문샷 키미 K3, 인기 폭발에 신규 구독 전면 중단

중국 AI 스타트업 문샷AI(Moonshot AI)의 신형 모델 키미 K3(Kimi K3)가 예상을 뛰어넘는 인기를 얻으면서 정작 서버가 이를 감당하지 못하는 상황에 놓였다. 문샷의 키미(Kimi) 공식 계정은 7월19일(현지시각) X(옛 트위터)에 “키미 K3가 예상보다 훨씬 더 많은 사랑을 받으면서 GPU가 한계를 느끼고 있다”고 밝혔다. 최근 48시간 동안 수요가 현재 컴퓨팅 용량의 한계에 가깝게 몰렸다는 것이다. 회사는 기존 구독자의 이용 경험을 지키기 위해 신규 구독을 일시 중단하고 컴퓨팅 자원을 기존 회원에게 우선 배정하기로 했다. 압도적 성능으로 화제를 모은 개방형(오픈웨이트) 모델이 정작 서버 용량 부족으로 발목을 잡힌 사례로 업계의 주목을 받고 있다.

“예상 뛰어넘은 인기”…신규 가입 전면 중단

키미 공식 계정은 이번 발표에서 기존 구독자는 영향받지 않는다고 명확히 했다. “최대한 빠르게 용량을 늘리고 있으며 신규 구독 자리를 단계적으로 다시 열 것”이라는 설명도 덧붙였다. 이번 결정은 모델이 시장에 나온 지 얼마 되지 않은 시점에 나왔다는 점에서 더 눈길을 끈다. 키미 K3는 시간대에 따라 7월16일 또는 17일(현지시각)에 출시된 것으로 전해졌다.

문샷은 앞으로 멤버십 체계도 손볼 계획이라고 밝혔다. 기존 통합 멤버십을 웹·앱·업무용 도구인 키미 워크(Kimi Work)를 포괄하는 ‘키미 멤버십’과 프로그래밍 작업 전용의 ‘키미 코드 멤버십’ 두 가지로 나누기로 했다. 회사는 이렇게 하면 컴퓨팅 자원을 더 정확하게 배분하고 서비스 안정성을 유지하는 데 도움이 될 것이라고 설명했다.

벤치마크 1위·파격 요금이 부른 수요 폭증

키미 K3의 인기 배경에는 성능과 가격 두 가지가 함께 있다. 톰스하드웨어(Tom's Hardware) 보도에 따르면 키미 K3는 LM아레나(LMArena)의 프런트엔드 코드 아레나(Frontend Code Arena)에서 1,679점을 받아 1위에 올랐다. 앤트로픽의 클로드 페이블 5(1,631점)를 앞선 결과다. 다만 같은 보도는 전반적인 종합 성능 지표에서는 키미 K3가 여전히 클로드 페이블 5와 오픈AI의 GPT-5.6 솔(Sol)에 뒤처진다고 전했다. 프런트엔드 코딩이라는 좁은 영역에서의 우위였다는 뜻이다.

가격 경쟁력도 두드러진다. 톰스하드웨어와 독립 접속 추적 기관들이 인용한 공개 요금표에 따르면 키미 K3는 출력 토큰 100만 개당 15달러, 캐시된 입력 토큰은 최저 30센트, 캐시되지 않은 입력 토큰은 3달러 수준이다. 반면 앤트로픽이 공개한 클로드 페이블 5 요금표는 입력 토큰 100만 개당 10달러, 출력 토큰 100만 개당 50달러다. 코드 작업에 모델을 하루 종일 돌리는 개발자라면 방금 프런트엔드 1위를 차지한 더 저렴한 모델에 눈이 갈 수밖에 없는 구조다.

모델 구조를 보면 키미 K3는 2조8000억 개에 이르는 총 파라미터에 100만 토큰 컨텍스트 윈도를 갖춘 것으로 앞서 확인됐다. 이번에 추가로 드러난 부분은 혼합전문가(MoE·Mixture of Experts) 구조로, 토큰마다 896개 전문가 중 16개만 활성화하는 방식이라는 점이다. 대규모 파라미터를 갖추고도 연산량을 효율적으로 통제하려는 설계로 볼 수 있다.

코딩과 일반 사용, 왜 나눠야 했나

멤버십을 둘로 나눈 배경에는 코딩 에이전트(자동으로 작업을 수행하는 AI 프로그램)와 일반 채팅 사용이 컴퓨팅 자원을 소모하는 방식이 근본적으로 다르다는 문제가 있다. 일반 사용자가 요약 하나를 요청하는 것과, 에이전트가 저장소(repository)를 읽고 파일을 수정하고 테스트를 30분 동안 실행하는 것은 같은 작업량으로 취급할 수 없다. 코딩 워크로드가 순식간에 용량을 잡아먹는 구조인 만큼 이를 별도 요금·용량 체계로 관리하려는 시도로 해석된다.

모델 경쟁에서 인프라 경쟁으로

이번 사태는 개별 모델의 성능 그 자체보다 더 근본적인 문제를 드러낸다는 분석도 나온다. 한 보도에 따르면 문샷은 키미 시리즈를 빠르게 반복 출시하며 장문 컨텍스트와 멀티모달 능력에서 격차를 좁혀왔지만 투자를 통해 컴퓨팅 파워를 확충하는 속도조차 수요 증가를 따라가지 못하는 수급 불균형에 놓여 있다. 이 때문에 회사는 자본을 클러스터 확장에 긴급히 투입하는 방향으로 옮기고 있다고 전해졌다.

같은 보도는 이런 흐름을 오픈AI가 GPT 계열 모델을 내놓은 초기에 취했던 용량 관리 전략과 유사하다고 짚었다. 앤트로픽과 오픈AI 역시 인기 모델을 내놓은 뒤 트래픽을 제한하거나 구독을 일시 중단한 사례가 있다는 점도 함께 언급됐다. 생성형 AI 산업이 모델 출시 경쟁에서 컴퓨팅 인프라 병목을 해결하는 단계로 옮겨가고 있다는 진단이다. 모델 성능이 강해질수록 추론 요청이 폭증하고 이는 다시 학습보다 대규모 추론 클러스터 구축에 자본을 돌리도록 압박한다는 것이다. 이 과정에서 AI 서비스의 가격 결정력과 인프라 집중도가 재편될 수 있다는 관측도 나온다.