MiMo-V2.6-Pro 대 Kimi K3: 2조 파라미터 오픈 웨이트, 작업당 비용에서 14배 차이

둘 다 1M 토큰 컨텍스트 창을 갖춘 중국 연구소의 개방형 가중치 전문가 혼합(MoE) 모델이다. 둘 다 다운로드할 수 있다. 2026년 9월 22일에 확인한 Artificial Analysis Intelligence Index v4.3.2에서 MoonshotAI의 Kimi K3는 44점, Xiaomi의 MiMo-V2.6-Pro는 46점을 기록했다. 2점 차이다. 동일한 평가 제품군을 각각 실행하는 데 측정된 비용은 Kimi K3가 $3,658.07, MiMo-V2.6-Pro가 $206.66으로, 17배 차이다. 이 등급의 개방형 가중치를 이미 원하기로 결정했다면, 결정적인 것은 그 2점이 아니라 이 비율이다.

Kimi K3는 이 조합에서 확립된 모델입니다: 2026년 7월 16일에 출시되었고, 전체 가중치는 7월 27일에 이어서 공개되었으며, 수개월간의 독립적인 평가를 받아 왔습니다. Xiaomi MiMo-V2.6-Pro는 2026년 9월 22일에 일반 공급되었고, 강화 학습 체크포인트 저장소는 그 전날에 등장했습니다. 따라서 이 비교는 프리미엄 가격의 검증된 오픈 모델과 대중적인 가격의 신형 모델 사이의 비교이며, 흥미로운 점은 측정된 역량 격차가 얼마나 좁게 나타났는지입니다.

각 모델이 실제로 무엇인지

Kimi K3는 2.8조 개 매개변수의 오픈 웨이트 멀티모달 추론 모델로, 출시 당시 3조 클래스 최초의 오픈 모델로 설명되었다. 토큰당 896개 전문가 중 16개를 활성화하며(약 1,040억 개의 활성 매개변수), Kimi Delta Attention과 Attention Residuals를 사용해 1M 토큰 컨텍스트를 효율적으로 유지하고 요청당 최대 1M 토큰을 출력한다. 네이티브 비전을 갖춘 상시 추론(always-on reasoning)이다. Moonshot의 자사 API는 백만 입력 토큰당 $3.00, 백만 캐시 입력 토큰당 $0.30, 백만 출력 토큰당 $15.00을 부과하며, 컨텍스트 길이에 따른 구간 구분 없이 정액이다. Artificial Analysis는 90% 캐시 할인과 $2.31의 혼합 요금을 보고했다. 초당 42.8개의 출력 토큰을 기록해, 비슷한 규모 모델의 중간값 77.9에 비해 눈에 띄게 느렸으며, 첫 토큰까지 3.93초가 걸렸다.

Xiaomi MiMo-V2.6-Pro는 총 1.02조 개의 매개변수와 토큰당 420억 개의 활성화 매개변수를 갖춘 희소 전문가 혼합(MoE) 모델로, 100만 토큰 컨텍스트 창과 텍스트, 이미지, 비디오, 오디오 전반에 걸친 네이티브 멀티모달리티를 지원합니다. 이 모델의 가중치에는 MIT 라이선스 태그가 있습니다. Xiaomi는 새 체크포인트의 가격을 상향 재책정하지 않고 이전 세대의 가격을 유지했으며, 그렇기 때문에 백만 입력 토큰당 $0.43, 백만 출력 토큰당 $0.87에 99% 캐시 할인, 혼합 $0.18로 책정됩니다. 속도는 초당 출력 토큰 134.3개를 기록해 114개 모델 중 11위였고, 첫 토큰까지 2.15초가 걸렸습니다.

• 활성 파라미터 — MiMo-V2.6-Pro는 토큰당 42B; Kimi K3는 약 104B로, 896개 전문가 중 16개를 활성화

• 총 파라미터 — MiMo-V2.6-Pro 1.02T; Kimi K3 2.8T

• 인덱스 점수 — MiMo-V2.6-Pro 46; Kimi K3 44, 둘 다 Artificial Analysis v4.3.2

• 정가 — MiMo-V2.6-Pro 1M당 $0.43 / $0.87; Kimi K3 $3.00 / $15.00, 캐시 입력 $0.30

• 혼합 요금 — MiMo-V2.6-Pro 1M당 $0.18; Kimi K3 $2.31

• 인덱스 실행 비용 — MiMo-V2.6-Pro $206.66; Kimi K3 $3,658.07

• 속도 — MiMo-V2.6-Pro 초당 134.3 출력 토큰; Kimi K3 42.8, 동일 크기 등급의 중앙값 77.9 대비

• 첫 토큰까지의 시간 — MiMo-V2.6-Pro 2.15초; Kimi K3 3.93초

• 컨텍스트 — 양쪽 모두 1M 토큰; Kimi K3는 요청당 최대 1M 토큰의 출력을 게시합니다

• 가중치 — 둘 모두 다운로드 가능; MiMo-V2.6-Pro에는 MIT 태그가 붙어 있음

속도는 인덱스가 감추는 차이다

2점 종합 격차는 여기서 가장 흥미롭지 않은 숫자이고, 초당 134.3 대 42.8 토큰이 가장 흥미로운 숫자다. 세 배 더 빠르게 생성하는 모델이 세 배 더 나은 것은 아니지만, 그것은 작동하는 애플리케이션 부류와 그렇지 않은 부류 사이의 차이다 — 그리고 Kimi K3의 자체 Artificial Analysis 페이지는 그것이 해당 크기 등급에 비해 현저히 느리다고 표시한다. 수십 번의 순차 호출을 수행하는 장기 지평 에이전트 루프의 경우, 처리량은 지연 시간이 그러하듯이 누적 효과를 낸다: 호출당 세 배 차이가 종단 간 세 배 차이는 아니지만, 그것은 사용자가 끝까지 기다리는 세션과 포기하는 세션 사이의 차이다.

Kimi K3의 장점은 입력 측에 있습니다. 첫 토큰까지 3.93초는 MiMo-V2.6-Pro의 2.15초보다 느리지만, 둘 중 어느 쪽이든 최대 노력의 프런티어 추론 모델과 갈라놓을 만한 자릿수 차이는 아닙니다. K3가 크기에 대한 대가를 치르는 곳은 생성이며, 생성이 바로 과금 대상입니다.

공급업체 번호들, 그리고 잘못 읽히는 번호 하나

두 연구소 모두 자체 하네스에서 얻은 DeepSWE v1.1 수치를 발표했고, 이 둘은 마치 서로 비교 가능한 것처럼 유통되고 있다. 하지만 그렇지 않으며, 두 수치가 워낙 비슷해 보이기 때문에 바로 이 짝에서 그 오류가 가장 큰 피해를 낸다.

Xiaomi는 MiMo-V2.6-Pro가 자사의 강화학습 실행 동안 DeepSWE v1.1에서 58.4에서 72.57로 상승했다고 보고하며, 이는 Xiaomi 자체 채점기에서 세 번 평균 방식으로 mini-swe-agent를 사용해 평가한 것이다. 해당 실행은 30단계와 모델당 약 750,000개의 트래젝터리로 문서화되어 있으며, Pro 모델의 공개된 지출 약 262만 달러와 더 작은 Flash의 854,044달러로 6일 이내에 완료되었다. 그 실행에 대한 널리 퍼진 해석은 동일 벤치마크에서 Kimi K3를 68.51에 위치시키며, 이는 Xiaomi 모델이 4점 차로 승자가 된다는 뜻이다. 그 수치는 Moonshot의 수치가 아니라 커뮤니티 수치이며, 두 측정은 서로 다른 지표 — 세 번 평균 대 통과율 — 를 사용하므로 이를 빼는 것은 서로 맞지 않는 척도에 대한 산술이다. 어느 벤더도 이 모델들에 대해 Datacurve의 공개 보드에 구성을 제출하지 않았다.

진정으로 비교 가능한 숫자는 지수입니다. Artificial Analysis가 두 모델을 모두 직접 실행했기 때문입니다. v4.3.2에서 MiMo-V2.6-Pro는 46, Kimi K3는 44였으며, 평가별 세부 내역은 어느 쪽도 공개되지 않았습니다. 이 2점 차이는 10개 평가로 구성된 종합 지표의 잡음 범위 안에 들 만큼 작으며, 솔직한 결론은 측정된 역량 면에서 이 두 모델이 사실상 동률이라는 것입니다.

Kimi K3의 프리미엄이 주는 것

비용 격차를 순수한 마진으로 해석하는 것은 잘못이다. Kimi K3는 샤오미의 1.02조 대비 2.8조 매개변수 모델이며, 토큰당 약 2.5배 많은 매개변수를 활성화한다. 이는 해당 규모 등급에서 최초의 오픈 모델이었고, MiMo-V2.6-Pro가 아직 축적할 시간을 갖지 못한 일련의 독립적 결과들을 보유하고 있다. Artificial Analysis 자체 보고에 따르면 출시 당시 Claude Fable 5와 GPT-5.6 Sol에 이어 Intelligence Index에서 3위를 기록했으며, GDPval-AA v2에서 Elo 1668, AutomationBench-AA에서 53%로 1위, AA-Briefcase에서 Elo 1547로 2위, Frontend Code Arena에서 1679로 1위를 기록했다. 이는 출시 주장이 아닌 독립적 측정치이며, 2포인트 종합 우위로는 포착할 수 없는 폭넓은 역량을 지닌 모델을 보여준다.

여기에는 용량 관련 이야기도 따라붙는다. Kimi K3에 대한 수요가 출시 당시 서빙 용량을 압도해 일시적인 API 구독 중단과 일부 게이트웨이의 업스트림 용량 제한을 초래했다고 한다. 구하기 어려운 모델은 그 위에 구축하기 어려운 모델이며, 이는 품질 문제라기보다 가용성 문제다.

하나의 엔드포인트, 그리고 우리가 무엇을 라우팅하는지에 대한 명확한 답

Kimi K3는 OrcaRouter에서 kimi/kimi-k3(으)로 제공됩니다 — OpenAI 호환 키 하나로, 제공업체 목록 가격을 0% 마크업으로 그대로 전달하므로 Moonshot의 가격 변경이 같은 날 우리 쪽에도 반영되며, 제공업체 전반에 걸친 자동 장애 조치가 출시 이후 이 모델을 괴롭혀 온 용량 한도를 감당합니다. Xiaomi MiMo-V2.6-Pro는 OrcaRouter에 없습니다. Xiaomi 모델은 하나도 없으며, 오늘날 이에 접근하는 경로는 Xiaomi 자체 플랫폼이거나 이를 취급하는 제3자 카탈로그 중 하나입니다. 모델 페이지가 그렇지 않은 듯이 암시하도록 두기보다는 이 점을 분명히 밝히는 것이 좋습니다.

이는 이 조합이 라우팅 레이어가 무엇을 위한 것인지를 잘 보여주는 사례가 되는 셈이다. 두 오픈 모델은 둘 모두를 대상으로 실행한 유일한 독립적 지표에서 동률을 이뤘지만, 작업당 측정 비용에서는 17배 차이가 났다 — 그것은 선택이 아니라, 두 개의 차선으로 이루어진 구성이다. 트래픽의 대부분을 저렴한 차선에 태우고 나머지 꼬리는 직접 정의한 조건에 따라 다른 차선으로 라우팅하거나, 한 경로의 성능이 저하되면 페일오버하라. 두 모델이 하나의 키 뒤에 있으면, 각 모델이 어느 정도의 비중을 가져가야 하는지 알려주는 실험은 조달 협의가 아니라 자체 프롬프트에 대한 설정 변경이 된다 — 그리고 만약 Xiaomi가 출시 기간이 끝난 뒤 MiMo-V2.6-Pro의 가격을 다시 책정하거나, Moonshot이 경쟁에 대응해 K3의 요율을 인하한다면, 두 조치 모두 다음 청구 주기가 아니라 같은 날 우리 쪽에 반영된다.

어느 것을 선택할까

이 정도 크기이고 이렇게 독립적으로 측정된 모델이 제공하는 폭넓은 범위—비전, 대규모 리포지토리에 걸친 장기 지평 코딩, 에이전트형 도구 사용—가 필요할 때, 또는 이미 Kimi K3를 실행 중이고 마이그레이션 비용이 실제로 발생할 때 Kimi K3를 선택하세요. 이는 두 모델 중 더 철저하게 특성화된 모델이며, 1M 토큰 출력 상한은 이례적입니다. 생성 속도를 감안하세요: 초당 42.8토큰의 속도는 대화형 관점에서 배치 및 오프라인 워크로드 모델이라는 뜻입니다. 추론 품질이 무엇을 시사하든 말이죠.

처리량과 단위 경제성이 제약 조건일 때, 루프가 컨텍스트 중심이고 반복적일 때, 첫 토큰 지연 시간이 중요할 때, 또는 허용적 라이선스 아래 자체 하드웨어에 가중치를 두고 싶을 때 MiMo-V2.6-Pro를 선택하세요. 이는 저렴하면서도 빠른 모델이라는 드문 사례이며, 두 모델이 공유하는 유일한 독립 점수에서 동점이라고 할 만큼 작은 차이로 앞서 있습니다.

라우터가 있다면 둘 다 선택하세요. 피해야 할 실패 모드는 헤드라인 비율 하나 때문에 둘 중 하나로 표준화하는 것입니다: 46-index 모델이 똑같이 끝내는 요약 작업에 Kimi K3 요금을 지불하거나, 모든 것을 저렴한 레인으로 옮긴 뒤에야 저장소 규모 코딩 작업에는 2.8T 모델이 필요하다는 것을 발견하는 경우입니다. 어느 쪽도 모델 문제가 아니며, 둘 다 구성입니다.

OrcaRouter는 200개 이상의 모델을 하나의 OpenAI 호환 엔드포인트 뒤에 공급자 정가에 0% 마크업으로 제공하므로, 공급업체의 가격 변경이 같은 날 바로 반영됩니다.