简体中文

繁體中文

English

Tiếng Việt

한국어

日本語

ภาษาไทย

Türkçe

Partnered With:

앤트로픽 주주 최신 보고서, 기업 시장에서 가장 수익성 높은 중국 모델 폭로

动察 Beating

이 글을 읽으려면 35 분

쥐를 잡을 수 있으면 좋은 고양이다.

원문 제목: 《Anthropic 주주 최신 보고서, 기업 시장에서 가장 돈을 끄는 중국 모델 폭로》
원문 저자: 동찰Beating

11월 3일, 실리콘밸리의 노포 벤처캐피털 Menlo Ventures가 올해 《기업 AI 현황 보고서》를 발표했다.

기업들이 올해 도대체 얼마를 썼는지 파악하기 위해 Menlo는 Morning Consult에 의뢰해 9월에 미국 기업 AI 의사결정자 약 400명을 대상으로 설문을 진행했으며, 이들이 운용하는 AI 지출은 40억 달러를 넘는다. Menlo의 추산에 따르면 올해 9월까지 미국 기업이 AI 배포에 쓴 돈은 이미 1768억 달러로, 1년 전 330억 달러의 5.4배다.

2026년 9월, 중국 모델이 미국 기업 오픈소스 모델 지출의 89% 차지

그중 Kimi가 61% 점유율로 1위

이미지 출처: Menlo Ventures

실리콘밸리를 향해 쓴 이 보고서에는 한 가지 숫자 묶음이 있다. 미국 기업이 오픈소스 모델에 쓰는 프로덕션 지출에서 중국 모델이 거의 90%를 차지한다. 그중 Kimi 한 곳이 61%, 뒤이어 DeepSeek 15%, GLM 11%, Qwen 3%다. 서양 오픈소스 모델 중 1위인 Meta Llama는 겨우 7%다.

보고서를 쓴 Menlo Ventures는 Anthropic의 주요 주주로, 2024년에 7억 5000만 달러 규모의 D라운드를 리드했다.

그 외에도 Kimi를 서버에 호스팅해 미국 기업에 판매하며 올해 연환산 매출이 막 10억 달러를 돌파한 1위 추론 클라우드 Fireworks AI는 Menlo가 투자했다. 매주 160조 토큰을 처리하는 모델 라우팅 플랫폼 OpenRouter도 Menlo가 투자했다. 보고서가 특별히 지목하고 Kimi K2.5 위에서 Composer 2를 학습시킨 Cursor도 Menlo가 투자했다.

보고서 데이터만 보면 폐쇄소스 거대 기업과 오픈소스 진영은 진작에 죽기 살기로 싸워야 하고, 태평양 양안의 모델도 명확히 갈라져야 할 것 같지만, 어른은 이해득실을 보고 아이만 진영을 가른다.

이러한 데이터와 이해관계 외에도, 동찰 Beating이 더 알고 싶은 것은 왜 하필 Kimi가 미국 기업들이 폐쇄형 플래그십 외에 가장 돈을 아끼지 않는 선택지가 되었는가이다.

재작업의 대가

Kimi의 이 '61%'를 이해하려면, 먼저 올해 미국 기업들이 AI에 돈을 쓰는 기이한 습성을 알아야 한다. 모델이 쌀수록 아무도 쓰지 않는다.

지난 2년간 업계에서 가장 유행한 판단은 추론 비용이 매년 90%씩 떨어지니 기업들이 머지않아 워크플로를 저렴한 소형 모델로 전환할 것이라는 점이었다. 각 연구소들도 실제로 소형 모델을 점점 더 싸게 팔았다.

결과는 정반대였다.

2025년 3분기부터 2026년 3분기까지 Haiku, Luna 같은 소형 폐쇄형 모델의 기업 시장 토큰 점유율은 29%에서 13%로 떨어져 절반 이상 줄었다. 단가가 가장 비싼 프런티어 플래그십은 토큰 점유율이 18%에서 42%로, 지출 점유율이 35%에서 63%로 올랐다.

프런티어 모델의 기업 AI 지출 및 토큰 사용량 점유율이 동반 상승

출처: Menlo Ventures

1년 전만 해도 미국 기업들이 가장 많이 쓰던 주력은 입력 3달러, 출력 15달러(100만 토큰당, 이하 동일)의 Claude Sonnet 4.5와 1.25달러, 10달러의 GPT-5였다. 올가을에는 모두 줄을 서서 더 비싼 플래그십 모델로 갈아탔다.

영리한 미국 기업들이 왜 갑자기 싼 것을 탐하지 않게 되었을까?

이유는 간단하다. 모델로 일하는 주체가 사람에서 Agent로 바뀌었기 때문이다.

올해 2월, OpenRouter에서 Agent가 발생시킨 트래픽이 공식적으로 인간을 넘어섰다. 9월 말에는 플랫폼 토큰의 80%가 Agent가 백그라운드에서 스스로 돌린 것이었으며, 반년 남짓 만에 37배 늘었다. 773억 달러의 기업 AI 애플리케이션 지출 중 76%가 프로그래밍과 기업 Agent에 집중됐다.

Agent가 일하는 것과 인간이 AI를 사용하는 것은 논리가 다르다.

프로그래밍 Agent가 작업을 맡으면, 흔히 코드베이스, 터미널, 샌드박스 사이를 오가며 사오십 라운드를 연속으로 돌린다. 파일을 읽고, 도구를 호출하고, 테스트를 돌리고, 오류를 확인하고, 다시 코드를 고친다.

장체인 작업에서 오류의 비용은 곱셈으로 누적된다. 단계별 정확도가 99%인 모델이 50단계를 연속으로 실행하면 무사히 완수할 확률은 약 60%이고, 단계별 정확도가 95%인 모델로 바꾸면 50단계를 완주하며 실패하지 않을 확률은 8% 미만이다.

그래서 기업들은 금세 깨달았다. 이제 모델을 살 때 봐야 할 것은 가격표에 적힌 명목 단가만이 아니라, 일을 한 번에 제대로 처리하는 총비용을 봐야 한다는 것을.

이 점을 이해하면 올해 오픈소스 모델의 처지도 이해가 된다.

지난 한 해 동안 오픈소스 모델의 토큰 점유율은 11%에서 19%로 올랐고, 호출량은 1년 전의 22.5배가 되었다. 그러나 지출 점유율은 6%에서 4%로 떨어졌다. 이유는 대부분의 오픈소스 모델이 가격 경쟁에 휘말려 평균 단가가 원래의 3분의 1도 안 되는 수준으로 떨어져, 백만 토큰당 0.13달러밖에 되지 않았기 때문이다. 이는 폐쇄형 모델 종합 평균가의 5분의 1도 안 된다.

오픈소스 모델은 거의 5분의 1의 일을 했지만, 테이블에서 가져간 돈은 25분의 1에 불과했다.

Kimi의 61%는 바로 그것이 0.13달러의 함정에 뛰어들지 않았기 때문이다.

표준 부품

올해 7월 16일, 월지암면은 2.8조 파라미터의 Kimi K3를 출시했으며, 공식 API 가격은 입력 3달러, 출력 15달러로 1년 전 폐쇄형 플래그십 Sonnet 4.5와 같은 가격이고, 이전 세대 K2.6의 3배 이상이다. 10월 23일 출시된 K3.1 Pro는 2달러와 10달러로 내려갔지만 여전히 플래그십 등급에 있다.

평균가 0.13달러의 오픈소스 시장에서 플래그십 가격을 붙일 수 있는 자신감은 우선 모델 자체가 장문맥, 네이티브 멀티모달, 프로그래밍에서 거둔 성과에서 나온다.

하지만 벤치마크 점수만으로는 부족하다.

오픈소스 모델의 가중치는 공개되어 있어, 추론 클라우드의 드롭다운 메뉴에서 모델을 바꾸는 데는 설정 한 줄만 고치면 된다. 미국 기업의 구매 담당자가 무엇 때문에 그것에 더 많은 돈을 지불하겠는가?

여기에는 오픈소스 모델이 실험실을 벗어난 후 가장 골치 아픈 엔지니어링 문제 하나가 숨어 있다.

데이터 규정 준수와 지연 시간 때문에 대부분의 미국 기업은 코드와 문서를 해외 서버로 직접 보내지 않고, Fireworks, Together 또는 아마존 Bedrock 같은 현지 클라우드의 호스팅 서비스를 구매한다. 그러나 지난 한 해 동안 실리콘밸리의 엔지니어링 팀들은 빈번히 발견했다. 어떤 오픈소스 모델이 공식 데모에서는 지극히 똑똑하지만, 일단 자사의 프로덕션 환경에 연결되어 제3자 추론 클라우드의 인터페이스로 호출되면, 수십 라운드의 연속 도구 호출 후에 이상하게도 멍청해진다는 것을.

이유는 추론 클라우드가 GPU 회전율을 극도로 중시하는 사업이기 때문입니다. 하나의 카드가 같은 초에 얼마나 많은 요청을 처리할 수 있는지가 클라우드 업체의 해당 분기 매출총이익을 직접 결정합니다. VRAM을 절약하고 처리량 속도를 확보하기 위해, 여러 플랫폼은 종종 백엔드에서 조 단위 파라미터의 MoE 모델에 서로 다른 양자화 압축을 적용하거나 도구 호출의 파싱 템플릿을 단순화합니다.

평소 채팅에서는 이러한 정밀도 손실이 눈에 띄지 않지만, 수십 단계가 서로 맞물린 Agent 루프에 들어가면 편차가 충분히 커져 모델이 잘못된 전문가를 선택하거나 형식을 망가뜨려 전체 워크플로를 붕괴시킵니다.

고객은 모델의 간판을 보고 구매하지만, 작업이 실패하면 결국 원제조사가 책임을 지게 됩니다.

Kimi는 영리하게도, 어느 클라우드 업체와 논쟁하겠다는 성명을 내지 않고, 공급업체 정밀도 검증 도구 세트를 직접 오픈소스로 공개하고 지속적으로 운영했습니다.

일찍이 K2 시절에 K2 Vendor Verifier를 오픈소스로 공개하여, 동일한 테스트 세트로 각 추론 클라우드와 공식 API의 도구 호출 성능을 비교했습니다. 올해 4월 K2.6을 발표할 때 이 도구는 KVV(Kimi Vendor Verifier)로 업그레이드되었으며, 테스트 항목에는 긴 컨텍스트에서의 도구 호출 회귀 샘플, JSON schema 검증, 비정상 호출 거부, 백만 토큰급 장기 기억 테스트, 그리고 113개의 프로그래밍 Agent 작업이 포함됩니다. 각 추론 클라우드의 결과는 표 형식으로 GitHub에 게시됩니다.

Kimi Vendor Verifier는 서로 다른 공급업체의

K3.1 Pro 배포 성능을 공개적으로 비교합니다

출처: Moonshot AI / GitHub

어느 클라우드 업체가 머신을 절약하려고 몰래 정밀도를 낮췄는지, 개발자는 대시보드에서 한눈에 알 수 있습니다.

KVV 점수를 Kimi 공식 API 수준에 맞추기 위해, 실리콘밸리의 추론 클라우드 업체들은 오히려 Kimi 엔지니어를 찾아 함께 버그를 잡아야 했습니다.

Fireworks AI의 엔지니어링 팀은 나중에 별도로 글을 올려 회고하며, 그들이 Kimi 팀과 협력하여 저수준 디코딩 가드레일을 수정하고 다중 턴 대화의 중복 필드를 정리하여, 최종적으로 호스팅 인터페이스의 도구 호출 성능을 원제조사 수준까지 끌어올린 과정을 설명했습니다.

대부분의 팀이 오픈소스를 할 때는 가중치를 인터넷에 올려놓고 나머지는 운에 맡긴다. 그러나 문샷은 엄격한 품질 관리를 오픈소스 세계로 끌어들였다. 입장료는 받지 않지만, 요리를 어떻게 상에 올릴지는 내가 관리하겠다는 것이다.

이는 기업 구매의 가장 민감한 신경을 건드렸다. 실리콘밸리의 기술 책임자들에게 KVV는 각자 데이터센터에 흩어져 있던 비표준 제품을 다시 원제조사 인증 표준 부품으로 재교정해 준 것이다.

4분의 3

관리형 품질만 있었다면 Kimi는 기껏해야 쓰기 편한 외부 지원군에 불과했을 것이다. 보고서에서 언급된 또 다른 이름이 해외에서의 두 번째 가치를 드러냈으니, 바로 Cursor다.

Cursor와 투자사 Accel의 현장 교류 행사

이미지 출처: Accel

Menlo는 올해 후속 학습을 하는 AI 개발자 비율이 6%에서 10%로 올랐다고 썼다. 가장 대표적인 사례가 Cursor가 Kimi K2.5 위에서 Composer 2를 학습시킨 것이며, Fireworks가 강화학습 단계의 추론을 제공했다.

Menlo의 데이터는 독립 애플리케이션 회사의 처지를 선명하게 비춘다. 올해 1,768억 달러의 기업 AI 지출 중 Anthropic, OpenAI, Google 세 연구소가 1,227억 달러를 가져가 69%를 차지했으며, 1년 전은 50%였다. 그중 연구소 자체 애플리케이션이 400억 달러를 가져갔다.

340억 달러 규모의 프로그래밍 시장만 보면, Claude Code와 Codex 두 제품이 240억 달러를 차지해 70%를 점했다.

애플리케이션 회사가 성공할수록 업스트림에 이 시장이 충분히 크다는 것을 증명해 주지만, 시장이 충분히 크다는 것이 증명되면 모델과 컴퓨팅 파워를 쥔 업스트림이 직접 뛰어들 이유가 커진다. 계속 중간상으로만 남는다면 머지않아 업스트림에 눌려 죽을 것이다.

올해 1월 초, Cursor 내부에서는 'War Time'이라 불리는 행사가 열렸고, 창업자 Michael Truell은 전원에게 자체 모델 개발을 가속하라고 요구했다.

그러나 애플리케이션 회사가 위로 올라가기는 쉽지 않다. Cursor 손에는 수백만 명의 프로그래머가 매일 코드를 쓰고, 파일을 고치고, 터미널을 실행하는 실제 상호작용 궤적이 있어 이는 강화학습에 가장 좋은 연료지만, 손에 있는 GPU는 수만 장뿐이고 수백만 장의 카드도 없으며, 반년 넘게 처음부터 조 단위 파라미터의 사전학습 기반을 학습시킬 시간도 없다.

그 외에도 Cursor가 내부 회의를 연 지 며칠 후, Anthropic은 규칙을 강화하여 더 이상 제3자 프로그래밍 도구가 개인 구독 계정으로 로그인하여 호출하는 것을 허용하지 않았다.

유일한 활로는 오픈소스 세계에서 좋은 몸체를 빌려와 좋은 강철을 전부 후반부의 강화 학습에 쏟아붓는 것이었다.

3월 19일, Cursor는 Composer 2를 출시했으며, 가격은 입력 0.5달러, 출력 2.5달러로 당시 Claude Opus 4.6의 정확히 10분의 1이었다. Cursor의 Lee Robinson은 나중에 최종 모델이 소비한 연산량 중 약 4분의 1만이 기반 모델에서 나왔고, 나머지는 모두 Cursor 자체 훈련에 사용되었다고 말했다.

이는 애플리케이션 회사가 오픈소스 모델을 선택하는 기준을 바꿔놓았다.

예전에는 모두가 오픈소스 모델을 마치 사서 바로 입는 기성복을 고르듯이 골랐고, 공개 리더보드에서 2점이라도 더 높은 점수를 받은 쪽을 선택했다. 그러나 Cursor가 이후 공개한 46페이지 기술 보고서 부록에서 연구팀은 후보 기반 모델을 평가할 때 프로그래밍 Agent류의 벤치마크 점수를 의도적으로 보지 않았다고 썼다. 그 이유는 이러한 리더보드가 최종 효과에 대한 예측력이 더 약하기 때문이며, Agent와 장기 과제 능력은 강화 학습 단계에서 크게 변화하기 때문이다.

많은 모델이 리더보드 공개 당일 좋아 보이기 위해 출시 전에 이미 특정 문제 은행에 대한 정밀 튜닝으로 가득 채워져 있어, 가중치 공간이 물을 잔뜩 머금은 스펀지처럼 눌려 있었다. 외부에서는 점수가 높아 보이지만, 사서 세 배의 강화 학습 연산량을 더 부으면 모델은 곧 능력 붕괴를 일으킨다.

Cursor는 후보 모델을 자사 현장에 직접 데려와 시험 가동했다.

그들이 테스트한 것은 단 세 가지였다. 기초 코딩 지식 저장량, 하나의 파일이 수십 번 연속 수정된 후의 상태 추적 능력, 그리고 Cursor의 비공개 대형 코드베이스에서의 모델 perplexity였다.

테스트 후 Kimi K2.5가 남았다. 보고서가 제시한 이유는 종합 성능이 강하고 Cursor 자체 인프라에서 충분히 효율적으로 실행된다는 것이었다. 지속적 사전 훈련과 강화 학습을 거쳐 Composer 2는 Cursor 자체 평가 세트인 CursorBench에서 기반 모델의 36.0에서 61.3으로 상승하여 Claude Opus 4.6의 58.2를 넘어섰다.

5월, Cursor는 같은 K2.5 기반 모델 위에 Composer 2.5를 출시했다.

봄에서 여름으로 이어진 이 돌파구는 실리콘밸리에 하나의 샘플을 남겼다. 최고 수준의 애플리케이션 회사에게 오픈 가중치 모델은 더 이상 비용을 절약하는 대체품이 아니라, 가져다가 그 위에 계속 돈을 쏟아 자체 자산을 훈련할 수 있는 몇 안 되는 출발점이다.

차비

Cursor는 K2.5를 기반으로 학습시킨 Composer 2를 자사 사용자에게 출시했고, 미국 기업들은 프로덕션 환경에서 Kimi를 호출하며, 이러한 트래픽을 받아내는 곳은 주로 Fireworks, Together 같은 미국 추론 클라우드다.

Kimi, Fireworks, Cursor를 나란히 놓고 보면 상당한 분별력이 느껴지는 분업 구도를 볼 수 있다.

상업화 능력을 증명하려는 다른 회사라면, 자사 모델이 실리콘밸리에서 인기를 끄는 것을 보고 첫 반응은 보통 샌프란시스코에 사무실을 빌리고, 높은 연봉으로 기업 영업 인력을 스카우트해 미국 대형 고객사를 직접 찾아가 중간 마진을 전부 자기 주머니에 넣는 것이었을 것이다.

문샷은 그렇게 하지 않았다.

2025년 7월, Menlo도 중간 보고서에서 미국 기업들이 중국 회사의 API를 직접 호출하기를 꺼리는 것이 오픈소스 모델 점유율 정체의 원인 중 하나라고 썼다. 이 규제와 신뢰의 장벽은 영업 사원이 캘리포니아로 날아가 입이 닳도록 설득한다고 넘을 수 있는 것이 아니다.

그 벽에 정면으로 부딪히기보다는 앞단의 이익을 미국 현지 파트너에게 양보하는 편이 낫다. Kimi의 엔지니어링 팀은 모델 출시 전후로 Fireworks 등 플랫폼과 협력해 추론 엔진을 매끄럽게 조율했고, 미국 기업들은 미국 클라우드 업체와 계약을 맺고 데이터는 미국 전산실에 남겨둔다.

미국 워싱턴주 퀸시에 위치한 마이크로소프트 데이터센터의 서버 랙

출처: John Brecher / Microsoft

문샷이 사업에 손을 뻗지 않았기 때문에 Fireworks도 기꺼이 Kimi를 적극적으로 홍보할 수 있었고, Cursor의 엔지니어들도 주력 제품을 K2.5의 가중치 위에 구축할 수 있었다. 모두가 돈을 벌 수 있을 때 이 일이 규모를 갖출 수 있는 것이다.

문샷 자체의 수익 문제에 관해서는, 그 규칙을 K3.1 Pro의 라이선스에 명시해 두었다.

기업 내부 배포, 연구, 또는 자사 제품을 위한 파인튜닝에 사용하는 경우에는 별도로 알릴 필요가 없다. 협의가 필요한 경우는 두 가지뿐이다. 첫째, 모델 호스팅에 사용하여 외부에 추론 또는 파인튜닝 서비스를 제공하고 연속 12개월 수익이 2,000만 달러를 초과하는 경우 문샷과 별도 계약을 체결해야 한다. 둘째, 최종 제품의 월간 활성 사용자가 1억 명을 넘거나 월 수익이 2,000만 달러를 초과하는 경우 인터페이스에 모델명을 명확히 표기해야 한다. 문샷 공식 제품 또는 인증된 추론 파트너를 통해 사용하는 경우에는 이 두 조항의 적용을 받지 않는다.

8월, 로이터통신은 문샷이 마이크로소프트, 아마존, 구글과 K3 관련 서비스의 수익 배분을 협상 중이며, 최대 30%를 요구하고 있다고 보도했다.

한 달도 채 지나지 않은 미국 시간 9월 18일, 아마존은 K3를 Bedrock에 올렸다. 글로벌 표준 요금제 가격은 문샷 공식과 동일한 3달러, 15달러이며, 배분 비율은 공개되지 않았다.

마이크로소프트의 경로는 좀 더 우회적이다. K3는 7월 말에 이미 Microsoft Foundry에 들어갔지만, 당시에는 Fireworks가 뒤에서 추론을 돌리고 Foundry는 접속만 담당했다. 미국 시간 11월 5일, 마이크로소프트는 자사 블로그에서 K3.1 Pro가 정식으로 Foundry에 출시되었다고 발표했다.

옛날 장사꾼들의 말로 하자면, 이는 작은 길은 마음대로 다니되 큰길에서는 차비를 내라는 것이다. 백 곳 중 아흔아홉 곳이 아직 시행착오 중인 스타트업에게 Kimi는 한 푼도 받지 않는다. 누군가 정말로 연 수천만 달러 규모의 큰 장사를 이루면, 그때 규칙에 따라 앉아서 논의한다.

어떤 부분의 돈을 당장은 벌지 말아야 하는지 분명히 아는 것이, 때로는 돈 버는 법을 아는 것보다 더 큰 결단력을 요구한다.

검은 고양이든 흰 고양이든

이 61%라는 단면에서 시야를 조금 더 멀리 돌려보면, 올가을 이 데이터 세트가 흥미로운 이유는 대형 모델 산업이 3년간의 조정을 거친 후 자연스럽게 자라난 새로운 관계를 보여주기 때문이다.

2년 전, 실리콘밸리에서 업계의 종착점에 관한 논쟁은 흑백논리였다. 한쪽은 폐쇄형 플래그십이 모든 것을 독식하고, 애플리케이션 회사는 결국 얇은 인터페이스 한 겹으로 전락할 것이라고 믿었다. 다른 쪽은 오픈소스가 지능을 무료 수돗물로 만들어 모든 모델 회사가 돈을 못 벌게 할 것이라고 믿었다.

2026년이 되자, 두 그림 모두 실현되지 않았다.

Anthropic과 OpenAI는 여전히 미국 기업 대형 모델 API 지출의 86%를 가져갔다. 월스트리트 투자은행이跨国 M&A 계약서를 검토하든, 제약회사가 오차 허용 없는 문헌 조사를 하든, 여전히 주저 없이 가장 비싼 폐쇄형 플래그십에 비용을 지불한다. 오픈소스로 흘러가는 예산도 값싼 연산력 경쟁의 장이 되지 않았고, 오히려 Kimi처럼 프런티어에 가까운 모델로 모여들었다.

오픈소스와 폐쇄형 사이는 더 이상 이분법적 참호가 아니다. 복잡한 과업의 촉매作用下, 둘 사이에는 넓은 접경 지대가 자라났다.

이 접경 지대에서 Kimi를 중도하게 사용하는 많은 실리콘밸리 회사들은 동시에 Anthropic과 OpenAI의 큰 고객이기도 하다. 제품 초기에는 가장 강력한 폐쇄형 모델로 형태를 갖추고 수요를 검증한다. 어느 긴 체인 워크플로가 검증되어 호출량이 지수적으로 확대되기 시작하거나, Cursor처럼 독자적인 상호작용 데이터를 충분히 모아 업계 경험을 가중치에 훈련시키려 할 때, 그들은 프런티어에 가장 가까우면서도 자신의 깊은 개조를 허용하는 개방형 기반을 찾아 나선다.

과거에는 모델 회사와 애플리케이션 회사 사이에서 한쪽은 API를 팔고 다른 한쪽은 API를 사는 관계였는데, 모델 회사가 직접 애플리케이션을 만들기 시작하면 양측은 즉시 제로섬 게임의 경쟁자가 되었다.

그런데 이제 애플리케이션 회사는 오픈 모델에 컴퓨팅 파워의 4분의 3을 투입해 계속 학습시키면서 '절반의 모델 회사'가 되었고, 모델 개발자의 영향력은 더 이상 얼마나 많은 토큰을 팔았는지로만 평가되지 않고, 얼마나 많은 다른 회사의 핵심 제품이 자신의 가중치에서 자라났는지로도 평가된다.

Kimi K3.1 Pro 공식 발표 메인 비주얼

이미지 출처: 월지암면

Menlo 보고서가 발표된 다음 날인 11월 4일, 월지암면은 예정대로 Hugging Face에 Kimi K3.1 Pro의 전체 가중치를 공개했다. 월지암면이 자체 발표한 성적에 따르면, 코딩 에이전트의 실전 능력을 측정하는 Terminal-Bench 4.0에서 65.7%를 기록해 GPT-6 Astra의 58.2%보다 높았고, Claude Opus 5.5의 66.4%와는 불과 0.7퍼센트포인트 차이였다.

제품 파이프라인을 오픈소스 기반 모델에 걸고 있는 미국 팀들에게 이 0.7포인트, 그리고 K2, K2.5, K2.6에서 K3, K3.1 Pro로 몇 달마다 한 걸음씩 앞으로 나아가는 리듬은 그 어떤 오픈소스 구호보다 안심이 된다. 후속 학습으로 만들어진 전용 모델은 몇 달마다 최전선을 따라 다시 학습해야 한다. 기반 모델을 하나 선택하는 것은 곧 그 회사의 향후 1년 반복 속도를 함께 선택하는 것과 같다.

샌프란시스코에서 아마 어떤 스타트업도 투자설명회 PPT 첫 페이지에 '우리의 기반은 중국에서 왔다'라고 쓰지 않을 것이다. 대형 모델의 원산지는 여전히 민감한 단어다.

하지만 매일 돌아가는 서버실로 돌아가고, 엔지니어가 화면을 뚫어지게 보며 50라운드 에이전트 루프가 통과되기를 기다리는 깊은 밤으로 돌아가면, 모든 구호는 실용주의에 자리를 내준다. 쥐를 잡는 자가 좋은 고양이다.

대양 건너편의 애플리케이션 회사가 정말로 혹독한 시험을 견딜 수 있는 파트너를 필요로 할 때, 고개를 들면 그것이 이미 그 자리에 서 있는 것을 볼 수 있다.