Kimi K3.1, 소넷과 값은 같고 과제당 2.6배 싸다

effidev·2026년 10월 24일

AI 코딩 에이전트를 API로 돌리고 있거나 어떤 모델로 갈아탈지 재고 있다면, 이번 주 발표 하나는 계산기를 두드려 볼 만하다. 중국 문샷 AI(Moonshot AI)가 2026년 10월 23일 Kimi K3.1 Pro를 내놓았다. 100만 토큰당 입력 2달러, 출력 10달러로, 앤스로픽 소넷 5.5의 값표와 한 칸도 다르지 않다.

그런데 독립 평가 기관 Artificial Analysis(이하 AA)가 같은 시험 과제를 풀게 하고 청구서를 매긴 결과는 다르다. 과제 하나당 Kimi K3.1 Pro는 2.11달러, 소넷 5.5는 5.46달러다. 값표가 같은데 청구서가 2.6배 갈린다. 지능지수는 55점 대 56점으로 1점 차이다.

다만 이 숫자에는 조건이 붙는다. 5.46달러는 소넷을 가장 높은 추론 노력(max)으로 돌린 값이고, AA는 소넷과 오퍼스를 낮은 노력으로 돌린 값도 따로 재 놓았다. 그 표를 나란히 놓으면 순위가 바뀐다. 게다가 “오픈 웨이트”로 소개된 이 모델의 가중치 파일은 10월 24일 아침까지 올라오지 않았다.

이 글은 여섯 가지를 순서대로 본다. 공식 값표가 무엇이고 이전 모델보다 얼마나 내렸는지, 같은 값표인 모델들의 청구서가 왜 갈리는지, 노력 설정을 낮추면 무엇이 뒤집히는지, 회사가 내놓은 점수표 14칸을 직접 세어 본 결과, 가중치와 사이버 보안 데이터 삭제 이야기, 그리고 써 보기 전에 알아 둘 기본값의 함정이다. 근거는 문샷 AI의 공식 블로그·API 문서·가격 페이지, 앤스로픽 가격 문서, AA의 모델 페이지 열여섯 개, 해커뉴스 댓글 전체, 허깅페이스 공개 조회이고, 전부 10월 24일 오전에 직접 열어 본 것이다.

Kimi K3.1 Pro가 10월 23일에 내건 것

문샷 AI는 K3.1 시리즈의 첫 모델로 Kimi K3.1 Pro를 내놓으면서 “지금까지 가장 강력한 3T급 오픈 웨이트 모델”이라고 소개했다. 3T급은 모델 크기가 3조(Trillion) 개 규모의 매개변수라는 회사의 표현이다. 문맥 창은 100만 토큰이다. 문맥 창은 AI가 한 번에 읽고 기억할 수 있는 글의 양인데, AA는 100만 토큰을 A4 용지 1,500쪽쯤으로 환산한다. 이전 모델 K3를 더 많은 계산량으로 추가 훈련(post-training)한 버전이라고 한다.

같이 나온 Kimi K3.1 Pro Highspeed는 같은 모델을 2~3배 빠르게 돌려 주는 상품이다. 값은 두 배다. 둘 다 Kimi.ai, Kimi Work, Kimi Code, API에서 당일부터 쓸 수 있고, 모델 가중치 전체는 11월 4일까지 공개한다고 했다. 기업 관리자 계정은 처음에는 이 모델이 꺼진 상태로 시작한다.

공식 API 문서를 보면 이 모델은 “항상 생각 모드(thinking)가 켜져 있다”. 추론 노력은 low, high, max 셋 중에서 고르고 기본값은 max다. 또 “플래그십 모델이라 최소 1달러를 충전해야 열린다”고 적혀 있다. 이 두 줄은 뒤에서 비용 이야기와 직접 이어진다.

값표: K3보다 3분의 1 내렸다

문샷 AI의 API 가격 페이지에서 표를 그대로 옮기면 이렇다. 단위는 모두 100만 토큰당 달러다. 토큰은 AI가 글을 쪼개 읽는 단위로, 한국어는 대략 글자 한두 개가 토큰 하나다.

K3.1 Pro의 입력·출력 값은 K3보다 정확히 3분의 1씩 내렸다. 3달러가 2달러로, 15달러가 10달러로다. 캐시 적중은 0.30달러에서 0.20달러로 내렸다. 캐시는 앞서 보낸 긴 글을 서버가 기억해 두었다가 다시 쓸 때 깎아 주는 값이다.

가격 페이지 아래에는 K2 시리즈를 10월 31일부터 신규 가입자에게 열지 않고 12월 말까지 모두 종료할 계획이라는 안내도 있다. K2를 쓰고 있다면 이 글의 주제와 별개로 옮길 시한이 정해져 있다는 뜻이다.

같은 값표인데 청구서가 2.6배 갈린다

AA는 모델마다 똑같은 평가 묶음(Intelligence Index v4.3.2, 코딩·사무·과학·장문 이해 등 열 가지 시험)을 풀게 하고, 그 과정에서 쓴 토큰에 실제 가격을 곱해 과제 한 건당 평균 비용을 낸다. Kimi K3.1 Pro 페이지와 비교 대상 모델 페이지를 하나씩 열어 옮긴 표다.

소넷 5.5의 입력·출력 값, 오퍼스 5.5의 4달러·20달러, 페이블 5.1의 10달러·50달러는 앤스로픽 가격 문서와 대조해 같은 것을 확인했다. GPT-6 아스트라와 딥시크 값은 AA 페이지에 적힌 것이고, 오픈AI 공식 페이지는 접속이 막혀 직접 보지 못했다. 이 표의 “(max)“는 AA가 해당 모델을 가장 높은 추론 노력으로 돌렸다는 표시다. Kimi K3.1 Pro 줄에는 AA가 노력 설정을 따로 적지 않았다. 문샷 AI가 점수를 낼 때 max를 썼고 API 기본값도 max이므로 그 설정으로 잰 것으로 보이지만, 이 부분은 추정이다.

값표가 같은 소넷 5.5와 Kimi K3.1 Pro의 차이는 “평가 중 출력 토큰” 칸에서 보인다. 소넷은 4.2억 개, Kimi는 1.5억 개로 2.8배 차이가 난다. 값표가 같아도 한 과제를 푸는 동안 쓰는 토큰의 양이 다르면 청구서가 달라진다. 5.46 대 2.11이라는 비율 2.6배는 이 토큰 양의 차이와 비슷한 크기다.

페이블 5.1과 비교하면 더 극단적이다. 지능지수는 Kimi가 55점으로 53점인 페이블 5.1을 앞서고, 과제당 비용은 2.11달러 대 7.63달러로 3.6배 싸다. 페이블 5.1의 캐시 값 이야기는 페이블 5.1 캐시 가격 글에, 오퍼스 5.5의 값표가 어떻게 나왔는지는 오퍼스 5.5 출시 글에 따로 정리해 두었다.

속도는 빠르지 않다. AA 기준으로 초당 77.1토큰이라 평균(81)보다 느리고, 소넷 5.5의 132보다 한참 아래다. 문샷 AI가 따로 내놓은 Highspeed 상품이 2~3배 빠르다고 하지만 AA 페이지에는 그 상품 항목이 없어 확인하지 못했다.

Kimi K3.1 Pro의 55점은 어디까지 믿을 만한가

AA 모델 페이지는 Kimi K3.1 Pro를 215개 모델 중 4위, 지능지수 55점으로 올려 두었다. 앞에 오퍼스 5.5(58점), 소넷 5.5(56점), 뮤즈 원더 풀(56점)이 있다. 이전 모델 K3는 44점이었으니 한 번에 11점 올랐다. 지수 안에는 지식 노동(AA-Briefcase, GDPval-AA), 터미널 코딩(Terminal-Bench 4.0), 인류 최후의 시험(Humanity’s Last Exam), 문서 추론(GDP.pdf), 장문 이해(AA-LCR) 같은 열 가지가 섞여 있다. 같은 방식의 지수 비교는 뮤즈 원더 값 비교 글에서도 다뤘다.

두 가지는 조심해서 읽어야 한다. 첫째, 평가 중 출력 토큰 1.5억 개를 AA는 “매우 장황하다(median 8,700만 개)“고 평했다. 둘째, 모델 종류 칸에 아직 “독점 모델(Proprietary model)“이라고 적혀 있다. 가중치가 공개되기 전이라 그렇게 분류한 것으로 보이고, 공개되면 바뀔 값이다.

흥미로운 비교는 K3와의 값 대비 청구서다. 토큰당 값은 3분의 1 내렸는데 AA 표의 과제당 비용은 K3가 2.00달러, K3.1 Pro가 2.11달러로 오히려 5%쯤 올랐다. 지수는 44점에서 55점으로 올랐으니 같은 돈으로 더 똑똑한 답을 산다는 해석은 맞다. 하지만 “값이 내려서 청구서도 내려간다”는 기대는 맞지 않는다.

소넷과 오퍼스를 한 단계 낮추면 순위가 뒤집힌다

앞 표의 소넷 5.5와 오퍼스 5.5는 모두 max, 곧 가장 오래 생각하는 설정이다. AA는 같은 모델의 낮은 노력 설정도 따로 재 놓았다. 모델 페이지를 하나씩 열어 옮긴다. Kimi K3.1 Pro는 AA 표에 한 줄뿐이다.

Kimi를 이 표에 끼워 넣으면 세 가지가 보인다. 오퍼스 5.5를 xhigh로 돌리면 56점에 3.46달러라서, 1점 높은 대신 Kimi보다 64% 비싸다. 소넷 5.5 xhigh는 52점에 2.01달러로 Kimi보다 3점 낮은데 값은 비슷하다. 그리고 오퍼스 5.5 high는 54점에 1.82달러라서, Kimi보다 1점 낮은 대신 14% 싸다.

그러니 “같은 값표인데 2.6배 싸다”는 말은 소넷 5.5를 기본 최고 설정으로 돌릴 때만 맞다. 소넷과 오퍼스를 한 단계 낮추면 Kimi K3.1 Pro는 싸고 똑똑한 쪽 끝에 서 있기는 해도 압도적인 차이는 아니다. AA 표에 Kimi K3.1 Pro의 low·high 설정이 올라오면 그때 같은 설정끼리 다시 비교해야 한다. 이 지점은 해커뉴스 댓글에서 먼저 나온 지적이었고, 위 숫자를 AA 페이지에서 직접 확인했다.

회사 점수표 14칸을 직접 세어 봤다

문샷 AI는 블로그에 비교 막대 14개짜리 점수표를 붙였다. 이미지라서 글로 복사되지 않아 사진을 열어 칸마다 읽었다. Kimi K3.1 Pro와 오퍼스 5.5가 같이 나오는 14칸을 비교하면 이렇다.

세어 보면 Kimi가 9칸, 오퍼스가 5칸 앞선다. 그런데 이긴 9칸의 격차는 대부분 0.6~5.4점이다. 진 5칸에는 Terminal-Bench Science의 25.2점 차이가 들어 있고, 그 칸에서는 GPT-6 아스트라도 68.1점으로 Kimi의 38.1점을 한참 앞선다. 한 칸은 회사가 직접 만든 자체 시험이라 빼고 보면 13칸 중 8칸이다. 점수표 아래 주석에는 “모든 모델을 사고 노력 최대로 돌렸고, 클로드는 폴백이 섞였을 수 있으며 GPT는 사이버 가드가 섞였을 수 있다”고 적혀 있다.

회사 표에서는 Kimi가 9대 5로 앞서는데 독립 지수는 58점 대 55점으로 오퍼스가 앞선다. 두 결과가 다르다는 것은 표에 어떤 시험을 넣었는지에 따라 인상이 갈린다는 뜻이다. 발표문 점수표는 참고용으로 읽고, 결정은 독립 지수와 내 작업으로 한다. 발표문 점수표를 직접 세어 본 다른 사례는 리플렉션 Beam 글에 있다.

오픈 웨이트라는데 가중치는 아직 없다

오픈 웨이트는 모델의 학습된 값 파일(가중치)을 내려받아 내 컴퓨터나 내 서버에서 돌릴 수 있게 공개하는 방식이다. 문샷 AI는 이 모델을 “오픈 웨이트”라고 부르면서 파일은 11월 4일까지 공개하겠다고 했다. 10월 24일 오전에 허깅페이스 공개 조회를 해 보니 문샷 AI 계정의 최근 항목은 9월 2일에 갱신된 Kimi K3이고 K3.1 Pro 저장소는 조회되지 않았다. 지금 K3.1 Pro를 쓰는 길은 문샷 AI의 API와 앱뿐이다.

가중치가 공개되면 내려받아 쓰는 사람의 사정이 달라진다. 직접 돌리려면 3조 개 규모 모델을 올릴 장비가 필요하다. 그 장비가 없으면 결국 다른 회사가 API로 대신 돌려 주기를 기다리게 된다. 이전 모델 K3의 허깅페이스 저장소는 라이선스 칸이 “other”로 표시돼 있다. 상업적으로 쓸 계획이라면 11월 4일 이후 K3.1 Pro의 모델 카드와 라이선스 문서를 먼저 읽어야 한다.

사이버 보안 데이터를 일부러 지웠다: 90.5%가 81.0%로

공식 글에서 가장 길게 쓴 부분이 사이버 보안이다. 문샷 AI는 훈련을 키울수록 취약점 찾는 능력이 계속 늘었고, 그 원인이 일반 훈련 자료와 강화학습 환경에 섞여 있는 사이버 관련 내용이라고 짚었다. 그래서 오픈 웨이트 공개용 모델에서는 훈련 두 단계 모두 사이버 관련 데이터를 찾아 뺐다고 한다.

효과는 자체 시험(xdev-bench-hard)으로 쟀다. Linux 커널, Node.js, JavaScriptCore, Exim, VirGL 같은 소프트웨어의 최근 공개 취약점을 재현해 공격 코드를 짜게 하는 문제로, 삭제를 안 한 체크포인트는 문제의 **90.5%**를, 최종 K3.1 Pro는 **81.0%**를 풀었다(pass@3, 세 번 시도 중 한 번이라도 성공하면 인정). 그래도 “공개된 지 3개월 넘은 최전선 상용 모델보다는 뒤”라고 했고, 오픈 웨이트로는 “절대 최전선을 넘는 사이버 능력은 내지 않되, 점진적으로 올려 가겠다”는 원칙을 적었다.

시험 문제와 채점은 회사 내부 것이라 외부에서 같은 수치를 재현할 수 없다. 숫자는 “회사가 이렇게 쟀다”로만 읽어야 한다. 그리고 이 설명은 위 점수표에 나온 BenchCAD나 Terminal-Bench와 달리 외부 평가 기관의 검증이 붙지 않은 것이다.

해커뉴스 댓글에서 갈린 세 가지

이 글을 쓰는 시점에 해커뉴스 게시물은 약 620점, 댓글 약 390개였다. 댓글을 전부 읽고 세 갈래로 묶었다.

첫째는 사이버 데이터 삭제다. “능력을 더 낼 수 있는데 일부러 안 낸다는 말이냐”는 댓글에 답글이 90개 넘게 달렸다. 방어하는 쪽도 같은 능력을 써야 한다는 반론과, 공격자가 먼저 가져간다는 반론이 맞섰다. 어느 쪽도 데이터가 아니라 의견이라 결론은 나지 않았다.

둘째는 구독 한도다. 여러 사용자가 월 20달러에서 100달러 구독으로 5시간 한도를 몇 분 만에 다 썼다고 적었다. 한 사람은 99달러 요금제에서 세션 하나로 47분 만에 5시간 한도에 걸렸다고 했고, 다른 사람은 기본 설정(max)으로 프롬프트 한 번에 한도가 찼다고 썼다. 반대로 99달러 요금제가 이전보다 훨씬 오래 버틴다는 사람도 있었다. 전부 개인 증언이라 확인된 사실이 아니다. API 값표가 싸다는 것과 구독이 쓸 만하다는 것은 별개일 수 있다는 정도만 가져가면 된다.

셋째는 “값표만으로는 아무 의미가 없다”는 지적이다. 이 모델 계열이 오래 생각해서 토큰을 많이 쓴다는 경험담과, AA 점수는 max 기준이라 낮은 노력 설정끼리는 결과가 다르다는 계산이 올라왔다. 이 글의 오퍼스 high 비교는 그 계산을 AA 페이지로 다시 확인한 것이다.

공식 문서 두 곳이 서로 다른 숫자를 적고 있다

사실 확인 중에 걸린 것 두 가지를 적어 둔다. 모두 10월 24일 오전 한국 시각에 내려받은 페이지 기준이고, 고쳐지면 달라질 수 있다.

하나는 환각률이다. 공식 블로그는 자체 시험 Kimi Hallu Bench Hard에서 주장 단위 환각률이 K3의 23.4%에서 8.3%로 줄었다고 쓴다. 같은 모델의 API 퀵스타트 문서는 “사용자가 사실 오류를 지적했던 대화를 비식별화한 시험”에서 23.35%에서 6.85%로 줄었다고 쓴다. 시험이 다르니 모순은 아니지만, 같은 모델의 개선 폭을 말하는 숫자가 두 쌍이라 어느 쪽을 인용할지 정해야 한다. 둘 다 회사가 “스트레스 시험이라 일상 오류율이 아니다”라고 단서를 달았다.

다른 하나는 퀵스타트 문서 첫 문단이다. “Terminal-Bench 4.0은 ***를 시험하며 점수는 [xx.x%]“처럼 초안 자리표시자가 그대로 남아 있다. 숫자는 블로그 쪽에 제대로 있어서 정보가 사라진 건 아니지만, 발표 당일 문서가 완성되지 않은 채 열렸다는 증거라서 문서 속 숫자를 인용할 때는 블로그 본문과 대조하는 편이 안전하다.

써 보기 전에: 호출 한 줄과 기본값의 함정

API는 OpenAI 호환 방식이라 기존 코드의 주소와 모델 이름만 바꾸면 된다. 공식 퀵스타트에 나온 모양은 이렇다. 이 글은 이 호출을 직접 돌려 보지 않았고, 문서의 예시를 그대로 옮긴 것이다.

base_url = "https://api.moonshot.ai/v1"
model    = "kimi-k3.1-pro"
reasoning_effort = "high"   # low / high / max, 기본값은 max

함정은 기본값이다. 항상 생각 모드이고 기본이 max라서, 아무 설정 없이 부르면 가장 비싼 방식으로 돈다. 위 AA 표에서 max와 한 단계 아래 설정의 청구서가 2~3배 차이 났다. 같은 비교가 Kimi에서도 되려면 K3.1 Pro를 high나 low로 돌린 값이 필요한데, 아직 독립 측정이 없다. 그래서 내 작업으로 직접 재는 수밖에 없다.

값표만으로 한 번 호출의 값을 어림하면 다음과 같다. 입력 10만 토큰에 출력 2만 토큰을 한 번 보낸다고 가정하고 캐시는 쓰지 않은 계산이다.

같은 토큰 수라면 Kimi와 소넷의 한 번 값은 똑같이 0.40달러다. 차이는 “한 과제를 끝내기까지 몇 번, 얼마나 길게 생각하며 호출했는가”에서 난다. 값이 가장 낮은 딥시크 V4.1 플래시도 같은 계산에서 Kimi의 7분의 1쯤이다. 딥시크 쪽 사정은 미니맥스 플래시와 딥시크 비수기 값 글에 있다. 지수는 45점이라 Kimi와 10점 차이가 난다.

그래서 누구에게 맞나

에이전트를 API로 돌리는 사람 가운데 지금 소넷 5.5나 오퍼스 5.5를 max로 쓰고 있다면 Kimi K3.1 Pro를 한 번 대 볼 만하다. 같은 점수대에서 과제당 비용이 절반 아래로 떨어질 수 있다. 이미 오퍼스 5.5를 high로 돌리고 있다면 얻을 것이 크지 않다. 지수 1점 차이와 14% 비용 차이는 작업 종류에 따라 얼마든지 뒤집힌다.

가중치를 받아 직접 돌리거나 다른 회사의 호스팅으로 쓰려는 사람은 11월 4일을 기다려야 한다. 그 전에 할 수 있는 건 라이선스 문서를 읽을 준비를 하는 것까지다.

구독으로 쓰려는 사람은 API 값표와 별개로 한도 문제를 확인해야 한다. 해커뉴스의 증언이 한쪽으로 몰려 있었다.

내 일로 재 보는 법

1. 지금 쓰는 모델의 추론 노력 설정이 기본값인지 확인한다. 기본이 최고 설정인 모델이 많다.
2. 하루에 실제로 하는 작업 열 개를 고른다. 버그 수정, 리팩터링, 테스트 작성처럼 결과를 통과·실패로 가를 수 있는 것으로 고른다.
3. 같은 열 개를 같은 노력 단계로 두 모델에 돌리고, 작업마다 입력·출력 토큰과 통과 여부를 표에 적는다. 노력 단계는 낮은 것부터 올려 가며 통과하는 가장 낮은 단계를 찾는다.
4. 합계를 비교한다. 통과 수가 같다면 청구서가 낮은 쪽이 내 모델이다.

이 글이 직접 해 보지 않은 것

직접 연 것은 문샷 AI의 블로그와 API 문서·가격 페이지(표는 페이지 소스에서 읽었다), 앤스로픽 가격 문서, AA 모델 페이지 열여섯 개, 점수표 이미지 14칸, 해커뉴스 댓글 전체, 허깅페이스 공개 조회다. 숫자는 이 글을 쓰던 10월 24일 오전 기준이다.

직접 못 본 것은 이렇다. K3.1 Pro API를 호출해 본 적이 없어서 실제 응답 품질, 한국어 성능, 토큰 사용량은 측정하지 못했다. 가중치와 라이선스는 아직 없다. 점수표 값은 회사가 직접 잰 것이고 독립 검증이 붙은 것은 AA 숫자뿐이다. GPT-6 아스트라 값은 오픈AI 페이지 접속이 막혀 AA 표기를 따랐다. AA에는 Kimi K3.1 Pro의 낮은 노력 설정 측정과 Highspeed 항목이 없다. 해커뉴스 증언은 확인하지 못했다.