facts

이번 공개의 핵심은 API 기반으로 제공되던 Kimi K3의 전체 모델 가중치와 이를 독립적으로 구동하기 위한 인프라 스택의 배포다. Kimi K3는 2.8조 개의 파라미터를 보유한 Mixture-of-Experts(MoE) 구조이며, 100만 토큰의 컨텍스트 윈도우를 지원한다. Moonshot AI는 모델 가중치와 함께 47페이지 분량의 기술 보고서, 추론 인프라, 최적화된 어텐션 커널(Attention Kernels), MoE 통신 라이브러리 및 배포 컴포넌트를 함께 제공했다.

개발 생태계 지원을 위해 vLLM과 SGLang에 대한 구현 지원이 포함됐다. 이는 API 호출 방식에서 벗어나 연구자나 기업 개발자가 시스템을 자체 호스팅(Self-hosting)하여 제어권을 확보하고 오프라인 환경에서 모델을 운용할 수 있도록 하는 구성이다. 공개된 리소스에는 모델의 학습 과정에서 발생한 혁신 사례와 장애 극복 과정이 기술 보고서 형태로 상세히 기록되어 있다.

how-it-works

896개의 전문가(Experts) 풀 중에서 실제 추론 시에는 1,040억 개의 파라미터만 활성화하는 구조를 취한다. Moonshot AI는 이를 통해 3T(3조) 클래스 규모의 모델 성능을 유지하면서도 연산 효율을 높였다. 기술 보고서에 따르면 Kimi Delta Attention, Attention Residuals, Stable LatentMoE라는 세 가지 핵심 기술이 모델의 아키텍처를 지탱한다. 이 메커니즘들은 네이티브 멀티모달 추론 능력과 대규모 컨텍스트 처리 능력을 구현하는 기초가 된다.

벤치마크의 경우, Moonshot AI는 Kimi K3가 프론티어 수준의 성능을 기록했다고 발표했다. 구체적인 수치 나열보다 3T 클래스 오픈 모델로서의 위치를 강조하며, 대규모 파라미터 풀과 제한된 활성 파라미터 간의 균형을 통해 지연시간과 처리량의 최적점을 찾았음을 시사했다. 다만, 이번 공개는 특정 벤치마크의 최고점 달성보다는 자체 호스팅이 가능한 인프라와 최적화 커널의 제공을 통한 실질적 배포 가능성에 초점을 맞췄다.

implementation-impact

라이선스 조항 중 가장 주의 깊게 살펴야 할 지점은 '모델 서비스(Model as a Service, MaaS)'에 대한 정의와 매출 임계치다. 라이선스 제2조에 따르면, 제3자에게 모델 추론이나 파인튜닝 권한을 부여하여 입력값, 파라미터, 학습 데이터에 대해 유의미한 제어권을 행사하게 하는 경우를 MaaS로 규정한다. 라이선스 취득자 및 계열사의 합산 연간 매출이 2,000만 달러(약 270억 원)를 초과하는 기업이 이러한 MaaS 사업을 운영하려면 Moonshot AI와 별도의 상업적 계약을 체결해야 한다.

브랜딩 의무는 서비스 규모에 따라 결정된다. 라이선스 제3조는 상업적 제품이나 서비스의 월간 활성 사용자(MAU)가 1억 명을 넘거나, 월 매출이 2,000만 달러를 초과하는 경우 사용자 인터페이스(UI)에 'Kimi K3'를 명시적으로 표시할 것을 요구한다. 이는 모델을 추상화하여 자체 브랜드로만 제공하려는 기업 소프트웨어 벤더나 AI 코파일럿 서비스 제공자에게 제약 사항이 될 수 있다.

다만 내부 사용(Internal use)에 대해서는 예외 조항을 둔다. 모델의 출력값이나 기능을 제3자에게 제공하지 않고 사내 정보 검색, 문서 작성, 직원 질의응답 등 내부 도구로만 활용하는 경우에는 매출 규모나 MaaS 여부와 관계없이 제2조와 제3조의 적용을 받지 않는다.

기업의 기술 결정권자는 Kimi K3를 단순 기능 임베딩(Embedded features) 형태로 제공하는지, 아니면 API 형태로 제어권을 부여하는 MaaS 형태로 제공하는지를 먼저 구분해야 하며, 계열사를 포함한 합산 매출이 2,000만 달러를 넘는 시점에 라이선스 계약 전환 비용을 운영 예산에 반영해야 한다.