Kimi K3.1 Pro는 가격을 33% 내리고도 외부 지수 4위에 올랐다

Kimi K3.1 Pro의 가격 인하는 가격표에서만 33%입니다. Moonshot AI가 10월 23일 내놓은 이 모델은 100만 토큰당 입력 $2·출력 $10으로 이전 모델 K3($3·$15)보다 3분의 1 싸졌고, AI 모델을 독립적으로 측정하는 Artificial Analysis(이하 AA)의 종합 지수에서는 215개 중 4위에 올랐습니다. 그런데 AA가 같은 작업을 돌려 잰 작업당 비용은 K3 $2.00, K3.1 Pro $2.11로 사실상 같고, 4위라는 순위도 업체 발표표가 아니라 외부 측정에서 나온 값입니다. 단가, 점수, 토큰량은 각각 다른 곳에서 다른 날 쟀으니 이 글은 세 숫자를 따로 읽는 순서로 갑니다. 기준일은 10월 27일입니다.

단가표 -33%, 영수증 +6%

먼저 가격표입니다. 아래는 Moonshot이 공개한 100만 토큰당 가격이고, 세금과 도구 사용료는 빠져 있으며 컨텍스트 길이에 따른 계단식 할증은 없습니다.

100만 토큰당	입력	캐시 적중 입력	캐시 쓰기(5분 / 1시간)	출력
K3 (이전)	$3	$0.30	$3 / $6	$15
K3.1 Pro	$2	$0.20	$2 / $4	$10
K3.1 Pro Highspeed	$4	$0.20	$4 / $8	$20

캐시는 앞부분이 같은 요청을 자동으로 알아보고 싸게 처리하는 장치입니다. AA는 이 가격을 캐시 적중 7 : 입력 2 : 출력 1로 섞은 혼합 단가로도 보여 주는데, 계산하면 0.7×$0.20 + 0.2×$2 + 0.1×$10 = $1.54입니다. 여기서 출력은 토큰 수로는 10%뿐인데 요금으로는 $1.00, 약 65%를 차지합니다. 이 모델의 청구서는 말이 길어질수록 커진다는 뜻입니다.

그러면 단가가 내린 만큼 영수증도 줄었을까요? 아래 그림은 K3를 100으로 놓고 K3.1 Pro가 어디로 움직였는지 네 줄로 보여 줍니다. 초록 선은 줄어든 것, 빨간 선은 늘어난 것입니다.

그림 1. 단가는 내려갔지만 작업당 비용은 올랐다. K3 대비 지수는 편집부 계산

발표 당일 AA가 보고한 지수 작업당 비용은 $1.98로 K3와 거의 같았고, 작업당 평균 출력이 약 48,000토큰에서 55,000토큰으로 14% 늘었습니다. 10월 27일 AA 모델 페이지에서는 K3가 $2.00, K3.1 Pro가 $2.11이고, 지수 전체에 쓴 출력 토큰은 160M에서 150M으로 오히려 6% 줄었습니다. 두 시점의 토큰 수는 방향이 다르지만 결론은 같아서, 단가를 3분의 1 깎은 모델의 작업당 비용이 2달러대에 그대로 머물렀습니다. 사이버 평가에서는 작업당 비용이 $2.45에서 $2.81로 15% 올랐고 입력 토큰 소비가 약 두 배가 된 것이 원인으로 전해집니다. AA의 K3 페이지는 이제 이 모델을 deprecated로 표시하고 K3.1 Pro를 권장합니다.

예산을 짤 때 이 차이는 바로 숫자로 나옵니다. 하루에 입력 1,000만·출력 200만 토큰을 쓰는 코딩 에이전트를 캐시 없이 단순 계산하면 K3는 $60, K3.1 Pro는 $40, Highspeed는 $80입니다. 출력이 14% 늘어난다는 발표 당일 값만 반영해도 K3.1 Pro는 $42.80이 되어 절감폭이 33%에서 약 29%로 줄어듭니다. “한 달 3분의 1 절약”으로 예산을 짜면 어긋날 수 있는 이유입니다.

생각 수준 하나로 두 배 차이 나는 영수증

K3.1 Pro는 생각 모드를 끌 수 없고, 수준을 low, high, max 중에서 고르며 기본값이 max입니다. 이 설정이 청구서에 얼마나 큰지는 한 매체가 소규모 에이전트 작업으로 재 본 값이 있습니다. 작은 파이썬 과제를 설정마다 3번씩 돌렸고 숨겨진 검사 96개를 모두 통과한 것만 비교한 결과입니다.

그림 2. 같은 모델의 생각 수준만 바꿔도 비용 범위가 겹치지 않는다. 한 매체의 단일 실험이며, Kimi는 계정 잔액 변화와 단가 계산이 달라 범위로 표시됐다

max는 low보다 출력 토큰이 약 3배(17.3K 대 5.4K), 비용은 $0.35~$0.46 대 $0.16~$0.21로 두 배 남짓, 걸린 시간은 4.9분 대 2.2분이었습니다. max가 쓴 출력 17.3K 중 12.2K가 생각 과정(reasoning) 토큰이고(low는 1.4K) 이것도 출력 요금으로 청구됩니다. 같은 모델 안에서 설정 하나가 만든 차이가 가격 인하율 33%보다 큽니다. 비교 상대인 Opus 5.5($0.37), Sonnet 5.5($0.18), DeepSeek V4.1 Flash($0.016)는 이 작은 과제에서 각각 출력 4.2K~6.6K를 썼습니다. 과제가 하나뿐이고 단가가 아닌 토큰 소비가 순위를 가른다는 사례로만 읽어야 하며, 어려운 작업에서의 비율은 다를 수 있습니다.

캐시도 같은 방향으로 작용합니다. 20만 토큰짜리 계약서를 올려 두고 10번 질문하는 편집부 계산 예시를 보면 캐시가 없을 때 0.2M × $2 × 10 = $4.00이고, 캐시를 쓰면 첫 요청이 $0.40(캐시 쓰기 5분은 입력 단가와 같음), 나머지 9번이 0.2M × $0.20 × 9 = $0.36으로 합계 $0.76입니다. 단 5분 안에 이어서 물어야 하고, 대화 도중에 reasoning_effort를 바꾸면 접두 캐시가 무효가 되어 다음 요청부터 다시 입력 단가로 청구됩니다. 요청 간격이 5분보다 길다면 1시간 보관을 고를 수 있지만 쓰기 요금이 두 배입니다.

지수 55점을 작업당 비용으로 다시 줄 세우기

종합 지수는 AA가 10개 평가를 묶어 만든 점수(AA-Briefcase, GDPval-AA, AutomationBench-AA, Terminal-Bench 4.0, SciCode, HLE, CritPt, AA-Omniscience 등)로, K3.1 Pro는 K3의 44점에서 55점으로 올라 모델 기준 4위입니다. Claude Opus 5.5(58), Claude Sonnet 5.5(56), Meta Muse Wonder Full(56) 다음이고, MiMo-V2.6-Pro(46)·DeepSeek V4.1 Flash(45)보다 위입니다. 순위만 보면 인상적이지만 점수를 얻는 데 든 돈을 가로축에 놓으면 그림이 달라집니다. 위쪽일수록 점수가 높고 왼쪽일수록 지수 작업 하나가 싼 모델입니다.

그림 3. 10월 27일 AA 리더보드. 가로축은 로그 눈금이다. 추론 수준이 붙은 점은 같은 모델의 다른 설정이다

세 가지가 읽힙니다. 첫째, K3.1 Pro와 같은 $2 근처에서 K3는 44점, GLM-5.3은 45점이었으니 이번 인하의 진짜 이득은 영수증이 줄었다는 것이 아니라 같은 돈으로 11점 높은 점수를 사게 됐다는 것입니다. 둘째, 위쪽 끝은 여전히 비쌉니다. Opus 5.5 max는 3점 위에 작업당 $5.98로 약 2.8배, Sonnet 5.5는 1점 위에 $5.46으로 약 2.6배입니다. 셋째, 효율 구간이 K3.1 Pro 혼자의 자리는 아닙니다. Opus 5.5를 high로 돌리면 54점에 $1.82, GPT-6.1 Sol max는 52점에 $0.72로 더 쌉니다. 모델을 고르는 일이 사실은 모델과 생각 수준의 짝을 고르는 일이라는 뜻입니다. 지수 전체에 쓴 출력 토큰이 150M으로 중앙값 87M의 약 1.7배라는 점도 이 모델이 말이 많은 편이라는 같은 이야기입니다.

속도는 반대쪽입니다. AA 기준 출력 속도는 51.5 토큰/초로 186개 중 159위(중앙값 82.5)이고, 첫 토큰까지 걸리는 시간은 2.99초로 중앙값 3.91초보다 빠릅니다. 길게 답하는 작업에서는 느리고 짧게 묻는 작업에서는 빨리 반응한다고 보면 됩니다. 더 빠른 Highspeed 변형은 같은 모델을 2~3배 빠르게 내보내는 대신 단가가 두 배입니다.

같은 시험인데 승자가 바뀌는 이유

Terminal-Bench 4.0 같은 코딩 에이전트 점수는 모델 말고도 실행 환경(스캐폴드)과 생각 수준에 크게 좌우됩니다. 그래서 같은 시험의 같은 두 모델이 잰 주체에 따라 순서가 뒤집힙니다. 파랑이 AA가 직접 잰 값, 주황이 Moonshot이 발표한 값입니다.

그림 4. Terminal-Bench는 AA 측정에서 K3.1 Pro가 앞서고 Moonshot 발표에서는 Opus 5.5가 앞선다

Terminal-Bench 4.0에서 AA는 K3.1 Pro 67%, Opus 5.5 60%를 쟀고, Moonshot 표는 65.7 대 66.4입니다. “Kimi가 앞섰다”와 “Opus가 0.7점 앞섰다”가 둘 다 맞는 문장이 되는 이유는 Moonshot 표의 코딩 비교가 대부분 Claude Code 하네스와 최고 생각 수준에서 돌린 것이고, 다른 모델 점수는 각 업체 발표나 공개 순위표에서 가져와 조건이 섞여 있기 때문입니다. 반대로 HLE에서는 두 곳 모두 Opus 5.5가 앞서(AA 52 대 61, Moonshot 도구 없음 51.1 대 59.8) 방향이 같습니다. 방향이 같은 줄은 믿을 근거가 더 있고, 갈리는 줄은 환경 차이를 먼저 의심하면 됩니다.

Moonshot이 발표한 표의 전체는 아래와 같습니다. 47개 행 중 16개에서 1위라고 하니 나머지 31개 행은 다른 모델이 앞선다는 뜻이기도 합니다.

Moonshot 발표 수치	K3.1 Pro	Claude Opus 5.5	GPT-6 Astra
Terminal-Bench 4.0	65.7	66.4	58.2
DeepSWE v1.1	75.5	74.2	74.1
SWE-Marathon (긴 코딩)	51.7	46.3	42.5
HLE-Full, 도구 사용	70.0	67.7	57.2
HLE-Full, 도구 없음	51.1	59.8	53.6
GPQA Diamond	94.2	93.9	96.1
BenchCAD, 도구 사용	92.7	96.2	95.9
Terminal-Bench Science	38.1	63.3	68.1

이 표에서 도구를 쓸 때 강하고 맨몸일 때 약한 패턴이 눈에 띕니다. HLE는 도구를 쓰면 K3.1 Pro가 70.0으로 가장 높지만 도구 없이는 51.1로 Opus 5.5의 59.8에 못 미칩니다. 에이전트로 돌릴 때의 점수와 모델이 머릿속에 가진 지식은 다른 이야기입니다. 과학 문제를 에이전트로 푸는 Terminal-Bench Science(38.1 대 63.3·68.1)와 프로그램 구현 시험 ProgramBench(31.5 대 Opus 5.5의 65.0)도 같은 약한 쪽입니다.

K3와 비교해 오른 것, 그대로인 것

K3에서 얼마나 달라졌는지는 AA가 직접 잰 값이 가장 믿을 만합니다. 움직임이 가장 큰 것은 터미널 작업입니다.

독립 측정(AA)	K3	K3.1 Pro	비교 대상
Terminal-Bench 4.0	13%	67%	Opus 5.5 60%, Sonnet 5.5 64%
GDPval-AA (업무 산출물, Elo)	1,534	1,846	Opus 5.5 1,866
AutomationBench-AA	58%	73%	Opus 5.5 70%
Humanity’s Last Exam	47%	52%	Opus 5.5 61%
CritPt	23%	25%	Opus 5.5 32%
SciCode	59%	61%	Opus 5.5 67%

사무 산출물과 자동화에서는 Opus 5.5와 비슷하거나 앞서고, 도구 없는 지식(HLE)과 과학 시험(CritPt, SciCode)에서는 아직 뒤입니다. 12점 정도였던 열린 모델과 닫힌 모델의 지수 격차가 가중치가 공개되면 3점으로 좁혀진다는 것이 AA의 전망입니다.

손본 곳으로 Moonshot이 앞세우는 것은 환각(근거 없는 주장)입니다. Moonshot의 내부 시험 Kimi Hallu Bench Hard에서 K3의 오류율 23.4%가 K3.1 Pro에서 8.3%로 줄었는데, 이 시험은 일부러 오류가 나기 쉬운 문제로 만든 것이라 일상 오류율이 아니라고 Moonshot이 직접 밝혔습니다. 독립 측정인 AA-Omniscience에서는 환각률이 53%에서 44%로, 정확도가 48%에서 51%로 움직였습니다. 줄긴 했지만 사실 확인이 필요한 작업에는 여전히 검증이 필요한 수준입니다.

2.8T 중 104B만 일하는 구조

“2.8조 매개변수”라는 숫자만 보면 호출 한 번에 그 전체가 계산되는 것처럼 들리지만 전문가 혼합(MoE) 구조는 그렇지 않습니다. 모델 안에 전문가 블록이 896개 있고, 토큰이 들어올 때마다 라우터가 그중 16개만 골라 계산합니다. 토큰마다 항상 거치는 부분이 따로 있어서, 전체로는 활성 약 104B(전체의 약 3.7%)가 일합니다.

그림 5. 880개는 저장만 되어 있고 이번 토큰의 계산에는 참여하지 않는다

가격이 내려갈 수 있었던 배경의 일부이고, 이번 모델이 새로 설계된 것이 아니라 K3(7월 16일 공개)와 같은 구조에 강화학습 중심의 후속 학습을 크게 더한 버전이라는 점과도 이어집니다. 그래서 이름이 K4가 아니라 3.1이고 컨텍스트 창 1,048,576 토큰, 텍스트·이미지 입력, 텍스트 출력 규격은 K3와 같습니다. 컨텍스트 창은 모델이 한 번에 읽고 기억하는 토큰의 양이고, 100만 토큰이면 책 여러 권이 들어가며 이 길이를 쓰든 안 쓰든 단가가 같습니다. 최대 출력은 기본 131,072 토큰이고 설정으로 1,048,576 토큰까지 늘릴 수 있습니다.

쓸 수 있는 곳은 Kimi 웹·앱(무료 플랜은 사용량 제한), Kimi Work 데스크톱 앱(v3.1.0 이상), Kimi Code(/model로 전환), Kimi API입니다. Highspeed는 앱에서 Pro 플랜 이상이 필요하고 Kimi Code에서 할당량을 약 두 배로 소모합니다. 엔터프라이즈 조직은 접근이 기본으로 꺼져 있어 관리자가 켜야 하고, API는 최소 $1 충전으로 열리며 누적 충전액에 따라 호출 한도가 정해집니다.

사이버 능력을 일부러 깎은 모델

K3.1 Pro에서 눈에 띄는 설계 결정은 가중치 공개를 앞두고 사이버 공격 관련 자료를 학습에서 뺐다는 점입니다. Moonshot은 중간 학습 자료와 강화학습 환경 두 단계에서 사이버 관련 내용을 제거하고 일반 코딩 과제는 남겼다고 밝힙니다.

효과는 Moonshot의 내부 시험 xdev-bench-hard(취약점 악용 코드를 쓰는 과제, 3번 시도 중 한 번이라도 성공하면 통과)로 보입니다. 자료를 빼지 않은 체크포인트는 90.5%, 공개용 K3.1 Pro는 81.0%로 9.5점 낮습니다. 같은 시험에서 K3는 33.3%, GLM-5.3은 57.1%, DeepSeek V4.1 Flash는 85.7%였습니다. 이 숫자들은 Moonshot 내부 시험이고 외부 검증은 없으며, Moonshot은 이 능력이 최소 3개월 전에 공개된 상용 최전선 모델보다 뒤처진다고 설명합니다.

독립 쪽 숫자는 방향이 다릅니다. AA의 사이버 지수에서는 K3 41%에서 K3.1 Pro 64%로 올라 DeepSeek V4.1 Flash(57%)를 앞섰고, 접근이 제한된 모델(69%)에는 못 미쳤습니다. AA는 이 과제에서 Kimi의 안전 거부가 없었다고도 보고했습니다. 방어 쪽 작업(취약점 찾기, 재현, 패치)에 쓰려는 사람에게는 반가운 숫자이지만, 도구에 붙일 때는 접근 통제를 함께 설계해야 한다는 뜻입니다. 공개된 가중치는 회수할 수 없고, 한 업체는 공개 뒤 안전장치를 걷어내겠다고 이미 밝혔습니다. 다만 학습에서 빠진 능력은 안전장치를 걷어낸다고 생겨나지 않습니다.

K3 코드를 옮길 때 걸리는 일곱 가지

호출 자체는 쉽습니다. 베이스 URL만 바꾸면 OpenAI SDK로 그대로 부를 수 있고, 아래는 공식 빠른 시작 안내를 따른 최소 예시입니다.

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["MOONSHOT_API_KEY"],
    base_url="https://api.moonshot.ai/v1",
)

resp = client.chat.completions.create(
    model="kimi-k3.1-pro",  # 빠른 응답용은 kimi-k3.1-pro-highspeed
    messages=[{"role": "user", "content": "이 로그에서 오류 원인을 찾아 줘: ..."}],
    # 생각 수준: low, high, max(기본 max). SDK가 모르는 필드라 extra_body 로 전달
    extra_body={"reasoning_effort": "low"},
    # temperature, top_p 는 넣지 않는다(고정값)
)
print(resp.choices[0].message.content)
print(resp.usage)  # 입력·출력 토큰 수를 청구서와 대조

K3에서 이어진 제약을 하나씩 짚어 두면 옮길 때 덜 막힙니다.

1. 생각을 끌 수 없다. 지연을 줄이려면 low를 쓰고, 기본 max가 토큰을 가장 많이 쓴다.
2. 샘플링 값이 고정이다. temperature 1.0, top_p 0.95, n 1, 페널티 0이고 문서는 요청에서 빼라고 안내한다. 다른 값을 넣으면 오류가 난다는 보고도 있다.
3. assistant 메시지를 통째로 되돌려 보낸다. 멀티 턴과 도구 호출에서는 API가 준 reasoning_content와 tool_calls까지 그대로 다음 요청에 포함해야 한다.
4. 이미지·영상은 공개 URL이 안 된다. base64나 업로드한 파일 ID로 넘긴다.
5. 캐시는 자동이고 블록 단위다. 기본 5분이며 prompt_cache_options.ttl로 1시간을 고를 수 있고, 덜 찬 블록은 캐시되지 않는다.
6. 생각 수준을 바꾸면 캐시가 깨진다. 작업 종류별로 수준을 정하고 대화 중에는 고정한다.
7. 웹 검색 도구는 운영용으로 권장되지 않는다. Moonshot이 현재 문서에서 그렇게 안내한다.

이어서 두 가지 상황을 가정해 보겠습니다. 이미 K2.6으로 고객 문의 챗봇을 돌리고 있다면 K2.6에는 생각을 끄는 모드가 있었는데 K3.1 Pro에는 없어서 같은 질문의 응답이 느려질 수 있으니, 같은 생각 수준으로 맞춘 뒤 지연 시간을 다시 재야 합니다. 기존 코드가 일관성을 위해 temperature=0.2로 호출한다면 이 값을 빼야 하고, 같은 입력에서도 응답이 달라질 수 있다는 점을 테스트에 반영해야 합니다. K2 계열은 10월 31일부터 신규 가입자에게 열리지 않고 12월 말까지 모든 K2 모델이 종료될 계획이어서(기존 사용자는 당장 영향 없음) 이전 일정을 잡아야 합니다. 컨텍스트 창은 K2.6·K2.7 Code가 256K(262,144), K3 계열이 1M입니다.

자료 처리는 두 가지를 알아 둡니다. API 고객은 Zero Data Retention(자료 비보관)을 쓸 수 있다고 Moonshot이 안내하고, 파일을 올려 문서를 추출하는 업로드·추출·저장 API는 현재 임시로 무료이지만 추출해 모델에 넣은 내용은 입력 토큰으로 청구됩니다.

값을 치르기 전 두 가지 질문

Highspeed는 두 배 값을 낼 가치가 있나?

사용자가 화면 앞에서 답을 기다리는 대화형 서비스라면 대기 시간이 곧 비용이어서 고려할 만합니다. 속도는 기본 모델의 2~3배라고 Moonshot이 밝혔고 단가는 입력 $4·출력 $20으로 정확히 두 배입니다. 그러나 앞에서 본 것처럼 영수증을 좌우하는 것은 단가보다 토큰 수여서, 생각 수준을 low로 낮추는 것이 비용과 속도 양쪽에서 먼저 시도할 일입니다. 밤새 도는 배치 작업처럼 기다림이 비용이 아닌 곳은 기본 모델이 맞습니다.

가중치가 공개되면 개인 PC에서 돌릴 수 있나?

현실적으로 어렵습니다. 2.8T 매개변수 모델이라 K3의 모델 카드도 vLLM, SGLang, TokenSpeed 같은 서버용 추론 엔진을 권장하고, 기술 해설들은 다중 GPU 서버가 필요하다고 봅니다. 가중치 공개의 실질적 의미는 개인이 직접 돌린다기보다 호스팅 업체들이 같은 모델을 각자의 가격으로 판다는 데 있고, AA의 이 모델 페이지에는 이미 API 제공처가 5곳 올라 있습니다.

가중치 공개를 기다리며

앞으로의 일정은 짧습니다. K3는 7월 16일 API와 앱으로 먼저 열렸고 열흘쯤 뒤 허깅페이스에 가중치가 올라온 전례가 있습니다. K3.1 Pro는 10월 23일에 열렸고, 10월 31일부터 K2 계열 신규 가입이 닫히며, 가중치는 11월 4일까지 공개하겠다고 Moonshot이 밝혔습니다. 10월 27일 현재 허깅페이스의 moonshotai 계정에는 K3.1 저장소가 없고, K2 모델은 12월 말 종료 예정입니다. K3의 가중치는 Kimi K3 License라는 맞춤 라이선스로 풀렸으니 상업적 자체 호스팅을 계획한다면 K3.1 가중치와 함께 올라오는 라이선스 문구를 먼저 읽는 것이 순서입니다.

이 글의 숫자에는 전부 날짜가 붙어 있습니다. 발표 당일 $1.98이던 작업당 비용이 나흘 뒤 $2.11이 됐고, 출력 속도도 AA 페이지는 초당 51.5토큰, 다른 매체는 57.5토큰으로 다르게 적었습니다. 가중치가 풀려 제공처가 늘면 제공처별 가격과 속도가 따로 생겨 같은 모델의 숫자가 다시 갈립니다. 모델 하나의 점수보다 “누가, 어느 날, 어떤 설정으로 쟀는가”를 같이 적어 두는 습관이 이런 모델 앞에서는 가격표보다 오래 쓸모 있습니다.