Kimi K3.1 Pro 성능·가격 총정리｜AI 성능지수 4위·토큰 단가 33% 인하, 금융권 활용법과 주의점

중국 AI 기업 문샷 AI(Moonshot AI)가 10월 23일 새 인공지능 모델 Kimi K3.1 Pro(키미 K3.1 프로)를 공개했습니다. 독립 평가기관 Artificial Analysis의 종합 성능지수에서 55점으로 4위에 올랐고, API 가격은 전작 Kimi K3보다 약 3분의 1 낮췄습니다. 코딩·AI 에이전트·금융 분석을 강점으로 내세운 만큼, 기업과 금융권이 “이제 중국 모델도 업무에 쓸 만한가”를 따져볼 시점이 됐습니다.

결론부터 말하면 Kimi K3.1 Pro는 성능 대비 가격이 매력적인 선택지지만, 답변이 길어 실제 비용이 단가만큼 싸지 않을 수 있고, 오픈웨이트 공개(11월 4일 예정)와 라이선스도 아직 확정되지 않았습니다. 이 글에서는 AI를 잘 모르는 분도 이해할 수 있도록 Kimi K3.1 Pro의 성능·가격·속도·구조를 쉽게 풀고, 금융·기업 실무에서 무엇을 확인해야 하는지 정리합니다.

Kimi K3.1 Pro란? 한 줄 요약

Kimi K3.1 Pro는 문샷 AI가 7월에 내놓은 Kimi K3를 바탕으로 추가 학습(사후 학습)을 대폭 늘려 만든 추론형 AI 모델입니다. 질문을 받으면 바로 답하지 않고 내부적으로 단계별로 생각한 뒤 답을 내는 방식이라, 복잡한 코딩이나 분석 작업에 강점을 보입니다.

여기서 파라미터는 AI가 학습하면서 만들어 낸 수많은 숫자(가중치)를 말합니다. 사람으로 치면 경험으로 쌓인 “감각의 눈금” 같은 것입니다. 많을수록 표현할 수 있는 지식이 늘어나지만, 파라미터 수가 곧 성능은 아닙니다. 학습 방법과 구조가 함께 받쳐줘야 합니다.

100만 토큰은 A4 용지로 약 1,500쪽 분량을 한 번에 읽을 수 있다는 뜻입니다. 사업보고서 여러 권이나 대규모 코드 저장소를 통째로 넣고 질문할 수 있는 수준입니다. 토큰 개념이 낯설다면 AI 토큰이란? 요금이 토큰으로 계산되는 이유를 먼저 읽어 보시면 이해가 쉽습니다.

MoE 구조｜2.8조 개 중 1,040억 개만 일하는 이유

Kimi K3.1 Pro는 MoE(Mixture of Experts, 전문가 혼합) 구조를 씁니다. 거대한 두뇌 하나가 모든 일을 처리하는 대신, 작은 전문가 네트워크 896개를 두고 질문이 들어올 때마다 그중 16개만 골라 일을 맡기는 방식입니다.

은행 창구에 비유하면 이해가 쉽습니다. 고객이 오면 안내 직원(라우터)이 대출·외환·연금 담당 중 필요한 창구로만 연결하고, 나머지 직원은 그 일에 시간을 쓰지 않습니다. 덕분에 모델 전체는 크지만 질문 한 건에 드는 계산량은 훨씬 적어 운영 비용을 낮출 수 있습니다. 다만 실제 서비스 속도와 비용은 하드웨어, 요청량, 답변 길이에 따라 달라집니다.

기반 모델 Kimi K3의 구조와 학습 방식은 arXiv에 공개된 Kimi K3 기술 보고서에서 확인할 수 있습니다.

AI 성능지수 55점, 4위의 의미

가장 많이 인용되는 지표는 독립 평가기관 Artificial Analysis의 Kimi K3.1 Pro 평가 페이지에 나온 Intelligence Index입니다. 코딩, 에이전트형 업무, 과학 추론, 장문 이해, 환각 여부 등 10개 평가를 묶은 종합 점수인데, Kimi K3.1 Pro는 55점으로 4위를 기록했습니다. 비슷한 가격대 모델의 중앙값이 28점이니 상위권임은 분명합니다.

Terminal-Bench는 AI가 개발자처럼 터미널(명령어 창)에서 코드를 실행하고, 오류를 보고 고치는 과정을 여러 단계로 수행하는지 보는 시험입니다. 코드 몇 줄을 써 주는 수준을 넘어 “일을 끝까지 해내는가”를 보는 평가라는 점에서 의미가 있습니다.

다만 주의할 점이 있습니다. 같은 모델도 평가기관에 따라 순위가 4위(AA)와 8위(Vals)로 갈립니다. 회사가 발표한 수치는 독립 검증 전이라는 점도 감안해야 합니다. 벤치마크 순위는 “시험 성적”이지 “실무 능력 보증서”가 아닙니다.

AI 에이전트가 무엇인지, 실제 상용화가 어디까지 왔는지는 AI 에이전트 상용화 현황과 준비 방법에서 자세히 다뤘습니다.

성능을 끌어올린 비결｜사후 학습과 강화학습

AI 모델은 크게 두 단계로 만들어집니다. 방대한 글을 읽고 언어와 지식을 익히는 사전 학습, 그리고 실제 문제 푸는 법을 따로 훈련하는 사후 학습(Post-Training)입니다. 학생으로 치면 사전 학습은 교과서를 읽는 단계, 사후 학습은 문제집을 풀고 채점받으며 실력을 다지는 단계입니다.

문샷 AI는 K3.1 Pro에 이 사후 학습 연산을 기존보다 훨씬 많이 투입했고, 특히 강화학습(RL)을 강조했습니다. 강화학습은 AI가 작업을 수행한 결과가 맞았는지에 따라 보상을 받으며 더 나은 방법을 찾아가는 학습입니다. 예를 들어 코드를 짜고 실제 테스트를 통과하면 점수를 주는 식입니다.

이 방향이 중요한 이유는 기업이 원하는 것이 “말 잘하는 AI”가 아니라 “일을 끝내는 AI”이기 때문입니다. 재무 분석이라면 여러 기간 수치를 비교하고, 계산을 검증하고, 변동 원인을 설명해 보고서로 정리해야 비로소 쓸모가 생깁니다.

API 가격｜단가는 내렸지만 “답변이 긴” 모델

기업 입장에서 가장 반가운 소식은 가격입니다. 7월 Kimi K3는 100만 토큰당 입력 3달러·출력 15달러였는데, K3.1 Pro는 입력 2달러·출력 10달러로 약 33% 낮아졌습니다.

그런데 표의 마지막 줄이 중요합니다. Artificial Analysis는 이 모델을 “매우 장황한(verbose)” 편으로 분류했습니다. 같은 문제를 풀 때 비슷한 가격대 모델보다 출력 토큰을 거의 두 배 가까이 쓴다는 뜻입니다. 단가가 싸도 답변이 길면 청구서는 생각보다 덜 줄어듭니다.

월 1만 건의 문서를 분석하는 회사라면 단가 대신 아래 항목을 함께 계산해야 합니다.

• 문서 1건 분석에 드는 평균 입력·출력 토큰 수 (추론 과정 토큰 포함)
• 오류나 누락으로 다시 돌려야 하는 재작업 비율
• 담당자가 결과를 검토·승인하는 시간
• 개인정보·기밀을 다루기 위한 보안 비용
• 기존 시스템과 연결하는 개발·운영 비용

그래서 실무에서 봐야 할 지표는 토큰당 가격이 아니라 “검증까지 마친 업무 1건을 끝내는 총비용”입니다.

속도｜첫 응답은 빠르지만 출력은 느린 편

속도는 무엇을 재느냐에 따라 평가가 달라집니다. Artificial Analysis 측정 기준 Kimi K3.1 Pro의 첫 토큰까지 걸리는 시간은 약 2.98초로 비슷한 가격대 평균(3.89초)보다 빠르지만, 출력 속도는 초당 약 44토큰으로 중앙값(약 90토큰)의 절반 수준입니다. 말을 빨리 시작하지만 천천히, 그리고 길게 말하는 모델이라고 이해하면 됩니다.

문샷 AI는 이를 보완하기 위해 Highspeed 버전을 함께 내놓았습니다. 회사 설명으로는 2~3배 빠르지만, 코딩 도구(Kimi Code)에서는 사용량 한도를 두 배로 차감합니다. 결국 속도와 비용을 맞바꾸는 선택입니다.

금융권·기업 업무에는 어떤 의미가 있을까

문샷 AI는 이번 모델의 강점으로 코딩, 에이전트, 3D 작업과 함께 금융 리서치를 직접 꼽았습니다. 금융 문서 질의응답 평가(OfficeQA Pro v2)에서 경쟁 모델을 앞섰다고 발표했고, 엔비디아 재무 모델을 스프레드시트로 다루는 시연도 공개했습니다. 금융권 실무 관점에서 활용 가능성을 영역별로 보면 다음과 같습니다.

① 재무제표·기업 분석

사업보고서와 실적 자료를 넣고 매출 증가율, 영업이익률, 부채비율 변화를 표로 정리하게 할 수 있습니다. 다만 연결·별도 재무제표나 회계 기준을 혼동하면 그럴듯하지만 틀린 분석이 나옵니다. AI가 계산한 숫자는 반드시 원본과 대조해야 합니다.

② 시장 자료 조사

금리·환율·채권 자료를 모으고 비교하는 보조 도구로 쓸 수 있습니다. 하지만 AI가 과거 수치를 최신 수치처럼 말하거나 없는 자료를 인용하는 환각 가능성은 여전히 있습니다. 환각이 왜 생기고 어떻게 줄이는지는 AI 환각(할루시네이션) 줄이는 방법에 정리해 두었습니다.

③ 내부 보고서·문서 초안

회의 자료, 실적 보고서, 규정 비교표처럼 형식이 정해진 문서의 초안 작성은 생산성 효과가 큰 분야입니다. 그러나 고객 정보나 내부 기밀이 담긴 문서를 외부 AI 서비스에 넣기 전에는 정보보호 정책과 계약 조건, 데이터 보관 여부를 먼저 확인해야 합니다.

④ 소프트웨어 개발·테스트

코드 작성, 오류 분석, 테스트 코드 생성에 강점이 있지만, AI가 만든 코드를 검토 없이 운영 시스템에 반영하는 것은 위험합니다. 코드 리뷰와 테스트 절차는 생략할 수 없습니다. 국내 은행들의 AI 도입 흐름은 금융권 에이전틱 AI 도입 현황 기사에서 함께 볼 수 있습니다.

오픈웨이트 공개와 사이버 보안 논란

오픈웨이트(Open-weight)란 AI가 학습한 가중치 파일을 공개해, 누구나 내려받아 자기 서버에서 돌리거나 고칠 수 있게 하는 방식입니다. 완전한 오픈소스(학습 코드·데이터까지 공개)와는 다른 개념입니다. 라마·딥시크 등 오픈 모델의 흐름은 오픈소스 AI 모델의 진화에서 다뤘습니다.

문샷 AI는 K3.1 Pro 가중치를 11월 4일까지 공개하겠다고 밝혔습니다. 기업 입장에서는 특정 해외 서비스에 데이터를 보내지 않고 자체 인프라에서 운영할 수 있는 선택지가 생긴다는 의미입니다. 반대로 한 번 풀린 가중치는 회수할 수 없어 악용을 막기 어렵다는 우려도 큽니다.

이 때문에 문샷 AI는 학습 데이터에서 사이버 공격 관련 데이터를 의도적으로 제거했다고 설명했습니다. 회사 자체 해킹 능력 평가에서 공개 버전은 81.0%, 제거 조치를 하지 않은 버전은 90.5%였다는 것입니다. 하지만 이 평가는 외부에 공개되지 않아 독립 검증이 어렵고, 점수 자체도 전작보다 크게 높아 “제한했다”는 표현을 그대로 받아들이기는 이릅니다. 관련 내용은 로이터 보도에서도 확인할 수 있습니다.

AI를 이용한 공격이 금융권에 실제로 어떤 위협이 되는지는 AI 해킹, 은행은 어떻게 뚫렸나를 참고해 주세요.

필자의 판단

금융권 디지털 업무를 오래 지켜본 입장에서 이번 발표의 핵심은 순위보다 “최상위 성능의 가격이 빠르게 내려오고 있다”는 신호입니다. 불과 석 달 만에 같은 회사가 성능은 크게 올리고 단가는 3분의 1 낮췄습니다. 앞으로 기업은 비싼 모델 하나에 모든 업무를 맡기기보다 업무별로 모델을 나눠 쓰는 구조로 갈 가능성이 큽니다. 복잡한 추론은 고성능 모델에, 단순 분류와 요약은 저렴한 모델에 맡기는 식입니다.

다만 저는 Kimi K3.1 Pro를 국내 금융회사가 당장 고객 업무에 쓰기는 어렵다고 봅니다. 이유는 성능이 아니라 통제 가능성입니다. 중국 서버로 고객 데이터를 보내는 API 방식은 개인정보·망분리 규제를 넘기 어렵고, 오픈웨이트를 내부에 설치하려 해도 2.8조 파라미터를 돌릴 GPU 인프라와 라이선스 검토가 먼저 필요합니다. 현실적인 순서는 고객 정보가 없는 내부 개발 지원이나 공개 자료 분석부터 시험해 보는 것입니다.

또 하나, 이 모델의 숨은 비용은 “긴 답변”입니다. 토큰 단가가 33% 낮아도 출력이 두 배 길면 절감 효과는 사라집니다. 새 모델이 나올 때마다 갈아타기보다, 지금 쓰는 모델과 후보 모델을 우리 회사의 실제 업무 데이터 50~100건으로 나란히 돌려 정확도·업무당 비용·재작업률을 비교하는 습관이 가장 확실한 판단 기준이라고 생각합니다. 결국 중요한 것은 AI가 얼마나 똑똑한가보다, 오류와 비용을 통제하면서 업무를 얼마나 안정적으로 끝내느냐입니다.

앞으로 확인해야 할 세 가지

• 11월 4일 오픈웨이트 실제 공개 여부와 라이선스 — 전작 K3는 상업적 사용에 조건이 붙은 라이선스였습니다. 상업 이용 범위가 자체 운영의 경제성을 좌우합니다.
• 독립 평가기관의 추가 검증 — 회사 발표 수치(Terminal-Bench, 환각률, 사이버 평가)가 외부 평가에서도 재현되는지 지켜봐야 합니다.
• 업무 1건당 실제 비용 — 단가가 아니라 같은 일을 끝내는 데 쓰는 전체 토큰과 사람의 검토 시간을 비교해야 합니다.

자주 묻는 질문

Kimi K3.1 Pro는 무료로 쓸 수 있나요?

kimi.com 웹사이트와 앱의 모델 선택 메뉴에서 사용할 수 있으며, 고급 기능과 긴 문맥은 유료 요금제 중심으로 제공됩니다. 개발자는 Kimi API 플랫폼에서 사용량만큼 비용을 내고 쓸 수 있습니다.

Kimi K3.1 Pro API 가격은 얼마인가요?

100만 토큰당 입력 2달러, 출력 10달러입니다. 전작 Kimi K3(입력 3달러·출력 15달러)보다 약 33% 낮습니다. 다만 답변이 긴 편이라 실제 비용은 사용 패턴에 따라 달라집니다.

Kimi K3.1 Pro는 오픈소스인가요?

현재는 API로만 제공되며, 문샷 AI는 11월 4일까지 가중치를 공개할 예정입니다. 가중치 공개(오픈웨이트)는 학습 데이터·코드까지 공개하는 완전한 오픈소스와는 다르고, 라이선스는 아직 공개되지 않았습니다.

챗GPT나 클로드보다 좋은가요?

종합 지수에서는 최상위권 미국 모델들과 근접한 4위지만, 평가기관과 분야에 따라 순위가 다릅니다. 업무에 맞는 모델을 고르는 법은 클로드 vs 챗GPT 비교도 참고해 보세요.

마무리｜순위보다 “업무당 비용”으로 판단할 때

Kimi K3.1 Pro는 Artificial Analysis 종합지수 55점·4위, 코딩 에이전트 평가 상위권, 전작 대비 33% 낮은 API 단가를 갖춘 모델입니다. 중국 AI가 성능과 가격 모두에서 미국 최상위 모델을 바짝 추격하고 있다는 점은 분명합니다.

하지만 답변이 길어 실제 비용 절감 폭은 단가만큼 크지 않을 수 있고, 회사 발표 수치의 독립 검증과 오픈웨이트 라이선스도 남아 있습니다. 기업과 금융기관이라면 순위표보다 정확도, 검증 가능성, 보안, 업무 1건당 총비용을 기준으로 판단하는 것이 맞습니다. 비슷한 흐름의 다른 모델이 궁금하다면 Gemini 4 Argon 가격·사용법 총정리도 함께 읽어 보시기 바랍니다.

공식 정보는 Kimi API 플랫폼, 독립 평가는 Artificial Analysis와 Vals AI에서 확인할 수 있습니다.

※ 본 기사는 문샷 AI의 공개 발표와 독립 평가기관 자료, 주요 매체 보도를 바탕으로 작성했습니다. 벤치마크 결과와 가격은 평가 환경과 회사 정책에 따라 바뀔 수 있으며, 특정 AI 모델의 성능이나 도입 효과를 보장하지 않습니다. (2026년 10월 27일 기준)