Kimi K3.1 Pro vs Kimi K3: 동일한 백본, 더 낮은 가격, 그리고 이제야 청구된 포스트트레이닝 비용

Kimi K3.1 Pro가 새 모델이었던 것과 같은 방식의 새 모델이 아닙니다Kimi K3. Moonshot AI가 2026년 10월 24일에 공개한 이 모델은 명시적으로 Kimi K3의 포스트트레이닝 버전으로, 포스트트레이닝 연산량이 훨씬 더 크며 — 동일한 아키텍처, 동일한 1,048,576토큰 컨텍스트, 동일한 네이티브 비전, 그리고 수백 개의 다운스트림 도메인 전반에 걸친 강화 학습으로 덧붙여진 별개의 행동 체계를 갖습니다. 이 비교가 흥미로운 이유는 벤치마크 표의 차이가 아닙니다. 더 새롭고 더 나은 모델이 이전 모델보다 토큰당 비용이 3분의 1 더 낮다는 점입니다.

그 역전은 꽤 드문 일이라 신중히 살펴볼 가치가 있다. 보통 연구소는 더 강력한 모델을 같은 가격에 내놓고 이전 모델은 시장 하위로 흘러가게 둔다. Moonshot은 반대로 했다. 이전 모델에는 기존 가격을 유지하고, 새 모델은 백만 토큰당 입력 $2.00, 출력 $10.00으로 인하했다. 이는 Kimi K3의 $3.00, $15.00과 대비된다. 그 이유를 이해하려면 모델 자체에서 실제로 무엇이 바뀌었는지와 그 주변 비즈니스에서 무엇이 바뀌었는지를 분리해야 한다.

아키텍처는 이동하지 않았습니다

Kimi K3는 2026년 7월 16일, 2.8조 매개변수급 최초의 오픈 모델로 등장했습니다. 약 1,040억 개의 활성 매개변수를 갖춘 전문가 혼합(MoE) 설계로, 896개의 전문가 중 토큰당 16개가 활성화되며, 100만 토큰 창, 네이티브 이미지 및 비디오 이해, 도구 호출, 프롬프트 캐싱, 내장 추론을 제공합니다. 가중치는 7월 27일, 사용, 수정, 배포 및 미세 조정을 허용하는 라이선스로 공개되었으며, 연간 2,000만 달러 이상을 버는 모델 서비스(MaaS) 제공업체에는 별도 계약이 필요하고, 초대형 상업용 제품에는 출처 표시가 요구됩니다.

Kimi K3.1 Pro는 그 모든 사양을 그대로 유지합니다. Moonshot은 새 모델을 "3T-class"라고 부르는데, 이는 포지셔닝용 표현입니다. 출시 관련 보도에서는 총 2.8조 개, 활성 1040억 개로 동일하게 전합니다. 컨텍스트 상한, 비전 지원, 1M 토큰 출력 제한은 변경되지 않았습니다. 더 저렴한 활성 파라미터 수나 더 긴 윈도를 기대했다면, 이번 릴리스는 그런 것이 아닙니다.

달라진 점은 사전 학습 이후의 훈련입니다. Moonshot은 재작업된 샌드박스 인프라, 롤아웃 스케줄링, 환경 품질 검사에 뒷받침된 수백 개 도메인 전반의 대규모 공동 강화 학습을 설명합니다. 쉽게 말해, 이 회사는 기존 모델에 더 많은 사실을 가르치는 대신 에이전트형 및 전문 작업에서 더 잘 행동하도록 가르치는 데 막대한 컴퓨팅을 투입했습니다. 그래서 성과 향상이 특정 영역에 집중되는 것입니다.

숫자가 말해 주는 것, 그리고 비교가 빈약한 지점

공급업체의 벤치마크 표는 폭넓습니다 — 14개 평가 — 하지만 깔끔한 쌍대 비교는 아닙니다. Moonshot은 새로운 테스트 중 일부에 대해서만 Kimi K3 수치를 공개했기 때문에, 가장 극적인 차이 중 일부는 두 모델이 모두 치른 공개 벤치마크가 아니라 자체 내부 스위트와의 비교입니다.

• 장기 호라이즌 코딩 — Kimi Code Bench 3.0 Long-horizon: Kimi K3.1 Pro의 경우 61.2%, Kimi K3의 경우 55.95%입니다. 이는 이번 출시에서 가장 깔끔한 전작 수치이며, 벤치마크와 하네스가 모두 Moonshot 소유이기 때문에 가장 벤더 통제적인 수치이기도 합니다.

• 환각 — Kimi Hallu Bench Hard의 클레임 수준 비율은 Kimi K3의 23.4%에서 Kimi K3.1 Pro의 도구 사용 시 8.3%로 떨어졌다. 도구 없이 새 모델은 5.4%를 기록한다. Moonshot은 또한 하나 이상의 사실 오류가 포함된 응답이 이제 전작 비율의 42.4%라고 밝혔다. 문서 중심 작업에서 이는 이번 릴리스의 가장 중대한 개선이다.

• 금융 및 비즈니스 운영 — 내부 Financial Modeling 57.6 대 50.4, Financial Research 70.4 대 58.8, Business Operation 37 대 8.9. 마지막 항목은 기존 모델이 겨우 작동하던 작업에서 네 배의 개선입니다. 이는 Moonshot 자체 평가이므로 수치의 크기는 방향성 정도로 해석해야 합니다.

• 3D 및 CAD — BenchCAD는 도구 사용 시 92.7, 도구 미사용 시 72.8입니다. Moonshot은 이 테스트에 대한 Kimi K3 수치를 공개하지 않았으므로, 절대 점수는 강력하지만 출시 게시물에서는 향상폭이 측정되지 않았습니다.

• 적대적 코딩 — xdev-bench-hard pass@3는 Kimi K3.1 Pro의 경우 81.0%로, Kimi K3의 33.3%, DeepSeek-V4.1-Flash-1017의 85.7%와 대비됩니다. 회사의 위험 감소 조치 없이 훈련된 체크포인트는 90.5%를 기록했으며, Moonshot은 이 9.5포인트 격차를 안전 작업과 훈련 데이터 통제에 기인한다고 밝혔습니다.

• {{1}}프런티어 입지{{/1}} — {{2}}Terminal-Bench 4.0{{/2}}은 65.7%로, 66.4%의 {{3}}Claude Opus 5.5{{/3}}에는 뒤지고 58.2%의 {{4}}GPT-6 Astra{{/4}}에는 앞선다. 도구를 사용한 {{5}}BenchCAD{{/5}}는 92.7로, 96.2의 {{6}}Opus{{/6}}와 95.9의 {{7}}Astra{{/7}}에 뒤처진다. 패턴은 일관된다: 최전선에 가깝지만, 그 정상에 오르는 일은 드물다.

이 중 어느 것도 독립적으로 검증되지 않았다. Kimi K3는 Artificial Analysis Intelligence Index 57로 세상에 나왔으며, 당시 전 세계 3위로 Claude Fable 5와 GPT-5.6 Sol에 뒤졌고, 출시 당일에는 K3.1 Pro에 대한 동등한 제3자 점수도 존재하지 않았다. 하네스 문제는 가상이 아니다. Terminal-Bench 점수는 스캐폴딩에 따라 수십 점씩 달라진다. 그래서 서로 다른 연구소에서 나온 65.7%와 58.2%는 7.5점 차이를 측정한 것이 아니다. 방향은 신뢰할 만하지만, 크기는 아직 그렇지 않다.

가격 역전이 진짜 핵심이다

Kimi K3는 시장에서 가장 비싼 중국 모델로 출시되었으며, 백만 토큰당 입력 $3.00, 출력 $15.00으로 K2 세대의 약 3~4배에 달했습니다. 그 가격 책정은 비용이 아닌 성능이 최전선 워크로드를 차지할 것이라는 의도적인 베팅이었습니다. Kimi K3.1 Pro는 이전 가격은 그대로 둔 채 최신 모델에서 방향을 반전시킵니다.

• 입력 — K3.1 Pro는 백만 개당 $2.00, K3는 $3.00으로 33% 인하되었습니다.

• 산출 — $15.00 대비 $10.00, 또한 33%.

• 캐시 적중 — $0.30 대비 $0.20, 에이전트 워크로드를 지배하는 항목에서 33% 절감.

• 캐시 쓰기 — 5분 및 1시간 TTL에서 $2.00 및 $4.00, 기존 $3.00 및 $6.00 대비.

• Highspeed 변형 — $4.00 및 $20.00, 동일한 $0.20 캐시 적중 가격; 출력 속도는 2~3배, Kimi Code의 할당량은 약 2배입니다.

냅킨에 계산해도 될 만큼 간단하다. 입력 토큰 100만 개를 읽고 출력 토큰 20만 개를 쓰는 요청은 Kimi K3에서 $6.00, Kimi K3.1 Pro에서 $4.00이 든다. 매 턴마다 대형 저장소를 다시 읽고 70%의 확률로 캐시에 적중하는 에이전트는 같은 형태의 호출에 대해 K3에서 약 $4.11, K3.1 Pro에서 $2.74를 지불한다. 새 모델이 더 적은 턴으로도 작업을 끝낸다면 — 이것이 장기 호라이즌 훈련의 핵심 목표인데 — 완료된 작업당 비용은 토큰 가격이 시사하는 것보다 더 크게 떨어진다.

왜 가격을 내렸을까? 가장 유력한 설명은 자선이 아니라 경쟁이다. 2.8T 파라미터 모델은 서빙 비용이 비싸고, 프런티어에 인접한 모델 시장은 2026년 내내 가격 수렴 쪽으로 향해 왔다. Moonshot 자체의 K2 은퇴 일정도 압박을 더한다. K2 시리즈 모델은 2026년 10월 31일부터 신규 사용자가 이용할 수 없게 되고, 12월 말에 은퇴할 예정이다. K3.1 Pro를 K3보다 낮게 책정하면 모든 K2 고객에게 다른 곳을 알아보는 대신 위로 이전할 이유를 준다. 기존 K3 가격은 그대로 유지되는데, 이미 그 가격을 예산에 넣어둔 고객은 할인 없이도 남을 것이기 때문이다.

Kimi K3가 여전히 정답인 경우

비교에서 살아남는 경우는 세 가지다. 첫 번째는 오늘날의 셀프 호스팅이다: Kimi K3의 가중치는 7월 27일부터 공개되어 왔지만, Kimi K3.1 Pro의 가중치는 2026년 11월 4일까지에야 공개될 예정이다. 배포 환경에서 호스팅 API를 호출할 수 없다면, 벤치마크 표에 무엇이 적혀 있든 최신 모델은 아직 선택지가 아니다.

두 번째는 행동 안정성입니다. 3개월 동안 프로덕션에서 운영된 모델에는 알려진 실패 프로필이 있습니다. Kimi K3.1 Pro는 설계상 추론 동작을 바꾸며, 기본값이 최대 노력인 상시 사고 모드는 모든 파이프라인에 그대로 대체 투입할 수 있는 옵션이 아닙니다. 엄격한 평가 제품군을 갖춘 팀은 문자열만 교체할 것이 아니라 기준선을 다시 설정해야 합니다.

세 번째는 샘플링 제어입니다. Kimi K3.1 Pro는 temperature를 1.0, top_p를 0.95로 고정하고 다른 값은 거부합니다. 대화 도중 reasoning effort를 변경하는 것 역시 prefix-cache 적중을 무효화합니다. 애플리케이션이 낮은 temperature의 결정성에 의존한다면, 업그레이드가 공짜라고 가정하기 전에 이전 모델이 최신 모델이 제공하지 않는 제어권을 주는지 확인하십시오.

과장 없이 보는 마이그레이션 결정

코딩 에이전트, 장기적 도구 사용, 금융 리서치 및 문서 검증의 경우, 이전할 명분은 확실합니다. 바로 그 영역들에서 더 나은 벤더 보고 점수, 모든 청구 항목에서 더 낮은 가격, 그리고 환각률이 대략 3분의 2 감소한 것입니다. 위험은 그 모든 것이 자기 보고라는 점이므로, 현명한 경로는 프로덕션 트래픽을 전환하기 전에 자체 작업으로 섀도 평가를 수행하는 것입니다.

배치 생성과 장문 컨텍스트 검색에서는 캐시 적중 가격이 관건이며, 이 가격은 신형 모델 쪽에 3분의 1만큼 유리합니다. 오픈 웨이트에 묶여 있는 사람이라면 일정이 판가름합니다. 11월 4일이 이 비교가 실제 의미를 갖게 되는 가장 이른 날짜입니다.

이 점에서 OrcaRouter의 역할은 일부러 눈에 띄지 않게 설계되었습니다. 저희 카탈로그는 kimi/kimi-k3를 오늘 Moonshot의 정가에 0% 마크업으로, 나머지 스택과 동일한 키로 제공하므로, 이 비교의 기존 쪽은 두 번째 계약 없이도 이미 호출할 수 있습니다. Kimi K3.1 Pro는 이 글 작성 시점에 카탈로그에 없습니다. 출시되면 패스스루 모델은 위의 $2/$10이 리셀러 버전이 아니라 여기서 지불하는 금액임을 의미하며, 세대 전환은 마이그레이션 프로젝트가 아니라 라우팅 정책 내에서 모델 문자열을 바꾸는 일입니다.

평결

Kimi K3.1 Pro는 더 나은 모델이자 더 저렴한 모델이며, 이는 권장을 쉽게 만들지만 근거는 겉보기보다 얇다. Moonshot은 에이전트형 및 전문 업무에 중요한 동작을 개선했고, 모든 가격 항목을 3분의 1로 인하했으며, 대부분의 출시 글이 묻어버렸을 안전 관련 회귀를 공개했다. 다만 결과를 독립적인 하네스에 제출하지는 않았다. 이미 Kimi K3를 쓰고 있었다면, 이 업그레이드는 벤치마크에서보다 청구서에서 먼저 본전을 뽑는다. 증명을 기다리고 있었다면, 가중치와 첫 외부 평가가 모두 2주 안에 나올 예정이며, 그때 이 비교는 벤더의 주장에서 측정으로 바뀐다.