[키미 K3 쇼크②] “저렴하지만 장시간 작업에 속도 느리고 토큰 소모 심해” 작성일 07-24 49 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">개발자·AI 전문가 키미3 사용 후기… "토큰당 비용보다 과제 완료 비용 봐야”</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="ZIhrrXGhyV"> <div contents-hash="665f6c60948717b47b0d866c4f1250be21911c7779a63f42304184473df8695b" dmcf-pid="5ClmmZHlT2" dmcf-ptype="general"> <strong>중국 인공지능(AI) 기업이 성능과 가격 경쟁력을 앞세워 미국 중심의 AI 시장을 흔들고 있다. 문샷AI의 ‘키미 K3’는 2조8000억개 매개변수와 오픈웨이트 전략으로 글로벌 개발자 생태계 공략에 나섰다.<디지털데일리>는 키미 K3의 기술 구조와 실제 성능, 중국의 글로벌 AI 확장 전략을 3회에 걸쳐 살펴본다. 아울러 중국 AI의 부상이 국내 기업과 정부의 AI 전략에 던지는 과제도 짚어본다.<편집자></strong> </div> <figure class="figure_frm origin_fig" contents-hash="24fc727ec4669490edc5c59e4728eb6cd7f51e1563a643195c4c94e2109ca921" dmcf-pid="1hSss5XSh9" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/24/552796-pzfp7fF/20260724053445009fvno.jpg" data-org-width="640" dmcf-mid="HSxffgLxh4" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/24/552796-pzfp7fF/20260724053445009fvno.jpg" width="658"></p> </figure> <p contents-hash="072faa616c1395bc404a77840a7bf9c30863077affd2498f8ca233d589c61056" dmcf-pid="tlvOO1ZvWK" dmcf-ptype="general">[디지털데일리 구아현기자] 중국 문샷AI의 대형언어모델(LLM) ‘키미 K3’를 실제 개발 업무에 활용한 결과 프런트엔드 결과물의 완성도와 비용 경쟁력에서는 강점을 보였지만 속도와 토큰 효율에는 한계가 있다는 평가가 나왔다.</p> <p contents-hash="ef96ee2d3ee33e497d7051e6ee412d29731e0972d37a28349f14de2c61609a2e" dmcf-pid="FSTIIt5TSb" dmcf-ptype="general">24일 <디지털데일리>가 K3를 직접 사용하거나 기술 구조를 분석한 복수의 개발자와 AI 전문가를 취재한 결과 K3의 비용 경쟁력은 단순한 토큰당 가격보다 ‘과제당 총비용’에서 두드러졌다. 프런트엔드와 멀티미디어, 바이오 전문 질의에서는 높은 완성도를 보였지만 장시간 코딩과 복합 추론에서는 처리시간과 토큰 사용량의 편차가 컸다.</p> <p contents-hash="5d5397e4fe79e3bf0242b0fbf214ffc599cccc48f379e63daa2625a474b6e860" dmcf-pid="3vyCCF1yWB" dmcf-ptype="general">해외 개발자 커뮤니티에서도 장시간 에이전트 작업을 수행할 때 구독 한도가 빠르게 소진된다는 이용 후기가 잇따랐다. 반면 코딩 도구와 추론 강도, 보조 에이전트 설정에 따라 사용량이 달라지는 만큼 이를 K3 자체의 비효율로 단정하기 어렵다는 반론도 나온다.</p> <p contents-hash="2a700b6d049b0207369821b915e725e3d48869256aa8324961543a63f61c2bb5" dmcf-pid="0TWhh3tWvq" dmcf-ptype="general">이들은 "같은 결과에 도달하더라도 모델마다 사용한 토큰과 시간, 재시도 횟수가 다르기 때문에 기업은 업무 완료까지 들어간 총비용과 결과물의 완성도를 함께 따져야 한다"고 입을 모았다.</p> <p contents-hash="a9473447458c0ba0a15158156ebd70caa93341c7323c2311575db75fb6582b05" dmcf-pid="piLRRDkLCz" dmcf-ptype="general"><strong>◆ "GPT 10만원 작업을 3만원에"</strong></p> <p contents-hash="6865d2099fce7af980e032398a3135adeab725cc63394a5feee4578678db5640" dmcf-pid="UnoeewEoW7" dmcf-ptype="general">비용 경쟁력은 과제당 총비용에서 확인됐다. K3를 실제 개발 업무에 활용한 한 AI 업계 시니어급 개발자는 동일한 작업을 GPT로 처리할 때 약 10만원이 들었다면 K3에서는 약 3만원이 소요됐다고 밝혔다. 토큰을 더 사용하더라도 낮은 단가와 높은 첫 결과물 완성도로 수정 횟수를 줄여 전체 비용을 낮출 수 있었다는 설명이다.</p> <p contents-hash="fc91287bd052a3117df69932d42375347b675960d785f1423ce1c8a051d5abc9" dmcf-pid="uLgddrDgWu" dmcf-ptype="general">이 개발자는 “동일한 작업을 수행할 때 GPT로 약 10만원이 들었다면 K3로는 약 3만원에 처리할 수 있었다”며 “과제당 총비용이 약 70% 줄어드는 효과를 체감했다”고 말했다.</p> <p contents-hash="e561b8f38b22a7fe91aeede6b8fc988c7ed8736c9248c5d45f58a5851e44757a" dmcf-pid="7oaJJmwayU" dmcf-ptype="general">프런트엔드 개발에서는 결과물의 일관성이 강점으로 꼽혔다. 다른 모델이 특정 기능을 구현하는 단편적인 코드를 출력하는 데 그치는 경우가 있다면, K3는 웹사이트의 디자인 주제와 화면 구성, 프런트엔드 구조를 하나의 흐름으로 구성했다는 평가다. 코드와 이미지, 영상을 함께 다루는 작업에서도 여러 도구를 오가지 않고 결과물을 연결할 수 있었다.</p> <p contents-hash="53e4d430a79b2eba464381e62f17cdda076ce9514a4bec226f5ed2717a453b61" dmcf-pid="zgNiisrNSp" dmcf-ptype="general">이 개발자는 “쇼핑몰 사이트를 구축할 때 디자인 주제와 레이아웃, 프런트엔드 구조까지 전체적인 방향을 맞춰 생성했다”며 “코드와 디자인 사이의 일관성이 높고 앞에서 정한 내용을 긴 작업에서도 비교적 잘 유지했다”고 설명했다.</p> <p contents-hash="044f7de29581a8cf8f6a67a723a63d6abc0c328bdc045db20b91733ef376bcef" dmcf-pid="qajnnOmjT0" dmcf-ptype="general">전문 지식 업무에서도 답변 품질은 미국 모델에 크게 뒤처지지 않았다. 바이오 연구용 검색증강생성(RAG) 시스템을 개발하는 한 AI 업계 개발자는 자체 RAG 환경에서 K3에 전문 바이오 질의를 적용한 결과 기존 프런티어 모델과 비교해 뚜렷한 품질 저하는 확인되지 않았다고 평가했다.</p> <p contents-hash="8d524438ae24716a5c68258062dae9a8a8a96d88be2cd3ae5e8072659b2414d8" dmcf-pid="BNALLIsAT3" dmcf-ptype="general">이 개발자는 “전문 바이오 질의에 대한 답변 수준은 기존 프런티어 모델과 비교해 크게 뒤처지지 않았다”며 “복잡한 전문 지식 업무에서도 충분히 활용할 수 있는 결과물을 내놨다”며 “다만 복잡한 질의에서는 여러 단계의 검색과 장시간 추론이 이어져 응답 품질뿐 아니라 추론 비용과 처리시간의 변동성을 함께 살펴봐야 했다”고 당부했다.</p> <p contents-hash="4510471d7e3dfe2f3fc7f578025d62509d613aafdc8e27b8f96e264d579ed932" dmcf-pid="bjcooCOcSF" dmcf-ptype="general"><strong>◆ "길어질수록 느리고 토큰 많이 써"</strong></p> <p contents-hash="f580f0b5a8a5dd0b6e13ca87fe824ef60ee10ec41c8b5dafda87552e20442d40" dmcf-pid="KAkgghIkht" dmcf-ptype="general">반면 속도와 토큰 효율은 공통된 약점으로 지목됐다. 프런트엔드 업무를 시험한 시니어급 개발자는 K3가 한 번에 넓은 범위의 결과물을 만들지만, 최종 답변을 내놓기까지 걸리는 시간은 클로드 등 미국 프런티어 모델보다 길었다고 평가했다.</p> <p contents-hash="e574e168ebc6cbe098cbff20a73d74b0d47743ab02f8a72b1a64e7808884dd32" dmcf-pid="9cEaalCET1" dmcf-ptype="general">이 개발자는 “초당 토큰 처리 속도와 출력 속도는 클로드 등 다른 모델보다 상대적으로 느렸다”며 “규모가 큰 작업에서는 최종 결과물을 받기까지 약 1시간 더 소요된 경우도 있었다”고 말했다.</p> <p contents-hash="3b92768975d9f8711a7f717f48139268e862918ef037c652aaa8d810ee783312" dmcf-pid="2kDNNShDC5" dmcf-ptype="general">다만 느린 출력이 곧바로 생산성 저하로 이어지는 것은 아니라고 봤다. 그는 “한 번에 완성도 높은 결과물을 내놓기 때문에 사람이 여러 차례 수정하고 다시 명령하는 시간을 줄일 수 있다”며 “재작업까지 포함한 프로젝트 전체 개발기간은 오히려 짧아질 수 있다”고 덧붙였다.</p> <p contents-hash="0ebd6c38b26fd8059146077af3129027a093d2e56cef6042f60b8d6b5a746fd6" dmcf-pid="VgNiisrNWZ" dmcf-ptype="general">바이오 RAG를 시험한 개발자도 같은 한계를 확인했다. 단순한 전문 질의에서는 답변 품질이 유지됐지만 질문이 복잡해질수록 여러 단계의 자료 검색과 장시간 추론이 이어지면서 업무별 처리시간과 토큰 사용량의 편차가 커졌다.</p> <p contents-hash="1bc175551443c9d67c97ed04958b4c6158a7f73bb9a3194796a015241bc0c1d7" dmcf-pid="fajnnOmjhX" dmcf-ptype="general">이 개발자는 “복잡한 질의에서는 여러 단계의 검색과 장시간 추론이 이어졌다”며 “실제 서비스에 적용하려면 응답 품질뿐 아니라 추론 비용과 처리시간의 변동성도 함께 살펴봐야 한다”고 말했다.</p> <p contents-hash="3f19d1edbb5845a0ecb9e2c46cd7c3e116c877fb2e1f05137ebb900e5ff66e06" dmcf-pid="4NALLIsAlH" dmcf-ptype="general">해외 이용자들도 비슷한 문제를 제기했다. 레딧의 키미 이용자 커뮤니티에는 키미 코드에서 K3를 한 시간 사용한 뒤 주간 이용 한도의 29%가 소진됐고, 다음 날에는 한 시간 만에 41%를 사용했다는 후기가 올라왔다. 다만 이는 개인 이용자의 자체 기록으로 작업 조건과 실제 토큰 사용량이 독립적으로 검증된 수치는 아니다.</p> <p contents-hash="32eeeef8cb0f1584aceb3f050b446b904a44c1884d2448ba76885f20b33c993f" dmcf-pid="8jcooCOcWG" dmcf-ptype="general">같은 커뮤니티에서는 추론 강도를 최고 단계로 설정하거나 검색·코딩을 담당하는 보조 에이전트에도 K3를 적용하면 사용량이 급증할 수 있다는 분석이 나왔다. 저렴한 모델을 보조 작업에 배치하거나 추론 강도를 낮추면 크레딧 소비를 줄일 수 있어 모델뿐 아니라 에이전트 운영 방식도 비용을 좌우한다는 설명이다.</p> <figure class="figure_frm origin_fig" contents-hash="dde4bc690063b7ad3ec3353f55bbc0d17e0bcd32dbc165c8afbe504dbef6fa04" dmcf-pid="6AkgghIkvY" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/24/552796-pzfp7fF/20260724053446326rcif.jpg" data-org-width="640" dmcf-mid="X2ixxkAiWf" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/24/552796-pzfp7fF/20260724053446326rcif.jpg" width="658"></p> </figure> <p contents-hash="06e4803af4789f914362efd74e6654f36304a6eb802fc20f2ef266cb3144792a" dmcf-pid="PcEaalCECW" dmcf-ptype="general"><strong>◆ 같은 만점인데 K3는 17.4시간…솔보다 토큰 6.5배</strong></p> <p contents-hash="c8b73b559976e1592ff88a57962095fe1a4d6e4de8f81175c7d53dd3d1264bab" dmcf-pid="QkDNNShDly" dmcf-ptype="general">정량 비교에서도 같은 특성이 나타났다. 개인 개발자가 깃허브에 공개한 비공식 실험에서는 2026년 국제수학올림피아드(IMO) 6개 문제를 클로드 페이블5와 GPT-5.6 솔, K3에 풀게 했다. 세 모델은 풀이 보완 과정을 포함해 최종적으로 모두 42점 만점을 기록했다.</p> <p contents-hash="f305715a27e6cdd5b2c2a82804d61e5f6f06a18ee754f66ee8cd3fee3da78b3c" dmcf-pid="xEwjjvlwhT" dmcf-ptype="general">최종 점수는 같았지만 만점에 도달하기까지 투입한 시간과 토큰은 달랐다. 페이블5는 총 2.5시간 동안 약 70만5000개의 출력 토큰을 사용했고, GPT-5.6 솔은 3.8시간 동안 약 23만6000개를 사용했다.</p> <p contents-hash="c71cbdb6173582edddd90e9036bf18311c4126012f4647d0d0db1a1089f87d74" dmcf-pid="yzBppP8Byv" dmcf-ptype="general">K3는 17.4시간 동안 약 154만5000개의 출력 토큰을 사용했다. 솔과 비교하면 소요 시간은 약 4.6배, 출력 토큰은 약 6.5배 많았다. 총비용은 페이블5 51.05달러, 솔 약 20.54달러, K3 약 31.40달러로 집계됐다. K3는 가장 많은 토큰을 사용했지만 페이블5보다는 저렴했고 솔보다는 시간과 비용이 더 들었다.</p> <p contents-hash="8b20596d04aba50b10af729ff94a15bbced6ab62b6569525d59aece08d54e9c9" dmcf-pid="WqbUUQ6bTS" dmcf-ptype="general">첫 평가 결과에서도 차이가 났다. 페이블5는 첫 평가에서 42점을 받았지만 솔은 39점, K3는 36점이었다. 솔과 K3는 검증 과정에서 발견된 풀이의 결함을 보완한 뒤 최종 만점에 도달했다. 같은 점수를 얻었더라도 K3는 더 많은 재시도와 추론을 거친 셈이다.</p> <p contents-hash="a03a0103e34144408b26ce2845450c61683e2620096e45370c58295c69669903" dmcf-pid="YBKuuxPKyl" dmcf-ptype="general">다만 이번 실험은 특정 에이전트 환경에서 모델별로 제한된 횟수만 실행한 개인 개발자의 비공식 비교다. 사용한 도구와 시간 제한, 재시도 방식에 따라 결과가 달라질 수 있어 모델의 종합적인 성능 순위로 일반화하기는 어렵다. 다만 벤치마크 최종 점수와 실제 업무 효율이 일치하지 않을 수 있다는 점은 보여준다.</p> <p contents-hash="7ec891408e0b553fe88985ec9c9e44b5ccd0812b4490b4975a9ae1a4c88868bf" dmcf-pid="GBKuuxPKhh" dmcf-ptype="general"><strong>◆ “토큰 단가보다 과제 완료 비용 봐야”</strong></p> <p contents-hash="09f41e190740077b6beada57c949ea1efe28e0cb78b5f60f1cf371b238fd74e0" dmcf-pid="Hb977MQ9vC" dmcf-ptype="general">업계에서는 모델 평가 기준을 바꿔야 한다고 조언한다. 전체 매개변수와 공개 벤치마크 점수만으로 실제 산업 현장에서의 비용과 생산성을 판단하기 어렵다는 지적이다.</p> <p contents-hash="24d75164a75f0428b57a48c8f363032e979ae2a3b29dae55bacd20e07b7ab897" dmcf-pid="XK2zzRx2lI" dmcf-ptype="general">기업 이용자에게 중요한 기준은 토큰 한 개의 가격보다 과제를 완료하는 데 들어간 총비용이다. 단가가 낮더라도 긴 추론과 반복 실행으로 토큰 사용량이 늘면 처리 시간과 비용도 커진다. 반대로 토큰을 더 사용하더라도 첫 결과물의 완성도가 높아 수정과 재작업을 줄이면 전체 프로젝트 비용은 낮아질 수 있다.</p> <p contents-hash="6b90ac03616dcebb1c902365b052268c5a566ea9daf524310d1716b6cf4d84f8" dmcf-pid="Z9VqqeMVlO" dmcf-ptype="general">업무에 따른 모델 선택도 필요하다. K3는 프런트엔드와 멀티미디어, 복잡한 전문 질의처럼 여러 요소를 한꺼번에 구성하는 작업에서는 가격과 완성도가 강점으로 작용했다. 반면 즉각적인 응답이 필요하거나 처리시간과 비용을 안정적으로 예측해야 하는 서비스에서는 느린 속도와 토큰 사용량이 부담이 될 수 있다.</p> <p contents-hash="bc6f24873b8d33c46000df146a8294b27704bc36701cbea81c351b83a820d6d1" dmcf-pid="52fBBdRfhs" dmcf-ptype="general">다른 거대언어모델을 개발하는 한 AI 업계 엔지니어는 “전문가 혼합(Mixture-of-Experts·MoE) 모델은 전체 매개변수 가운데 일부만 활성화해 추론하기 때문에 매개변수 총량만으로 실제 연산량과 효율을 판단하기 어렵다”며 “활성 매개변수 규모와 토큰당 연산량, 처리 속도, 토큰 비용, 실제 업무 성능을 종합적으로 봐야 한다”고 말했다.</p> <p contents-hash="287b0fbf14db0ef23973358759d3c02455c42e8b386191f2f67a7d018b3effb6" dmcf-pid="1V4bbJe4Wm" dmcf-ptype="general">이어 “어느 모델이 절대적으로 우월한지를 따지기보다 범용성과 최고 성능이 필요한 업무인지, 특정 업무에 맞춘 효율적인 운영이 필요한지를 먼저 판단해야 한다”며 “산업 현장에서는 대형 모델을 API로 활용하면서 자사 데이터에 맞춘 경량 모델을 병행하는 혼합 전략이 현실적”이라고 강조했다.</p> </section> </div> <p class="" data-translation="true">Copyright © 디지털데일리. All rights reserved. 무단 전재 및 재배포 금지.</p> 관련자료 이전 메타, AMD '6GW AI 가속기·6세대 베니스' 전격 채택… "CPU+GPU 일체형 코디자인 실행" [AAI 2026] 07-24 다음 [단독] “밝히는 순간, 신뢰 깨져”…요즘 변호사 숨기고픈 ‘비밀’ 07-24 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
