그런데 이렇게 큰 모델을 내놓은 건 문샷만이 아니었습니다. K3가 나온 지 사흘 뒤, 알리바바가 큐원3.8-Max(Qwen3.8-Max)를 프리뷰로 공개했거든요. 한 주 사이에 중국 회사들이 조 단위 모델을 연달아 내놓기 시작한 거죠. 사람들이 반응하는 이유도 예전과 달라졌어요. 1년 반 전 딥시크(DeepSeek)가 '이렇게 싸다고?'로 충격을 줬다면, 이번엔 성능입니다. 그것도 여러 회사가 동시에 그런 모델을 내놓고 있고요.

실제 사용량도 이미 중국 쪽으로 옮겨가고 있습니다. 여러 모델을 한곳에서 쓰게 해주는 오픈라우터(OpenRouter)에서 미국 모델이 처리하던 토큰 비중이 1년 새 약 70%에서 약 30%로 절반 넘게 줄었거든요. 그만큼 중국 오픈 모델이 늘었죠. 그래서 오늘은 세 가지를 짚어보려 합니다. 이 모델들이 실제로 얼마나 잘하는지, 회사들은 왜 돈 들여 만든 모델을 이렇게 통째로 공개하는지, 그리고 미국은 어떻게 나오고 있는지. 하나씩 보겠습니다.

딥시크 쇼크에서 키미 쇼크까지

문샷AI는 7월 16일 총 2.8조 파라미터짜리 오픈웨이트 모델 키미 K3를 공개해, API와 kimi.com에서 바로 쓸 수 있게 했습니다.

* 오픈웨이트란? 인공지능(AI) 모델이 방대한 데이터를 학습한 결과물인 '가중치(모델의 지식)'를 대중에 공개하는 방식.

그 가중치가 7월 27일에 공개됐어요. 이제 누구나 파일을 내려받아 자기 서버에서 돌릴 수 있죠. 다만 파일이 워낙 커서 웬만한 개인·회사는 직접 돌리기 어렵고, 결국 문샷 서버나 라이선스를 받은 다른 업체를 거쳐 쓰는 게 대부분일 것 같습니다. 출시 초 구독을 잠깐 닫은 것도 이렇게 이용자가 문샷 서버로 몰렸기 때문이고요.

흐름을 짚어보면 이렇습니다.

2025년 1월: 딥시크 R1이 저비용으로 등장, '딥시크 쇼크'
2025년 12월: 딥시크 V3.2
2026년 4월: 딥시크 V4, 값보다 성능을 앞세우기 시작
2026년 7월: 키미 K3(16일), 큐원3.8-Max 프리뷰(19일)

그 사이 성능도 부쩍 좋아졌습니다. VentureBeat는 지난 3년간 오픈소스가 독점 모델에 크게 뒤졌는데, K3가 그 격차를 거의 좁혔다고 평했죠.

이런 소식에 국내도 술렁였습니다. 한국 매체들은 저비용 중심의 '딥시크 쇼크'를 넘어 성능 자체로 미국 모델을 위협하는 '키미 쇼크'가 올 수 있다고 짚었습니다. 국내 업계에선 이런 국면이 현실화할 수 있다는 시각이 나왔고, 즈푸AI·미니맥스 같은 중국 경쟁사 주가가 출렁이거나 삼성전자·SK하이닉스 메모리 수요를 두고 얘기가 나오기도 했습니다.

키미 K3, 얼마나 잘하나

K3가 어떤 모델인지부터 보죠. 파라미터가 2.8조 개나 되는 아주 큰 모델입니다. 하지만 질문이 들어올 때마다 전체를 다 쓰는 게 아니라, 그 질문에 맞는 일부만 골라 씁니다. 사안마다 담당자만 나서는 것과 비슷하죠. 이런 방식(MoE) 덕분에 덩치에 비해 돌리는 비용이 덜 듭니다. 여기에 아주 긴 문서(100만 토큰)도 한 번에 읽고, 이미지까지 바로 이해하죠.

성능은 자체 발표와 독립 검증을 나눠서 봐야 합니다. 문샷이 스스로 낸 숫자와 바깥에서 재본 숫자는 얼마나 믿을 만한지가 다르니까요.

문샷과 평가기관 발표 기준으로는 이렇습니다.

종합 지능 평가(GDPval-AA v2)에서 1,668점으로 3위. Fable 5(1,760)와 GPT-5.6 Sol(1,748)에는 뒤졌지만 Opus 4.8(1,600)은 앞섰어요.
실무·시각 벤치 8개 중 3개(자동화·스프레드시트·브라우징)에서 1위, 나머지도 대체로 Fable 5에 이어 2위.

반면 사람이 직접 비교해 매기는 평가에선 더 좋았어요. 프론트엔드 코딩 대결(Frontend Code Arena)에서 1,679점으로 1위, Fable 5(1,631)·GPT-5.6 Sol(1,618)·GLM-5.2(1,587)를 앞섰죠. 특히 프론트엔드 코딩 1위는 사람이 직접 골라 매긴 순위라 시험 점수보다 실전 감각에 가깝습니다. 다만 두 가지를 같이 봐야 해요.

첫째, 아직 검증이 부족합니다. 나온 지 얼마 안 돼 독립 벤치가 많지 않고, 화려한 숫자 상당수가 문샷 자체 발표거든요. AI 연구자 라이언 그린블랫(Ryan Greenblatt)은 K3를 Opus 4.8 근처에 두면서도 '벤치에 다소 최적화된' 인상이라고 덧붙였습니다. 사이먼 윌리슨(Simon Willison)은 벤치마크가 요즘 가장 중요한 에이전트 도구 호출 능력을 재지 못한다며, 벤치 숫자만으로 모델을 비교하지 말라고 지적했고요.

둘째, 잘하는 것과 효율은 별개입니다. Artificial Analysis는 K3를 프론티어 근처에 두면서도, 같은 일을 시키면 출력 토큰을 더 많이 쓰고 답을 내는 속도도 평균보다 느리며 값도 비싸다고 했죠. 실제로 K3는 전작보다 값이 꽤 올랐습니다. 해커뉴스에선 중국 오픈 모델치고 비싸지만 진짜 프론티어급이면 그럴 만하다는 반응도 나왔고요.

딥시크 V4와 큐원3.8은?

K3와 이 두 모델은 강점이 서로 다릅니다.

딥시크 V4는 4월 24일 공개됐고, 강점은 값과 코딩입니다. 첫날부터 허깅페이스에 MIT 라이선스로 가중치를 올려서, 누구나 조건 없이 바로 내려받아 돌릴 수 있습니다. K3도 뒤늦게(7월 27일) 가중치를 열긴 했는데, 라이선스 조건이 다릅니다. 개인·개발자는 무료로 쓸 수 있어도, 규모가 큰 기업이 상업적으로 쓰려면 별도 계약을 맺어야 하거든요. 조건 없는 V4와는 다른 셈이죠. 다만 V4는 약점도 뚜렷합니다. 모르는 걸 물어도 모른다고 하지 않고 그럴듯하게 지어내는 환각이 심한 편입니다.

큐원3.8-Max는 또 다릅니다. 아직 프리뷰거든요. 총 2.4조 파라미터에 텍스트·이미지·영상·문서를 함께 다루는 멀티모달이고, 알리바바는 '1조 넘는 첫 멀티모달'이라고 내세우고 있습니다. 다만 현재는 확인할 수 있는 게 거의 없어요. 허깅페이스에 아직 올라오지 않았고, 라이선스도 미정이며, 공개된 벤치마크가 한 건도 없습니다. 알리바바는 'Fable 5 다음가는 성능'이라고 주장하지만, 실제로 측정된 결과는 아닙니다. 따라서 큐원은 현재 다른 두 모델과 성능을 견주기 어렵습니다.

세 모델을 표로 비교하면 이렇습니다.

* K3의 자체 라이선스는 완전히 자유로운 형태는 아닙니다. 개인·개발자는 무료지만, 대기업이 상업적으로 쓰려면 별도 계약이 필요합니다. (V4의 MIT는 조건 없이 공개되어 있고, 큐원은 라이선스가 아직 미정입니다.)

또 키미 K3와 딥시크 V4를 미국 프론티어 모델과 비교하면 이렇습니다.

값 차이가 특히 큽니다. 정가 기준으로 1달러를 쓰면 K3는 출력 토큰을 약 6만 7천 개 뽑는데, V4-Pro는 약 115만 개를 뽑아낼 수 있으며, 이는 약 열일곱 배 차이죠. 물론 이건 중국 오픈 모델끼리 견줬을 때 얘기입니다.

미국 프론티어와 비교하면 K3가 저렴해 보이죠. 출력 100만 토큰 기준으로 K3는 15달러인데, 오픈AI GPT-5.6 Sol은 30달러, 앤트로픽 클로드 Fable 5는 50달러거든요. K3가 Sol의 절반, Fable 5의 3분의 1 값인 셈이죠. 한편 딥시크의 V4는 값이 싼 대신 환각이 문제입니다. 모르는 걸 물으면 열에 아홉은 모른다고 하지 않고 그냥 답을 지어낸다는 겁니다(환각률 94%). 검열 우려도 자주 나오는데, 공개된 검열 연구 대부분은 구형 R1 대상이고 V4 계열은 아직 독립 검증이 안 됐으니 여기선 단정하지 않겠습니다.

다 오픈웨이트인데, 돈은 어떻게 벌까

중국의 기업들은 조 단위를 들여 만든 모델을 왜 이렇게 통째로 공개할까요. 아마 이런 계산이겠죠. 먼저 널리 쓰이게 만들면 개발자가 모이고, 개발자가 모이면 미국 유료 모델을 밀어낼 수 있다는 거예요.

물론 이렇게 오픈웨이트로 공개해도 회사는 돈을 법니다. '무료'인 건 모델 파일을 내려받는 데까지거든요. 이 파일을 돌리려면 비싼 GPU가 잔뜩 있어야 해서, 대부분은 직접 돌리지 않고 회사 API를 돈 내고 씁니다. 파일은 공짜로 풀어도 쓰는 값은 받는 거죠. 알리바바처럼 자기 클라우드에서 돌리게 하고 사용료를 버는 곳도 있어요. 실제로 문샷의 연 반복 매출(ARR)은 3월 1억 달러(약 1,460억 원)에서 6월 3억 달러(약 4,380억 원)로 뛰었습니다.

문샷이 K3를 풀면서 규모가 큰 기업엔 별도로 상업용 라이선스를 받도록 한 것도 같은 이유입니다. 개발자에겐 무료로 열어 생태계를 키우되, 이걸로 크게 돈 버는 곳에서는 대가를 받겠다는 거죠.

세 회사의 셈법은 조금씩 다릅니다.

알리바바는 문샷AI 지분 36%를 쥔 대주주이면서, 동시에 자체 모델 큐원도 만들고 있습니다. 큐원 계열은 오픈라우터 2위 제공사(13.9%, 주간 2.77조 토큰)로 중국 AI 중 제품군이 가장 넓죠. 문샷에 투자한 쪽이면서 큐원으로는 경쟁하는 셈이에요.
문샷AI는 반등 스토리입니다. 2023년 칭화대 출신 양즈린(Yang Zhilin)이 창업했으며, 2025년 1월 딥시크 R1이 뜬 뒤 중국 월간 사용자 3위에서 7위로 미끄러진 기록이 있습니다. 그러다 K3로 다시금 살아났고요. 2026년 5월엔 20억 달러(약 2조 9천억 원)를 조달하며 기업가치 200억 달러(약 29조 2천억 원), 반년 만에 약 다섯 배가 됐고 홍콩 상장을 추진 중입니다. 오픈 전략 역시 돈이 된다는 증거인 셈이죠.
딥시크는 MIT 라이선스와 초저가로 표준을 잡으려는 쪽입니다. V4가 화웨이·캄브리콘 같은 중국산 칩에서도 곧바로 돌아간다는 점은, 엔비디아 의존을 줄이려는 중국의 큰 그림과 맞닿아 있고요.

이건 나라 사이의 경쟁이기도 합니다. 중국은 2026년 3월 반도체·AI에 최대 700억 달러(약 102조 원) 규모의 보조금 계획을 내놨고, 미국은 엔비디아 최상급 칩의 대중 수출을 막는 쪽으로 맞섰습니다. 오픈웨이트를 푸는 게 회사 홍보를 넘어 나라의 정책 수단이 된 거죠.

여기서 논쟁이 하나 생깁니다. 중국 모델의 성능이 사실은 미국 랩 출력을 증류(distillation)해서, 그러니까 베껴서 얻은 것 아니냐는 거죠. 한쪽에선 그건 주요 랩의 이용약관 위반이고 치팅과 다를 바 없다고 봅니다. 반대편에선 증류는 학습 과정의 한 부분일 뿐 전면 복제가 아니라고 반박합니다. 크기 대비 성능은 오히려 중국 모델이 낫다는 목소리도 있고요. 어느 쪽이 맞는지는 아직 결론이 나지 않았습니다.

미국은 어떻게 반응하고 있을까

논쟁의 내용이 어떻든, 실제 사용은 이미 넘어가고 있습니다. 오픈라우터에서 중국 모델은 상위 10개 제공사 토큰의 약 44%를 차지하는데, 그중 딥시크 하나만으로도 16.3%로 가장 많습니다. 이유는 값이에요. 보도에 따르면 중국 오픈 모델은 선두 앤트로픽·오픈AI 모델보다 60~90%까지 저렴하다고 하죠.

오픈라우터 토큰 점유율 추이(미국 70%→30% / 중국 약 22%→44% 교차)
데이터 참고: OpenRouter 랭킹·OfficeChai 기사 <출처: 작가 제작>

미국 기업들도 이미 움직였습니다. AI 비용이 급등하면서 엔지니어들이 더 싼 오픈소스·오픈웨이트 모델을 점점 더 쓰는데, 그중 가장 유능한 걸 중국 회사가 만들거든요. 실제로 도어대시·에어비앤비·지멘스 같은 곳이 중국 AI 모델을 도입했다는 보도도 나왔습니다.

그럼 이걸 어떻게 봐야 할까요. 처음엔 미국에서도 경계하는 목소리가 컸어요. 오픈AI의 딘 볼(Dean Ball)은 오픈웨이트가 지배하는 세상이 결국 'AI 공산주의'로 이어질 수 있다고 했고, 앤트로픽의 다리오 아모데이(Dario Amodei)는 고성능 오픈 모델이 사이버 공격에 악용될 위험을 짚었죠. 백악관의 데이비드 색스(David Sacks)는 반대로, 그런 우려가 규제를 경쟁 장벽으로 쓰려는 것 아니냐고 되받았습니다.

그런데 업계 다수는 오픈을 미는 쪽에 섰습니다. 엔비디아의 젠슨 황(Jensen Huang)은 첫 X 게시물로 오픈 모델 지지 서한을 공유했는데, 마이크로소프트·메타로 시작해 다음 날 구글과 오픈AI까지 합류하며 서명 기업이 50곳 안팎으로 늘었죠. 대형 AI 랩 중에선 앤트로픽 정도가 빠졌습니다.

한편 국내에선 조금 다른 각도의 얘기도 나옵니다. 오픈웨이트라도 실제로 쓰려면 결국 벤더(문샷AI)의 지원이 있어야 하니, 이게 중국 AI의 영향력을 넓히는 통로가 될 수 있다는 거죠.

이렇게 의견은 여럿인데요. 그럼 미국과 중국 AI의 실제 격차는 어느 정도일까요. 다리오 아모데이는 예전에 '중국과 오픈소스는 6~12개월 뒤'라고 봤는데, 지금은 그게 한 세대 차이 정도로 좁혀졌다는 분석이 나옵니다. 다만 같은 분석도 오픈 모델과 폐쇄 모델의 최상위 격차는 여전히 4~7개월이라고 짚고 있죠. 줄긴 했어도 뒤집힌 건 아니라는 건데요. 회의론의 근거도 앞서 본 그대로입니다. 벤치 점수가 실제 실력을 다 보여주진 못하고, 딥시크 V4처럼 환각이 심한 경우도 있으며, 신뢰와 규제 문제도 아직 안 풀렸다는 거죠.

그래서 지금 뭘 고르면 될까

싸게 많이 돌릴 일이면 딥시크 V4를 오픈라우터에서 바로 쓰면 됩니다. 값이 저렴하고 지금도 내려받을 수 있습니다.
최고 성능이 필요하면 K3인데, 7~17배 비싼 값과 가중치는 풀렸지만 워낙 커서 웬만해선 직접 못 돌린다는 점, 수요가 몰릴 땐 응답이 밀릴 수 있다는 점도 감안해야 합니다.
영상·문서까지 다루는 멀티모달이 급하면 큐원인데, 아직 프리뷰라 검증된 게 없다는 걸 알고 시작해야 합니다.

그래서 '중국 AI가 미국을 밀어내는 중이냐'고 묻는다면, 제 답은 아직 '글쎄요'입니다. 비교적 저렴한 값과 접근성이 좋아진 건 사실입니다. 성능 역시 프론티어 모델들의 근처까지 따라왔지만, 실제로 맡겨도 되겠다는 신뢰는 또 다른 문제라고 생각하거든요. 그리고 그 신뢰는 벤치 점수가 아니라, 앞으로 실무에 던져진 시간이 증명할 몫이고요. 이 분야의 상황은 지금도 빠르게 바뀌고 있습니다. 글과 다르게 보시는 관점이나 직접 써보신 경험 혹은 다른 인사이트가 있으시다면 댓글로 편히 남겨주세요. 이 글을 읽는 다른 분들에게도 좋은 참고가 될 거라 생각합니다.