 ‘Kimi K3(키미 K3)를 선보였다. 이에 대해 미국 등 글로벌 업계에서는 지난해 초 딥시크 등장에 버금 갈 정도의 우려를 표출하고 있다. (이미지=AI로 생성) </figcaption> </figure> <div contents-hash="bc5257331c0ea1386c5d07525a5cf1ed36bf94371bdd3122fe6ff4b5df167384" dmcf-pid="Gfub6kjJyT" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="a2145d99f5395e7d1b9cb1b45440fa40cae732adfffa57fcbf08a16b6aeda465" dmcf-pid="H47KPEAivv" dmcf-ptype="general">지난해 1월 27일 미국 증시는 중국의 인공지능(AI) 스타트업 하나 때문에 크게 흔들렸다. 딥시크(DeepSeek)가 내놓은 AI 모델이 미국 빅테크보다 제한된 컴퓨팅 환경에서도 높은 성능을 구현했다는 평가가 확산되면서다. 시장의 충격은 상상 이상이었다. 엔비디아 주가가 하루 만에 약 17% 하락하며 당시 시가총액 5930억달러가 사라졌다. 월가가 충격을 받은 이유는 단순히 중국에서 경쟁 모델이 등장했기 때문만은 아니었다. 첨단 AI에는 더 많은 그래픽처리장치(GPU)와 더 막대한 자본이 필요하다는 기존 전제가 흔들릴 수 있다는 우려가 시장을 덮쳤다. </p> <p contents-hash="ee30116180217e94efd39bd57451e1e36f04a2b02f910d6259ca9d9e33cf56c0" dmcf-pid="X8z9QDcnhS" dmcf-ptype="general">약 1년 반이 지난 현재, 중국에서 또 다른 모델이 미국 AI 업계의 시선을 끌고 있다. 중국 AI 스타트업 문샷AI(Moonshot AI)가 자사 AI 서비스 ‘Kimi(키미)’를 통해 선보인 최신 플래그십 모델 ‘Kimi K3(키미 K3)’다. 외신에 따르면 지난 K3가 중국과 미국의 최첨단 AI 성능 격차를 좁히고 있다. 2조8000억개 파라미터를 가진 K3의 등장과 중국 AI 기업들의 빠른 추격 역시 집중 조명됐다. 기술적 추격은 시장의 투자 논리에도 곧바로 연결됐다. 한국이 17일 제헌절 연휴로 증시가 쉬는 사이 글로벌 반도체주는 K3 공개와 맞물려 흔들렸다. 개방형 전략을 앞세운 중국 모델이 폐쇄형 최상위 모델과의 성능 격차를 빠르게 좁힐 경우, 막대한 AI 인프라 투자가 계속 필요한지에 대한 의구심이 다시 커질 수 있다는 우려가 부각됐다는 분석이다. </p> <div contents-hash="b61cde00c66bd1070f15155421656aab256af4886de798ac497c85a9de145ab3" dmcf-pid="Z6q2xwkLSl" dmcf-ptype="general"> <strong>2.8조 파라미터 Kimi K3… 스스로 오래 일하는 AI</strong> <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="bc0a80fec97b563b803c1ca6e50143029151ebfb91c80bf17fd38a27df621c66" dmcf-pid="5PBVMrEovh" dmcf-ptype="figure"> <p class="link_figure"><img alt="Kimi K3가 BrowseComp 평가에서 비용 대비 높은 성능을 기록한 결과. （자료=문샷AI）" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/20/552816-OGTrtXj/20260720090409600uzii.webp" data-org-width="1024" dmcf-mid="4VCG3Q8BTo" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/20/552816-OGTrtXj/20260720090409600uzii.webp" width="658"></p> <figcaption class="txt_caption default_figure"> Kimi K3가 BrowseComp 평가에서 비용 대비 높은 성능을 기록한 결과. （자료=문샷AI） </figcaption> </figure> <div contents-hash="690d89d84d41585ff7563e07b090b0c0dced14e00d89005c2d79e141586ac2df" dmcf-pid="1QbfRmDgCC" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="51d7c5ca4d183ecf0f329fd73f96fd652bb30be788e9995d6d2aaea303363c7a" dmcf-pid="txK4eswalI" dmcf-ptype="general">문샷AI가 공개한 ‘Kimi K3: Open Frontier Intelligence’에 따르면 K3는 총 2조8000억개 파라미터와 100만 토큰의 컨텍스트 윈도를 갖춘 모델이다. 텍스트와 이미지를 함께 입력받는 네이티브 멀티모달 기능을 지원하고 장시간 코딩, 지식 업무, 추론 등 복잡한 작업을 지속적으로 수행하는 에이전트 능력을 주요 목표로 설계됐다. 문샷AI는 이를 ‘세계 최초의 오픈 3조 파라미터급 모델’이라고 설명했다. 다만 현재 종합적인 사용자 경험과 성능에서는 앤트로픽의 Claude Fable 5와 오픈AI의 GPT-5.6 Sol에 여전히 격차가 있다는 점도 공식 자료에서 한계로 명시했다. </p> <p contents-hash="8f54916aed0952432b1a903b6d7485498298e63cfeaa020d43a024261662f6a5" dmcf-pid="F5SYFP4qhO" dmcf-ptype="general">‘2.8조 파라미터’라는 숫자가 매 순간 2.8조개의 파라미터를 모두 사용한다는 뜻은 아니다. K3는 각 토큰을 처리할 때 일부 전문가 모듈만 선택적으로 활성화하는 혼합전문가(Mixture of Experts·MoE) 방식이다. 문샷AI에 따르면 ‘스테이블 레이턴트 MoE(Stable LatentMoE)’ 구조에서 896개 전문가 가운데 16개를 활성화한다. 여기에 키미 델타 어텐션(Kimi Delta Attention·KDA)과 어텐션 레지듀얼(Attention Residuals·AttnRes)을 적용했다. 문샷AI는 이런 구조와 학습 방식 개선을 통해 Kimi K2보다 전체 스케일링 효율을 약 2.5배 높였다고 주장한다. 물론 이 수치는 문샷AI 자체 평가라는 점은 구분해서 볼 필요가 있다. </p> <p contents-hash="57e48cd968913a78b8edaf0e5529b29398a1f4519755ccd56b195a9f34a7f34c" dmcf-pid="31vG3Q8BWs" dmcf-ptype="general">다만 K3에서 주목해야 할 부분은 모델 크기보다 ‘얼마나 오래 스스로 일을 이어갈 수 있는가’다. 기존 생성형 AI가 사용자의 질문에 답하는 챗봇에 가까웠다면 최근 프런티어 모델 경쟁은 여러 도구를 활용하고 결과를 점검하면서 장시간 복합 업무를 수행하는 에이전트로 빠르게 이동하고 있다. </p> <div contents-hash="233ea4f58eafde239cf6d70d97a1d1ad920feab465b5a69085f1b4d31c95b848" dmcf-pid="0tTH0x6bSm" dmcf-ptype="general"> 문샷AI는 GPU 커널 최적화 실험에서 모델이 최대 24시간 동안 코드를 분석하고 수정한 뒤 성능을 반복적으로 측정하도록 했다. 자체 평가에서 K3는 Claude Fable 5와 경쟁 가능한 결과를 냈고 Claude Opus 4.8, GPT-5.6 Sol, GPT-5.5보다 높은 결과를 기록했다고 밝혔다. <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="56573e151042490bac46604d493cf73ccbad0442447f818bb3443d286b546c95" dmcf-pid="pFyXpMPKCr" dmcf-ptype="figure"> <p class="link_figure"><img alt="Kimi K3의 코딩 벤치마크 비교 결과. 일부 코딩·장시간 소프트웨어 작업 평가에서 미국 최상위 모델과 경쟁하거나 앞서는 성적을 보였다. （자료=문샷AI）" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/20/552816-OGTrtXj/20260720090411022xozf.png" data-org-width="1024" dmcf-mid="1mq8dOrNh4" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/20/552816-OGTrtXj/20260720090411022xozf.png" width="658"></p> <figcaption class="txt_caption default_figure"> Kimi K3의 코딩 벤치마크 비교 결과. 일부 코딩·장시간 소프트웨어 작업 평가에서 미국 최상위 모델과 경쟁하거나 앞서는 성적을 보였다. （자료=문샷AI） </figcaption> </figure> <div contents-hash="cb11f632797ab14bd4845e2571161904fa11956e074e79d4a60edde52b3470b9" dmcf-pid="U3WZURQ9lw" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="51b905d31fdac8bc0595eb22535f7ff6aaef7eefd921744bcb88ae930cd6218c" dmcf-pid="u0Y5uex2yD" dmcf-ptype="general">다만 해석에는 주의가 필요하다. 해당 GPU 커널 최적화 실험은 동일한 샌드박스 환경에서 진행됐지만 Claude Fable 5 비교치는 제3자 평가였고 일부 작업에서 대체 모델로 전환되는 ‘폴백’ 가능성도 공개됐다. 또 문샷AI가 공개한 다른 벤치마크 가운데는 모델별로 서로 다른 에이전트 실행 도구를 사용한 항목도 있다. 특정 평가 결과만으로 모델 전체 성능의 우위를 단정하기 어려운 이유다. </p> <p contents-hash="92c34194a3855116ec27cab574addbb749ced1fc38d8bc37a43ffaffba0a4b60" dmcf-pid="7pG17dMVTE" dmcf-ptype="general">제3자 평가에서도 K3는 최상위권에 진입했다. 독립 AI 분석기관 아티피셜 애널리시스(Artificial Analysis)는 지난 17일 기준 K3에 종합지수 57점을 부여해 전체 3위로 평가했다. Claude Opus 4.8과 GPT-5.5에 견줄 수준이지만 Claude Fable 5와 GPT-5.6 Sol보다는 낮았다. 반면 에이전트형 업무 평가인 GDPval-AA v2에서는 GPT-5.5와 Claude Opus 4.8을 앞섰고, 장시간 지식 업무 평가에서도 높은 성적을 기록했다. </p> <p contents-hash="2db7f17400a49d476bcfc30111dfd8dea8355d496d5b0e8c8d4d425ffd131c68" dmcf-pid="zUHtzJRfTk" dmcf-ptype="general">또 다른 독립 평가기관 Vals AI에서도 K3는 이달 중순 공개된 평가 기준 종합 Vals Index 74.70%를 기록하며 전체 2위에 올랐다. 평가기관과 벤치마크마다 순위가 달라진다는 점은 오히려 K3의 현재 위치를 잘 보여준다. 모든 분야에서 미국 최상위 모델을 넘어선 것은 아니지만 일부 코딩·에이전트·복합 작업 영역에서는 이미 같은 경쟁 그룹 안에서 비교되는 단계까지 올라왔다는 것이다. </p> <p contents-hash="faa1605c59f20e9a720b0f03e00e7161f7b6d0fb4793432a7f5a6ee76945a14e" dmcf-pid="q7Z3Bnd8Sc" dmcf-ptype="general">다만 여기에는 한 가지 역설이 있다. K3는 개방형 모델을 지향하지만 현재까지 전체 모델 가중치는 공개되지 않았다. 문샷AI는 K3를 자사 AI 서비스 ‘Kimi’를 비롯해 Kimi Work, Kimi Code와 API를 통해 제공하고 있으며 전체 모델 가중치는 오는 27일까지 공개할 계획이라고 밝혔다. </p> <p contents-hash="8ff2d5a41a63ba93e447e9a8a6e5b5615f92488a222b28b4ff505a0e2b737b47" dmcf-pid="Bz50bLJ6SA" dmcf-ptype="general">가중치가 공개된다고 진입장벽이 사라지는 것도 아니다. 문샷AI는 K3의 효율적인 추론 환경으로 64개 이상의 가속기가 연결된 슈퍼노드 구성을 권고하고 있다. 2.8조 파라미터라는 거대한 규모 때문에 실제로 자체 구축해 운영할 수 있는 이용자는 제한적일 수밖에 없다. ‘오픈웨이트’가 곧 ‘누구나 값싸게 운영할 수 있는 AI’를 의미하지는 않는다. </p> <div contents-hash="d35e4811ffd5beb610df88739a142eddf72367c7892eb9cb787bd60979eaad4e" dmcf-pid="bq1pKoiPhj" dmcf-ptype="general"> <strong>딥시크는 ‘효율’을 흔들었고 K3는 ‘프런티어의 경계’를 넓힌다</strong> <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="a313e5afdf35e1781631a95842d5b5f87318358e779dafd2733e033590859981" dmcf-pid="KBtU9gnQTN" dmcf-ptype="figure"> <p class="link_figure"><img alt="Kimi K3는 자동화·스프레드시트·웹 탐색 등 일부 에이전트 벤치마크에서 미국 주요 프런티어 모델과 대등하거나 앞선 결과를 기록했다. （자료=문샷AI）" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/20/552816-OGTrtXj/20260720090412518weob.png" data-org-width="1024" dmcf-mid="bpzaw5HlTU" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/20/552816-OGTrtXj/20260720090412518weob.png" width="658"></p> <figcaption class="txt_caption default_figure"> Kimi K3는 자동화·스프레드시트·웹 탐색 등 일부 에이전트 벤치마크에서 미국 주요 프런티어 모델과 대등하거나 앞선 결과를 기록했다. （자료=문샷AI） </figcaption> </figure> <div contents-hash="18a26b1a9ded29c3b090cc75c1c214ce07a9e6a1227e02abf2cec9c83bde365f" dmcf-pid="9bFu2aLxTa" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="e1296b9f63e9e6bb4cda712041832db80a77b377809303c76e3c3a9be0fe1ae5" dmcf-pid="2K37VNoMCg" dmcf-ptype="general">K3를 딥시크에 이은 중국발 AI의 또 다른 도전으로 볼 수 있지만 두 모델이 시장에 던진 충격의 초점은 다르다. </p> <p contents-hash="5aab412b70b7c9622899dcd26e1b82af4653f62348a4387993c3c7306070dd1e" dmcf-pid="V90zfjgRCo" dmcf-ptype="general">딥시크가 지난 2024년 12월 공개한 ‘DeepSeek-V3 Technical Report’에 따르면 V3는 총 6710억개 파라미터 가운데 토큰당 370억개를 활성화하는 MoE 모델이다. 사전학습에는 14조8000억개의 토큰이 사용됐으며 전체 학습에 278만8000 H800 GPU 시간이 투입됐다. </p> <p contents-hash="a18463580304b6252fa09af37c47b889ff39e888d6fe35aee2ac0d689d580fa7" dmcf-pid="f2pq4AaeTL" dmcf-ptype="general">당시 기술보고서와 보도를 바탕으로 약 600만달러 안팎의 비용이 널리 언급됐지만 이는 GPU 연산을 기준으로 산출한 특정 학습 비용을 가리키는 것이지 데이터 구축, 선행 실험, 연구진 인건비, 장비와 인프라 등을 포함한 전체 연구개발비를 의미하지 않는다. </p> <p contents-hash="f167a8d6feb75b949b325a407e7f00cec2ced70d04f14e409617b105b25360a5" dmcf-pid="4VUB8cNdyn" dmcf-ptype="general">그럼에도 딥시크가 충격을 준 이유는 분명했다. 미국의 첨단 반도체 수출 제한 속에서도 엔비디아 H800을 활용해 높은 수준의 모델을 학습했고, 이후 공개된 추론 모델 R1까지 주목받으면서 ‘AI 성능 향상에는 더 많은 최첨단 GPU와 자본이 계속 필요하다’는 시장의 전제에 의문을 던졌다. 실제로 지난해 1월 엔비디아뿐 아니라 데이터센터·전력 관련 기업까지 주가가 급락한 것은 투자자들이 AI 성능 향상에 막대한 컴퓨팅 자원과 자본투자가 계속 필요하다는 기존 전제를 다시 보기 시작했기 때문이다. </p> <div contents-hash="154c0d49829d1fefdb172f8e2786fefca688763a283a21c24c80b28fb98d1f75" dmcf-pid="86q2xwkLyi" dmcf-ptype="general"> K3가 보여주는 방향은 다소 다르다. 효율을 포기하고 단순히 ‘큰 모델’로 돌아간 것이 아니라 초대형 스케일과 계산 효율 개선을 동시에 추구했다. 총 파라미터 수만 단순 비교하면 K3의 2조8000억개는 DeepSeek-V3의 6710억개보다 네 배 이상 크다. 다만 두 모델 모두 MoE 구조를 사용하고 실제 추론 시 활성화하는 파라미터 규모가 다르기 때문에 총 파라미터 수만으로 연산량이나 성능을 직접 비교할 수는 없다. <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="a03ecf9c643233253d923260bb084c2eb85e801685bbe6e5609aee86ed97cdb0" dmcf-pid="6PBVMrEolJ" dmcf-ptype="figure"> <p class="link_figure"><img alt="문샷AI 자체 ‘Kimi Code Bench V2’ 평가에서 Kimi K3는 상대적으로 낮은 작업당 비용으로 경쟁 모델과 견줄 코딩 성능을 기록했다. （자료=문샷AI）" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/20/552816-OGTrtXj/20260720090414016lzhh.jpg" data-org-width="1024" dmcf-mid="QE3JjWvmhH" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/20/552816-OGTrtXj/20260720090414016lzhh.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 문샷AI 자체 ‘Kimi Code Bench V2’ 평가에서 Kimi K3는 상대적으로 낮은 작업당 비용으로 경쟁 모델과 견줄 코딩 성능을 기록했다. （자료=문샷AI） </figcaption> </figure> <div contents-hash="d9ad7ec72bb363a0570e27aa5e3deb2a4cb903ba84e247e5c17a3ee0a871a4d8" dmcf-pid="PQbfRmDgTd" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="e7277a34eb6bf871c75ae2a5e986b168013330cd8898f68e371f461e55940b55" dmcf-pid="QxK4eswave" dmcf-ptype="general">두 중국 모델이 AI 시장에 던진 질문도 여기서 갈린다. 딥시크의 질문이 ‘높은 수준의 AI를 얼마나 효율적으로 만들 수 있는가’였다면 K3의 질문은 ‘개방형 모델을 얼마나 프런티어의 끝까지 확장할 수 있는가’라 할 수 있다. 하나는 비용 효율의 한계를 밀었고 다른 하나는 스케일과 개방성의 한계를 동시에 시험하고 있다. 전략은 다르지만 공통점도 있다. 최첨단 AI 개발의 성공 공식이 미국 빅테크가 구축해 온 하나의 방식으로만 수렴하지 않을 수 있다는 점이다. </p> <p contents-hash="ab6cb694da60ad4acc972ab7063372ec47d93f3014f52e7de95a3183db078f46" dmcf-pid="xM98dOrNCR" dmcf-ptype="general">미국 모델과의 실제 격차를 볼 때도 이 점이 중요하다. 문샷AI 자체 자료에서 K3는 GPU 커널 최적화 등 특정 분야에서 Claude Opus 4.8과 GPT-5.5, GPT-5.6 Sol을 앞선 결과를 제시했다. 아티피셜 애널리시스 평가에서도 실제 업무형 에이전트와 장시간 지식 작업에서 높은 점수를 받았다. 그러나 문샷AI는 공식 자료의 ‘한계(Limitations)’ 항목에서 사용자 경험 측면에서는 Claude Fable 5와 GPT-5.6 Sol과 여전히 눈에 띄는 격차가 있다고 명시했다. 아티피셜 애널리시스의 종합지수에서도 두 모델보다 낮은 평가를 받았다. </p> <p contents-hash="68d081ccbbe379d5507022f8ac7fea4b03ea9267cf4088c456a4390a4f1ade89" dmcf-pid="yWslH2b0hM" dmcf-ptype="general">따라서 ‘K3가 미국 최강 모델을 넘어섰다’고 평가하기는 이르다. 더 정확한 표현은 ‘일부 영역에서 미국 상용 프런티어 모델과 경쟁하거나 앞서는 결과를 보였고, 종합 성능에서도 최상위 경쟁군에 진입했다’는 정도다. </p> <p contents-hash="eff2a9a27db2823063fc4dbe82d686436afe8d6366fe936b6d6e6dcc424fd3cf" dmcf-pid="WYOSXVKplx" dmcf-ptype="general">외신이 K3의 등장에 주목한 이유도 단순한 1위 여부 때문만은 아니었다. 그 보다는 중국 모델이 미국보다 8~12개월 뒤처져 있다는 업계의 기존 인식이 흔들릴 가능성을 짚었다. 문샷AI뿐 아니라 Z.ai와 미니맥스(MiniMax) 등 중국 기업들이 강력한 모델을 빠른 주기로 잇달아 공개하면서 미국과의 성능 격차를 좁히고 있다는 것이다. </p> <p contents-hash="6aec22055ee9b34d2538ff33ec8ba71f44cccc4932ce5c599bcffc4a35cc5517" dmcf-pid="YGIvZf9UCQ" dmcf-ptype="general">K3가 보여주는 변화는 순위보다 ‘격차의 성격’에 있다. 과거에는 중국 AI가 미국을 몇 개월이나 뒤따르는지가 관심사였다면 이제는 같은 최상위권 모델 안에서 코딩과 추론, 에이전트, 멀티모달, 가격, 개방성 가운데 어느 조건을 우선할 것인지 비교하는 경쟁으로 이동하고 있다. 딥시크가 효율이라는 변수를 전면에 내세워 AI 경쟁의 공식을 흔들었다면 K3는 여기에 규모와 개방성이라는 변수를 더했다. </p> <p contents-hash="a0ba102ddb9dce8bc440f3e2ab912b16145da1ef8967a0ffeda5450782fdf7bf" dmcf-pid="GHCT542ulP" dmcf-ptype="general"><strong>중국은 모델을 열고 한국은 AI를 국민에게 연다…한국의 승부처는 어디인가</strong> </p> <p contents-hash="1ff1c5247f4a58588dd2ae7c75a3c44eae4baabfca6c6575d1e2b0b43db13545" dmcf-pid="HxK4eswaC6" dmcf-ptype="general">K3가 던지는 또 하나의 메시지는 중국 AI 경쟁력이 더 이상 딥시크 한 기업의 돌발적인 성공만으로 설명되기 어렵다는 점이다. </p> <p contents-hash="6c4da90c0ab499c5bc8a26cb2a6f934fe8635b455ac46dac1b0d7caee0efd766" dmcf-pid="XM98dOrNy8" dmcf-ptype="general">문샷AI와 Z.ai, 미니맥스 등 여러 중국 AI 기업은 모델 성능과 가격, 개방성을 놓고 경쟁하며 빠른 주기로 새로운 모델을 내놓고 있다. 특정 기업 하나의 성공보다는 여러 기업이 경쟁하면서 전체 생태계의 개발 속도를 끌어올리는 구조가 형성되고 있다는 의미다. </p> <p contents-hash="b7e893b255dba408a49627bc163e68d184721e243da387b2480fb47f4bc4e133" dmcf-pid="ZR26JImjy4" dmcf-ptype="general">중국이 최근 오픈소스 AI를 국제 협력과 기술 생태계 확장의 주요 수단으로 강조하는 흐름도 주목할 부분이다. 개방형 모델은 단순한 기술 공개를 넘어 글로벌 개발자와 기업이 해당 모델과 도구를 활용하도록 유도하고 결과적으로 자국 AI 생태계의 영향력을 확대할 수 있는 수단이 될 수 있다. </p> <div contents-hash="08ca90b2c3887069bf41318238d78a89f65c6eff2529bb188beea92b25b63443" dmcf-pid="5eVPiCsAhf" dmcf-ptype="general"> 그렇다면 이런 상화에서 한국의 방향성은 무엇인지 알아 볼 필요가 있다. 한국은 다른 조건에서 AI 경쟁에 나서고 있다. 과학기술정보통신부와 우주항공청이 지난 16일 발표한 2026년 하반기 업무계획에 따르면 정부는 AI 데이터센터, 피지컬 AI, K-반도체를 3대 메가프로젝트로 추진한다. SK·GS·네이버 등을 포함해 총 550조원 규모로 계획된 민간 AI 데이터센터 투자가 원활하게 추진될 수 있도록 전력·부지·인허가 등을 지원하고, AI 반도체 칩부터 인프라·네트워크·소프트웨어·서비스까지 아우르는 국산 K-AI 반도체 생태계를 구축한다는 계획이다. <div> </div> </div> <figure class="figure_frm origin_fig" contents-hash="caae1abac878b9f1d8b492a8247dbeaf3290b7ebef1a37dcd3b3512ba53eaee9" dmcf-pid="1dfQnhOcyV" dmcf-ptype="figure"> <p class="link_figure"><img alt="한국형 AI 전략은 공공 AI 인프라와 반도체·스마트 제조·자율주행 등 산업 기반을 연결하는 동시에, 국민 누구나 일상에서 AI 서비스를 활용할 수 있는 접근성 확대를 핵심으로 한다. (이미지=AI로 생성)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/20/552816-OGTrtXj/20260720090415636dxvd.png" data-org-width="1024" dmcf-mid="xZWZURQ9SG" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/20/552816-OGTrtXj/20260720090415636dxvd.png" width="658"></p> <figcaption class="txt_caption default_figure"> 한국형 AI 전략은 공공 AI 인프라와 반도체·스마트 제조·자율주행 등 산업 기반을 연결하는 동시에, 국민 누구나 일상에서 AI 서비스를 활용할 수 있는 접근성 확대를 핵심으로 한다. (이미지=AI로 생성) </figcaption> </figure> <div contents-hash="b3c31595f3722927cac73f81e849486b5b41cc15782a435955ad5950ba0fe675" dmcf-pid="tJ4xLlIkv2" dmcf-ptype="general"> <div> </div> </div> <p contents-hash="5a0dea3fe0fba415cf533cfe9a94987d8815b7f87d4c3d0625ecce69212e04d9" dmcf-pid="Fi8MoSCEW9" dmcf-ptype="general">이와 함께 정부는 연내 한국 AI 모델을 활용한 범용 AI 챗봇 서비스를 국민에게 비용 부담과 이용량 제약 없이 제공하고, 내년부터 이를 AI 에이전트로 고도화해 ‘전 국민 1인 1 AI 에이전트’ 시대를 열겠다는 계획을 밝혔다. 이른바 ‘모두의 AI’ 구상이다. 정부는 올 하반기 내 글로벌 10위권 수준의 성능을 갖춘 독자 AI 모델 확보도 목표로 제시했다. </p> <p contents-hash="87718b71f2a3a57c85b2f8d774e71dc97dd432dac4c1b89a7f35ba368e46d5e5" dmcf-pid="3n6RgvhDlK" dmcf-ptype="general">현재 중국과 한국에서 두드러지는 AI 전략을 비교하면 차이는 분명하다. 중국에서는 여러 민간 기업이 강력한 모델을 빠르게 개발하고 개방형 생태계와 연결하는 방식으로 영향력을 확대하고 있다. 한국은 상대적으로 제한된 컴퓨팅 자원과 자본이라는 조건에서 독자 모델 확보와 대규모 AI 인프라 투자, 국민의 AI 접근성 확대를 동시에 추진하고 있다. </p> <p contents-hash="a2a711dafbc34eb7a7aff29c28a3a44262b76922eae074d04674ebc61072c1c7" dmcf-pid="0gxJjWvmCb" dmcf-ptype="general">한국 입장에서 중국과 똑같이 ‘몇 조 파라미터 모델을 만들었는가’를 경쟁력의 기준으로 삼을 필요는 없다. K3가 보여준 것은 큰 숫자 자체만으로 경쟁력이 완성되지 않는다는 점이다. 2.8조 파라미터 규모의 모델을 실제 서비스로 운영할 수 있는 인프라, 장시간 복합 업무를 수행할 수 있는 에이전트 기술, 개발자가 활용할 수 있는 API와 생태계, 이를 빠르게 반복 개선할 수 있는 시장까지 함께 작동해야 모델의 규모가 실질적인 경쟁력으로 전환된다. </p> <p contents-hash="21c09d9ce648f18a99ca29ce5e52c331d1d5cf85c4aa9efbb3f6a52c89187870" dmcf-pid="paMiAYTshB" dmcf-ptype="general">물론 한국 역시 독자 파운데이션 모델 역량을 일정 수준 확보해야 한다는 필요성이 커지고 있다. 이는 모든 글로벌 범용 모델을 성능에서 이기겠다는 의미보다 공공·산업 영역에서 기술적 선택권을 확보하고 특정 해외 모델에 대한 과도한 의존을 줄이기 위한 기반 마련하기 위해서라 할 수 있다. </p> <p contents-hash="558132983ed879504f29282ac5ae1b3376015a9c85505b08d2ca8f43e1e7b6ae" dmcf-pid="UNRncGyOlq" dmcf-ptype="general">‘모두의 AI’의 성패도 단순한 무료 챗봇 제공 여부만으로 결정되지는 않을 가능성이 크다. 국민이 AI를 일상과 업무에서 사용하고, 국내 기업과 개발자가 이를 기반으로 서비스를 만들며, 실제 사용 과정에서 축적된 경험이 다시 모델과 서비스 개선으로 이어지는 ‘사용→서비스 확산→산업 적용→기술 개선’의 순환 구조가 만들어져야 한다. 무료 이용 자체가 정책의 최종 목표가 된다면 지속적인 컴퓨팅 비용을 감당해야 하는 공공 서비스에 머물 수 있다. 반대로 이용자와 산업을 국내 AI 생태계로 연결하는 기반이 된다면 한국이 미국·중국과 다른 방식으로 AI 시장의 규모를 키울 가능성도 있다. </p> <p contents-hash="27ef8fa6c569f109d34bf1d1446fa6a06d081dbcdf29b4ca1aae63f6a492c415" dmcf-pid="ujeLkHWICz" dmcf-ptype="general">한국의 제조업 기반도 차별화 요소가 될 수 있다. 반도체와 자동차, 로봇, 조선, 배터리 등 실제 산업 현장에서 확보되는 데이터와 AI를 연결하면 범용 챗봇의 파라미터 경쟁과는 다른 승부가 가능하다. 정부가 AI 데이터센터와 함께 피지컬 AI와 K-반도체를 3대 메가프로젝트로 묶은 것도 이러한 산업적 강점을 AI 경쟁력으로 연결하려는 방향으로 해석할 수 있다. 다만 실제 성과는 산업 데이터를 얼마나 확보하고 활용할 수 있는지, 충분한 컴퓨팅 인프라와 국내 AI 반도체 생태계를 구축할 수 있는지, 기술 개발이 실제 산업 적용으로 이어지는지에 달려 있다. </p> <p contents-hash="afde914368f0847eab03848a226e4877a964954814b61d986dfbbb4f2dc44e0b" dmcf-pid="7AdoEXYCS7" dmcf-ptype="general">딥시크와 K3는 중국 AI가 서로 다른 방식으로 던진 두 개의 질문이다. 딥시크가 ‘더 적은 자원으로 어디까지 갈 수 있는가’를 물었다면 K3는 ‘개방형 모델도 세계 최상위 프런티어까지 확장할 수 있는가’를 시험하고 있다. </p> <p contents-hash="951bf47e25176df36b84cbafdfec4238b42450b19b6be44b4ef4d8c6985e19eb" dmcf-pid="zcJgDZGhyu" dmcf-ptype="general">한국이 그대로 같은 질문을 따라갈 필요는 없다. 한국이 답해야 할 질문은 제한된 컴퓨팅 자원과 자본을 어디에 집중해야 독자적인 AI 기술 역량을 유지하면서 더 많은 국민과 기업이 이를 사용하고, 그 사용이 다시 산업과 기술 경쟁력으로 돌아오게 할 수 있느냐다. </p> <p contents-hash="cdca47359a091e8c50eb932e2944ddf06e6524dac37b3ec383f8c4e664593d36" dmcf-pid="qkiaw5HlWU" dmcf-ptype="general">중국이 강력한 모델을 만들고 개방형 생태계를 넓히는 방식으로 영향력을 확대한다면 한국의 승부처는 독자 모델과 ‘모두의 AI’를 통한 접근성, AI 데이터센터와 AI 반도체 인프라, 제조·로봇을 비롯한 산업 특화 AI를 하나의 순환 구조로 연결하는 데 있을 수 있다. </p> <p contents-hash="0c5377bf15cbbe5862e7713cff313df71cfe253bef52fedb38b7c4b63552c821" dmcf-pid="BEnNr1XSvp" dmcf-ptype="general">저작권자 © Tech42 - Tech Journalism by AI 테크42 무단전재 및 재배포 금지</p> </section> </div> 관련자료 이전 '키미 K3 충격' 삼성·SK하이닉스엔 호재?…"HBM 수요 더 커진다" [IT썰] 07-20 다음 DPlus KIA wins Esports World Cup League of Legends title 07-20 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
