Kimi K3 리뷰: DeepSeek V4 Pro·V4.1 Flash와 실제 과제 5개로 비교

Kimi K3는 Moonshot AI의 플래그십 모델로 2026년 7월 16일에 공개됐습니다. 총 파라미터 2.8T, 가중치 공개, 이미지 입력, 100만 토큰 컨텍스트를 갖췄습니다. DeepSeek 두 모델에 쓴 것과 같은 과제 5개를 실행했고, 모두 정답을 냈습니다.

문제는 속도와 가격입니다. 기본 설정의 Kimi K3는 모든 과제에서 DeepSeek V4.1 Flash보다 24.4배 느렸고, 정가 기준 1232배 비쌌습니다.

먼저 결론

• Kimi K3는 정확합니다. 과제 5개를 모두 통과했고, 코딩 테스트 30개도 30/30, 25만 토큰 로그 검색도 맞혔습니다.
• 항상 사고하고 기본값이 최대 강도라서, 그대로 쓰면 빠르지도 저렴하지도 않습니다.
• 같은 과제 5개를 DeepSeek V4.1 Flash도 모두 맞혔고, 시간과 비용은 훨씬 적게 들었습니다.
• 추천은 일상 API 작업에는 DeepSeek V4.1 Flash, 공개 가중치 프런티어 모델이나 브라우징과 도구 호출이 많은 에이전트의 강점이 필요할 때는 Kimi K3입니다.

세 모델 모두 OmniaKey에서 쓸 수 있습니다: Kimi K3, DeepSeek V4.1 Flash, DeepSeek V4 Pro.

Kimi K3란

Moonshot이 지금까지 공개한 가장 큰 모델이고, 가중치도 공개되어 있습니다. Moonshot의 출시 글과 API 문서에 적힌 사실은 다음과 같습니다(2026년 10월 18일 확인).

Moonshot은 자사 위치를 솔직하게 밝힙니다. K3의 전반 성능은 "여전히 가장 강력한 비공개 모델인 Claude Fable 5와 GPT 5.6 Sol에 미치지 못한다"라고 합니다.

실제 과제에서는 어땠나

과제 5개를 모두 맞혔습니다. DeepSeek V4.1 Flash 1017 리뷰에서 쓴 것과 같은 과제입니다.

• 파서: Python과 똑같은 규칙으로 동작하는 산술 evaluate()를 작성하는 과제입니다. 자체 테스트 30개로 채점합니다.
• 청구서: 독일어와 영어가 섞이고 유럽식 숫자 표기를 쓴 이메일에서 항목 10개를 뽑습니다.
• 도구 호출: 두 도시의 날씨와 현지 시간. 정답은 응답 한 번에 호출 4개를 보내는 것입니다.
• 긴 로그: 25만 토큰 로그에서 지금 유효한 배지 코드 3개를 찾습니다. 만료된 코드 하나는 건너뜁니다.
• 그래프: 이미지에서 최고값, 최저값, 평균, 차이 하나를 읽습니다.

실행 방법: Kimi K3는 2026년 10월 18일, DeepSeek 두 모델은 10월 17일에 과제마다 한 번씩 기본 설정으로 OmniaKey의 OpenAI 호환 엔드포인트에서 호출했습니다. 비용은 응답의 토큰 수에 각 회사 정가를 곱한 값입니다(DeepSeek은 오프피크 요금). OmniaKey는 세 모델의 API를 모두 판매하므로 테스트도 OmniaKey를 통해 진행했습니다. 가격은 모두 각 회사 가격이며 당사 가격이 아닙니다. 과제당 한 번, 하루 차이로 실행한 것은 표본 점검이지 벤치마크가 아닙니다.

V4 Pro와 비교하면 Kimi K3는 파서를 7배 빠르게 작성했고(176초 대 20.7분), 비용은 비슷했습니다. 나머지 공통 과제 세 개에서는 V4 Pro가 더 저렴했고, 그중 두 개에서는 더 빨랐습니다.

Kimi K3가 더 느리고 비싼 이유

이유는 두 가지입니다. K3는 항상 사고하고, 따로 지정하지 않으면 API가 최대 강도로 동작합니다. Moonshot API에서는 reasoning_effort를 low, high, max로 지정할 수 있습니다. 정가도 DeepSeek V4.1 Flash의 20배(입력), 25배(출력)입니다.

가격은 Moonshot 가격 페이지와 DeepSeek 가격 페이지(오프피크)에서 2026년 10월 18일에 확인했습니다. Moonshot에 따르면 코딩 작업에서는 입력의 90% 이상이 캐시에 걸려 긴 코딩 세션 비용을 크게 줄여 줍니다. 이번 테스트는 호출 한 번짜리였으므로 캐시 적중이 없었습니다.

Kimi K3와 DeepSeek, 무엇을 쓸까

대부분의 작업에는 DeepSeek V4.1 Flash, Kimi K3는 몇 가지 특정 작업에.

Moonshot 자체 벤치마크는 어떤가

Moonshot의 모델 카드에서 K3는 여러 에이전트 테스트에서 Claude Fable 5와 GPT-5.6 Sol을 앞섭니다. BrowseComp는 91.2(88.0, 90.4 대비), MCPMark는 94.5(87.4, 92.9), SWE-Marathon은 42.0(35.0, 39.0)입니다. 반면 FrontierSWE는 81.2 대 86.6, GDPval-AA는 1686 대 1747, 도구 없이 푼 HLE는 43.5 대 53.3으로 Fable 5에 뒤집니다.

벤더 표는 주의해서 보십시오. Moonshot 모델 카드에서 K3의 ProgramBench는 77.8이지만, DeepSeek 자체 표에서는 같은 이름 테스트의 K3가 17.5입니다. 같은 조건으로 각 모델에 직접 과제를 돌려 본 결과가 더 나은 판단 기준입니다.

Kimi K3 호출 방법

from openai import OpenAI

client = OpenAI(api_key="YOUR_OMNIAKEY_KEY", base_url="https://api.omniakey.com/v1")

stream = client.chat.completions.create(
    model="kimi-k3",
    messages=[{"role": "user", "content": "Write a Python function that parses ISO 8601 durations."}],
    max_tokens=32000,                 # K3는 항상 사고하므로 긴 답을 남겨 둔다
    stream=True,                      # 사고가 길어지면 프록시 타임아웃을 넘을 수 있다
)
for chunk in stream:
    delta = chunk.choices[0].delta if chunk.choices else None
    if delta and delta.content:
        print(delta.content, end="")

1. OmniaKey 대시보드에서 키를 만들고 YOUR_OMNIAKEY_KEY 대신 붙여 넣습니다.
2. 스트리밍을 켜고 실행합니다. 파서 과제는 3분 가까이 걸렸습니다.
3. 모델을 비교할 때는 model만 deepseek-flash나 deepseek-v4-pro로 바꿉니다.

정리

Kimi K3는 정확하고 강한 공개 모델입니다. 저희가 낸 과제를 모두 통과했습니다. 다만 일상 API 작업이라면 DeepSeek V4.1 Flash가 같은 답을 2~4배 빠르게, 훨씬 적은 비용으로 냅니다. 먼저 Flash로 시작하십시오. 프런티어 규모의 공개 가중치가 필요하거나 하루 종일 브라우징하고 도구를 호출하는 에이전트가 필요할 때 Kimi K3를 고르면 됩니다.

자주 묻는 질문

Kimi K3는 오픈소스인가요?

전체 가중치가 Kimi K3 License로 공개되어 있습니다. MIT와 비슷한 라이선스입니다. 호스팅 서비스로 판매하면서 12개월 매출이 2,000만 달러를 넘는 회사는 Moonshot과 별도 협의가 필요하고, 아주 큰 제품은 "Kimi K3" 브랜드를 표시해야 합니다.

Kimi K3 가격은 얼마인가요?

Moonshot 국제 플랫폼 기준 100만 입력 토큰당 3.00달러, 캐시 입력 0.30달러, 출력 15.00달러입니다. 중국 플랫폼은 같은 항목이 20위안, 2위안, 100위안입니다. 컨텍스트 길이에 따른 구간은 없습니다.

Kimi K3의 사고를 끌 수 있나요?

아니요. Moonshot 문서는 K3가 항상 사고한다고 밝히며, 강도를 low, high, max로 설정할 수만 있습니다.

코딩에서 Kimi K3가 DeepSeek V4 Pro보다 나은가요?

파서 과제에서는 둘 다 테스트 30개를 모두 통과했지만 Kimi K3는 176초, V4 Pro는 20.7분이 걸렸고 비용은 비슷했습니다. 갈아타기 전에 직접 코딩 과제 몇 개를 두 모델에 돌려 보십시오.