오픈 가중치가 프론티어에 3점 차로 다가섰다 — 문샷 AI Kimi K3.1 Pro
문샷 AI가 10월 23일 공개한 Kimi K3.1 Pro는 K3를 대규모 후훈련으로 다듬은 3조 파라미터급 모델로, 코딩 벤치마크 Terminal-Bench 4.0에서 65.7%를 기록해 GPT-6 Astra를 앞지르고 클로드 오퍼스 5.5에 0.7점 차로 다가섰고, 독립 평가기관 아티피셜 애널리시스의 지능 지수에서는 55점으로 4위에 올랐으며, 11월 4일 가중치 공개가 예정돼 있어 그날이 되면 역대 최고 점수의 오픈 가중치 모델이 되는데, 다만 벤치마크 수치 대부분이 문샷 자체 발표이고 가중치는 아직 공개되지 않았다는 점, 그리고 사이버 관련 학습 데이터를 의도적으로 빼서 보안 역량을 낮춘 채 내놓았다는 점이 이번 발표의 양면이다.
SOURCE 문샷 AI 기술 블로그 (2026.10.23) ↗
금요일에 나온 하나의 모델 발표가 오픈 가중치 진영과 비공개 프론티어 사이의 거리를 숫자로 바꿔놓았다.
중국 베이징의 AI 스타트업 문샷 AI가 10월 23일 Kimi K3.1 Pro를 공개했다.
K3.1 시리즈의 첫 모델이자, 문샷이 지금까지 내놓은 3조 파라미터급 오픈 가중치 모델 가운데 가장 역량이 높다고 회사가 설명하는 모델이다.
이번 발표를 가늠하는 잣대는 두 가지 숫자다.
코딩 에이전트 벤치마크 Terminal-Bench 4.0에서 65.7%를 기록했고, 독립 평가기관 아티피셜 애널리시스의 지능 지수(Intelligence Index)에서는 55점으로 4위에 올랐다.
Terminal-Bench 4.0 점수는 오픈AI의 GPT-6 Astra(58.2%)를 앞지르고 앤트로픽의 클로드 오퍼스 5.5(66.4%)에는 0.7점 차로 다가선 수치다.
지능 지수 4위라는 자리도 의미가 있다.
앞에 있는 세 모델이 클로드 오퍼스 5.5(58점), 클로드 소네트 5.5(56점), 뮤즈 원더 풀(56점)로 전부 비공개 모델이기 때문이다.

데이터센터 서버 랙 후면 근접 사진 — 사진: Wikimedia Commons (CC0, 퍼블릭 도메인)
K3.1 Pro가 무엇인지부터 정리하면, 완전히 새로 만든 모델이 아니라 K3를 다듬은 모델이다.
문샷은 K3의 아키텍처를 유지한 채 후훈련(post-training) 연산량을 대폭 늘렸다고 밝혔다.
수백 개 분야에 걸친 대규모 강화학습을 한 번에 돌리기 위해 강화학습 프레임워크부터 긴 문맥 추론, 샌드박스 인프라, 실행 일정 관리까지 스택 전 층을 손봤다는 설명이다.
전체 파라미터는 약 2조 8,000억 개, 한 토큰을 처리할 때 실제로 작동하는 파라미터는 약 1,040억 개로 K3와 같은 규모다.
문맥 창은 100만 토큰으로, 책 수백 권 분량을 한 번에 넣고 작업할 수 있는 수준이다.
텍스트와 이미지를 받아들이고, API로는 동영상 입력도 다룬다고 문샷은 밝히고 있다.
함께 나온 Kimi K3.1 Pro Highspeed는 2\~3배 빠른 응답을 내세운 변형으로, 속도를 중시하는 용도를 겨냥한다.
이용 경로는 Kimi 웹사이트와 모바일 앱, Kimi Work, Kimi Code, Kimi API로 넓게 열려 있다.
다만 이 글을 쓰는 시점에는 호스티드 서비스로만 쓸 수 있다.
모델 가중치 파일 자체는 11월 4일까지 공개하겠다고 문샷이 약속한 상태다.
그래서 엄밀히 말하면 지금의 K3.1 Pro는 오픈 가중치 모델이 아니라 오픈 가중치가 될 예정인 모델이다.
이 구분이 이번 발표를 읽는 출발점이다.
코딩 쪽 수치를 조금 더 들여다보면 이번 발표의 무게 중심이 어디인지 보인다.
Terminal-Bench 4.0은 실제 터미널 환경에서 코딩 에이전트에게 과제를 주고 과제별 테스트로 엄격하게 채점하는 벤치마크다.
문샷이 공개한 표에서 K3.1 Pro는 65.7%로 GPT-6 Astra의 58.2%를 넘고 클로드 오퍼스 5.5의 66.4%에 바짝 붙었다.
문샷 내부 벤치마크인 Kimi Code Bench 3.0 Long-horizon에서도 61.2%로 K3의 55.95%보다 5점 이상 올랐다.
이 벤치마크는 여러 단계에 걸친 실행과 도구 사용, 끝까지 문제를 푸는 능력을 재는 시험이다.
SWE-Marathon에서는 51.7로 문샷 표에 나온 모델 가운데 가장 앞섰고, 오퍼스 5.5는 46.3이었다.
아티피셜 애널리시스가 따로 측정한 수치도 방향은 같다.
업무 관련 과제를 재는 GDPval-AA에서 K3.1 Pro는 1,846 Elo로 K3보다 312점 올랐고, 업무용 소프트웨어 작업 흐름을 재는 AutomationBench-AA에서는 58%에서 73%로 뛰었다.
다만 아티피셜 애널리시스가 측정한 Terminal-Bench 4.0 점수는 67%로 문샷 자체 발표인 65.7%와 조금 다르다.
측정 설정이 달랐기 때문으로 보이며, 어느 쪽이든 순위는 바뀌지 않는다.
문샷이 내세우는 활용처도 코딩 중심이다.
유니티와 언리얼 엔진, 고닷 같은 게임 엔진으로 완성된 경험을 통째로 만들고, 블렌더와 CAD 스크립트를 직접 짜서 3D 모델을 만드는 작업이 대표 사례다.
내부 테스트에서는 인체 해부학 모델 위에 걷기 시뮬레이터를 얹고 167개 과제를 수행하면서 넘어지던 시뮬레이션 인체를 11.2초 동안 연속 보행에 이르게 했다는 사례도 소개했다.
도표는 문샷 AI 기술 블로그(2026.10.23)가 공개한 Terminal-Bench 4.0 수치로 직접 작성했다.
코딩 말고도 눈에 띄는 개선이 두 분야 더 있다.
3D 모델링 벤치마크 BenchCAD에서는 도구를 쓸 때 92.7%로 오퍼스 5.5의 96.2%와 GPT-6 Astra의 95.9%에 근접했고, 도구를 쓰지 않을 때는 72.8로 오퍼스 5.5의 73.0과 거의 같았다.
금융 쪽에서는 실제 재무 문서를 뒤져 여러 문서를 교차 검증하고 다단계 수치 추론을 하는 OfficeQA Pro v2에서 64.4로 문샷이 최고 기록이라고 주장하는 점수를 냈고, Frontier Finance에서는 58.6을 기록했다.
내부 금융 벤치마크 개선폭도 크다.
재무 모델링은 50.4에서 57.6으로 7.2점, 재무 리서치는 58.8에서 70.4로 11.6점 올랐고, 경영 시뮬레이션인 비즈니스 오퍼레이션은 8.9에서 37.0으로 약 4.2배가 됐다.
환각(할루시네이션) 지표도 좋아졌다.
사실 오류를 일부러 유도하는 내부 스트레스 테스트 Kimi Hallu Bench Hard에서 주장 단위 오류율이 K3의 23.4%에서 8.3%로 떨어졌다.
문샷 스스로 이 테스트는 오류를 유도하도록 설계된 극단적 시험이라 일상 오류율이 아니라고 단서를 달았다.
도구를 쓰지 않는 조건에서는 GPT-6 Astra 4.2, K3.1 Pro 5.4, 오퍼스 5.5 6.8 순이었다.
가격도 공격적이다.
API 요금은 입력 100만 토큰당 2달러, 출력 10달러, 캐시 입력 0.20달러로 K3보다 33% 내렸고, 문샷은 오퍼스 5.5 요금표의 절반 수준이라고 CGTN은 전했다.
Highspeed는 입력 4달러, 출력 20달러로 두 배다.
다만 토큰당 가격이 전부는 아니라는 지적도 바로 나왔다.
CGTN이 인용한 오카라우터 분석에 따르면 과제당 비용은 K3.1 Pro가 1.98달러로 K3의 2.00달러와 거의 같은데, 과제당 출력 토큰이 5만 5,000개로 K3보다 14% 많기 때문이다.
싸게 쓸 수 있는 모델이 반드시 싸게 끝나는 모델은 아니라는 얘기다.
이번 발표에서 기술 수치만큼이나 주목받은 대목은 따로 있다.
문샷이 오픈 가중치 공개를 앞두고 사이버 관련 학습 데이터를 의도적으로 덜어냈다고 밝힌 부분이다.
개발 과정에서 후훈련 규모가 커질수록 취약점 연구 역량이 덩달아 오르는 것을 확인했고, 그 원인을 추적하니 일반 중간 훈련 데이터 안에 사이버 관련 내용이 섞여 있었고 강화학습 환경에도 사이버 관련 과제가 들어 있었다는 설명이다.
그래서 중간 훈련과 강화학습 두 단계에서 사이버 관련 데이터를 식별해 제거했고, 일반적인 코딩 과제는 남겨뒀다.
효과는 내부 취약점 발굴 벤치마크 xdev-bench-hard에서 드러난다.
아무런 조치를 하지 않은 체크포인트는 pass@3 기준 90.5%를 풀었지만, 출하되는 K3.1 Pro는 81.0%에 머물렀다.
K3의 33.3%보다는 크게 올랐지만, 파이프라인이 낼 수 있는 최고치보다는 낮춘 셈이다.
문샷은 이를 두고 오픈 가중치가 절대적인 사이버 역량 프론티어를 넓히지 않겠다는 원칙을 내세웠다.
방어 목적의 활용은 넓히되, 공격 역량의 확산 속도는 조절하겠다는 입장이다.
이 선택은 앞으로 나올 오픈 가중치 모델들의 논쟁 지점이 될 가능성이 크다.
얼마나 덜어내야 안전한지, 덜어낸 모델이 방어 연구에는 충분한지를 가중치가 공개된 뒤에야 외부에서 검증할 수 있기 때문이다.
약점도 분명하다.
과학 쪽 벤치마크 Terminal-Bench Science 0.1에서는 K3.1 Pro가 38.1에 그쳐 GPT-6 Astra의 68.1, 오퍼스 5.5의 63.3에 크게 뒤졌다.
코딩 실력이 과학 연구 과제로 그대로 이어지지 않는다는 뜻이다.
벤치마크 수치의 출처도 가려서 봐야 한다.
대부분이 문샷 자체 발표이고, 측정 조건도 최대 추론 노력(reasoning effort max)에 클로드 코드 하네스 사용이라는 문샷에 유리한 설정이다.
경쟁 모델 점수 일부는 각사 블로그나 공개 리더보드에서 가져온 값이라, 완전히 같은 조건에서 재측정한 결과는 아니다.
아티피셜 애널리시스 같은 독립 평가가 4위라는 순위를 뒷받침하고 있지만, 그 평가 역시 가중치가 아니라 호스티드 모델을 측정한 것이다.
그래서 11월 4일은 단순한 공개 일정이 아니라 이번 발표 전체의 검증 날짜다.
가중치가 실제로 풀리고 라이선스가 공개돼야 외부 연구자들이 직접 돌려보고, 사이버 역량이 정말로 낮춰진 채 나왔는지, 벤치마크 점수가 재현되는지를 확인할 수 있다.
아티피셜 애널리시스는 그날이 되면 K3.1 Pro가 역대 최고 점수의 오픈 가중치 모델이 되고, 최고 오픈 가중치와 비공개 모델 사이의 격차가 12점에서 3점으로 좁혀진다고 전망했다.
이 전망이 현실이 될지는 11월 4일 이후의 검증에 달려 있다.
도표는 문샷 AI 기술 블로그(2026.10.23)와 CGTN(2026.10.24) 보도의 날짜로 직접 정리했다.
이번 발표를 중국 AI 전체의 흐름 안에 놓고 보면 의미가 더 또렷해진다.
이 블로그의 어제 글(밖으로 나가라는 도장 — 딥시크·미니맥스, 중국서 글로벌 사용 승인)에서 다룬 것처럼, 딥시크와 미니맥스는 바로 전날 해외 사용 승인 소식을 전했다.
기술 이전은 규제하되 서비스 이용은 열어두는 중국의 선 긋기 안에서, 중국 오픈소스 진영이 해외 이용자를 향해 문을 넓히는 중이다.
K3.1 Pro는 그 흐름 위에 올라탄 가장 강력한 모델 카드다.
허깅페이스의 2026년 보고서에 따르면 중국에서 개발된 오픈 모델이 플랫폼 전체 다운로드의 41%를 차지해 미국의 약 35\~36.5%를 앞섰다고 CGTN은 전했다.
문샷 자체도 2023년 설립 이후 4년도 안 돼 기업가치 500억 달러에 이르렀다고 같은 보도는 전했다.
K3가 지난 7월 가중치를 공개했을 때 당시 최대 규모의 오픈 가중치 모델이었던 것처럼, K3.1 Pro도 11월 4일 가중치가 풀리면 규모와 성능 양쪽에서 기준점을 다시 세울 가능성이 있다.
해커뉴스에서는 발표 당일 저녁까지 약 850점의 반응과 500개 가까운 댓글이 달렸고, 가장 많이 회자된 평은 미국 모델보다 직설적이고 논쟁적이라는 성격 묘사였다.
성격까지 화제가 된 것은 이 모델이 연구실 밖에서 실제로 쓰이기 시작했다는 신호로 읽힌다.
다만 아직은 약속의 단계에 머물러 있다는 점을 잊지 말아야 한다.
가중치가 공개되기 전까지 K3.1 Pro는 문샷의 서버 안에서만 도는 모델이고, 그 서버의 요금표와 이용 조건이 적용된다.
오픈 가중치의 시대가 한 걸음 더 왔는지, 아니면 한 걸음 더 왔다고 발표만 된 것인지는 11월 4일에 가려진다.
그날 이후의 검증 결과를 확인하는 대로 이 글도 업데이트할 예정이다.
참고한 기사 — 문샷 AI 기술 블로그 · CGTN