Kimi K3, Qwen 3.8, 그리고 Anthropic의 잠재력 및 Anthropic의 전략적 과제

Kimi K3와 Qwen 3.8 출시 개요

Kimi K3와 Qwen 3.8은 2026년 7월에 출시된 최첨단 오픈 모델로, Kimi K3는 7월 16일에, Qwen 3.8은 7월 19일에 발표되었으며, 두 모델 모두 Anthropic의 Fable 5와 성능이 근접하고 가중치가 공개될 예정이라고 보고되었습니다.

Frontier Lab Economics: 비용 구조와 마진

기초 모델 경제는 높은 초기 학습 비용(연구원, 컴퓨팅, 전력)과 전력 및 컴퓨팅이 주도하는 추론 비용으로 나뉩니다; 인프라 스택을 더 많이 소유하면 변동 비용을 고정 비용으로 전환시켜 사용량이 증가함에 따라 마진이 성장할 수 있지만, 인프라를 임대하면 비용이 매출에 비례하게 유지됩니다.

전략적 함의: 인프라 소유 vs 모델‑전용 제공자

데이터 센터나 전력 생산을 소유한 기업은 인프라를 수익화하고 마진을 확대할 수 있는 반면, 모델‑전용 제공자는 최고의 모델이거나 가장 저렴한 모델이어야 하며, 이는 추론 비용을 낮추기 위한 끊임없는 경쟁 또는 성능 리더십을 유지하기 위한 경쟁을 초래합니다.

Anthropic의 불안정한 위치

Anthropic은 규제 전략과 재귀적 자기 개선에 집중함으로써 비용 열위에 취약해졌습니다—그 모델은 경쟁사 대비 완료된 작업당 비용이 거의 세 배이며, 오픈 모델이 성능에 근접하고 스타트업이 제품 해자를 침식함에 따라 제품 언번딩 위험에 직면해 있습니다.

Kimi K3와 Qwen 3.8의 광범위한 영향

여러 오픈 모델이 동시에 출시됨으로써 순수 모델 제공자의 방어력이 약화되고 Meta, Alibaba, SpaceX, Google과 같은 수직 통합 플레이어에게 유리한 지속적인 경쟁 압력이 형성됩니다.

Hacker News 커뮤니티 의견

최근 며칠간 공개된 가중치와 아키텍처 릴리스는 결국 모델을 ASIC에 가장 빨리 탑재하는 쪽이 승자가 될 것이라는 확신을 주었습니다. LLM 자체가 K3 보도자료에서 보여준 바와 같이 칩 설계의 일부를 수행할 수 있습니다. 또한 최첨단 모델은 다양한 작업에 “충분히 좋으며” 곧 소프트웨어 엔지니어링(이미 충분히)에도 그 임계점에 도달할 것입니다. 누가 로드 트립을 계획하거나 케이크 레시피 팁을 주기 위해 Mythos 수준의 모델이 필요하다고 생각합니까? ASIC에서 초당 9,000 토큰으로 실행되는 Fable 5 모델은 전력으로 구동되는 Nvidia GPU에서 초당 150 토큰보다 충분히 요구를 충족시킬 수 있습니다. 기업이라면 데이터 유출 위험과 OpenAI 또는 Anthropic과 같은 경쟁자에게 데이터를 제공할 위험이 크게 감소합니다. 소수의 칩으로 다양한 사용 사례를 보다 안전하게 커버할 수 있습니다. LLM에 대한 기업용 사례는 최첨단 수학 연구나 코딩에 국한되지 않습니다. – @LarsDu8888

Figma 사건을 계속 생각합니다. 모르는 분들을 위해 구글 요약을 제공합니다: ---- 이사회 탈퇴: Mike Krieger, Anthropic의 CPO이자 Instagram 공동 창업자는 Figma 이사회에 있었습니다. 그는 4월 14일에 사임했으며, 이는 Claude Design 소식이 나오기 며칠 전이었습니다. 이는 이해 상충과 독점적인 제품 전략 정보 사용에 대한 추측을 불러일으켰습니다. 파트너십 배신: 이번 출시는 Figma가 자체 AI 기능을 위해 Anthropic 모델에 의존하고 있었으며, 공동 “Code to Canvas” 통합을 발표했기 때문에 기술 산업에 충격을 주었습니다. 보고서에 따르면 Figma는 Claude Design의 깊이와 범위에 깜짝 놀랐습니다. 시장 반응: “SaaSpocalypse” 논조—주요 AI 기초 모델이 빠르게 애플리케이션 레이어를 구축하고 자체 SaaS 파트너를 잠식할 것이라는 두려움—이 뉴스가 터지면서 실현되었습니다. 발표 직후 Figma 주가는 7% 급락했습니다. ---- LLM을 사용하는 사람들에게 조언합니다: 이들 기업에 데이터를 제공하거나 의존하는 것은 신중해야 합니다. AI 스타트업을 구축한다면 아이디어가 traction을 얻을 경우 이들이 직접 경쟁자로 전환할 가능성이 높습니다. 또한 API 가격 등에 있어 그들의 손아귀에 놓이게 됩니다. – @overgard

위험이 과장되었다고 생각합니다. 한편, 마진 측면에서 사람들은 약간 더 나은 모델에 상당히 많은 비용을 지불할 의향이 있습니다. 개인적으로는 Frontier Labs에 매달 $200을 지불하는 것보다 LLM이 제 워크플로에 제공하는 가치가 훨씬 크다고 생각합니다. 이를 약간 낮추기 위해 최적화할 생각은 없습니다. 이 최적화를 하는 소수의 목소리나 LLM 비용이 미미한 기업도 존재하지만, 그것이 소수라고 생각합니다(틀렸다면 정정해 주세요, 그들의 고객 기반이 어떤지 궁금합니다). 실제 LLM은 부가가치의 아주 작은 부분에 불과합니다. LLM API로 에이전시 솔루션을 구축하려는 사람은 Claude Code / Codex 해머가 큰 가치를 제공한다는 것을 빨리 깨닫습니다. OpenCode와 같은 오픈소스 구현도 있지만 그 정도는 아닙니다. 다른 시각으로 생각해 보세요. Microsoft가 Excel 유지에 얼마나 많은 비용을 쓰는지 고려해 보세요. 기능의 90% 이상을 제공하는 오픈소스 대안이 있으며, Excel 파일을 다루고 생성까지 할 수 있습니다. Google Sheets는 99% 수준이며 모두에게 제공되고 여러 면에서 더 좋습니다. 하지만 스프레드시트 소프트웨어가 생산하는 막대한 가치는 연간 $100 이하의 급여를 받는 직원들을 초과하게 만들어 실제 방어벽이 형성되고 대안을 탐색하려는 사람은 거의 없습니다. – @bko

Fable이 ‘금지해야 할 혁신 모델’에서 ‘괜찮지만 OpenAI도 마찬가지이고 거의 모든 면에서 동등한 몇 가지 오픈 가중치 대안이 있다’는 수준으로 급격히 변한 것이 놀랍습니다. hype 사이클이 짧아지고, 어쩌면 이번에 어느 정도 정점에 도달하고 있는 것 같습니다(유명한 마지막 말). – @port3000

오늘 HN에 특정 내러티브가 밀려들고 있는 느낌이 듭니다. – @a13n

더 중요한 것은, 지속 가능한 장기 비즈니스로서 모델‑전용 제공자는 특히 위험에 처해 있습니다. Knowledge Atlas, Moonshot Labs, Anthropic은 OpenAI, Alibaba, SpaceX, Meta, Google에 비해 방어력에 도전받고 있습니다. 흠. OpenAI가 Anthropic과 같은 “모델‑전용” 제공자가 아닌 이유는 무엇일까요? 그들도 같은 방식으로 취약해 보입니다. – @drob518

AI 진보의 상한선 - 재귀적 자기 개선. 이 경우 AI가 더 나은 모델을 구축하게 되며, 데이터 센터를 소유한 사람들이 승자가 됩니다. Anthropic/OAI는 이미 끝났습니다. AI 진보의 하한선 - 정체. 진보가 둔화되고, 가장 낮은 가격에 의미 있는 최고 성능을 제공하는 데 초점이 맞춰집니다. 오늘 구글이 실리콘에 가중치를 베이킹한 Gemini 칩을 만든다는 소식이 있었습니다. 최소 2‑3년 수명을 가진 칩을 고려하면, 오늘의 2‑3년 모델은 금방 쓸모없게 됩니다. 그들은 향후 3년 동안 비슷한 진보를 기대하지 않는 것으로 보입니다. 게임은 가장 낮은 마진으로 판매하는 것입니다. Anthropic/OAI는 이미 끝났습니다. 따라서 그들의 생존은 AI 진보가 이 두 극단 사이에 머무를 것이라는 전제에 달려 있습니다. – @torginus

제게 더 큰 질문은 언제쯤 고성능 일반 모델에 대한 투자가 ROI를 보여주지 못하게 될지입니다. 예를 들어—새로운 고성능 모델이 필요한 워크플로 비율은 얼마인가요? 그 주변의 소프트웨어 툴로 얼마나 대체할 수 있나요? 소프트웨어 툴이 몇 차례 반복해서 쿼리를 최적화한다면 단일 고성능 모델 쿼리와 동일한 출력을 얻을 수 있나요? – @yalogin

큰 질문은 이 랩들이 Anthropic과 OpenAI보다 앞선 모델을 만들 수 있느냐입니다. 또 다른 질문은 그들이 결과를 얻기 위해 Anthropic·OpenAI API에 얼마나 의존하고 있는가—증류나 기타 활용을 통해서든. 만약 이 모델들이 Anthropic·OpenAI 파생이라면 성능이 더 좁아지고 진보가 제한될 것으로 예상합니다. – @davidpapermill

여기서 OpenAI는 Anthropic에 비해 이점을 가지고 있습니다. 최근 몇 달간 모델이 Anthropic에 뒤처졌지만, 제품, 소비자 경험, 사이트 퍼블리싱, 음성, 하드웨어에 대한 투자는 더 명확한 방어벽을 형성합니다. 지금까지는 동의합니다. OpenAI가 Anthropic보다 실질적인 제품 방어벽을 더 많이 가지고 있다고 생각하지 않습니다; 오히려 Claude·Mythos 등 브랜드는 OpenAI가 부족한 귀중한 자산입니다. 많은 HN 엔지니어들이 Codex를 선호하게 되었지만, 실제 산업 엔지니어와 얘기하면 에이전시 코딩은 여전히 Claude Code와 동의어입니다. 비엔지니어링 용도에서는 Claude가 GPT 라인보다 대화 파트너로 훨씬 쾌적하며, 이는 모델에 깊이 내재된 것으로 보입니다. 그렇지 않다면 OpenAI는 이미 격차를 메웠을 텐데요. – @piazz

모델이 구축되면 가장 큰 비용은 추론입니다. 신뢰할 만한 데이터를 찾지 못했지만 규모 감을 잡는 데 도움이 될 질문: 언제쯤 추론 비용이 학습 비용과 같아지나요? 즉, 학습 데이터와 환경이 준비돼 있다고 가정하고, 컴퓨팅만 고려한다면 Kimi K3·Fable을 사용한 시간이 학습에 필요한 컴퓨팅과 같아지려면 얼마나 걸릴까요? – @athrowaway3z

AI 주권과 평등에 대한 희망이 있다면, 비싼 모델을 저렴하게 운영하거나 저렴한 모델이 적은 작업을 수행하도록 해야 합니다. 후자를 실현하려면 덜 지능적인 LLM이 더 잘 작업할 수 있도록 작업을 재구성하거나, 지능을 더 작은 모델에 압축해야 합니다. – @sim04ful

2025년 11월에 저는 Anthropic의 Opus 4.5 모델과 Claude Code 해머가 한 번에 정확히 구현할 수 있는 유일한 시스템이라고 말했습니다. 오늘은 Claude와 Codex를 거의 동등하게 사용합니다. 만약 두 모델이 고객에게 비용을 과다 청구하거나 안전에 지나치게 집착한다면, 충분히 강력한 오픈 가중치 모델과 진정한 오픈소스 해머가 많이 등장할 것입니다. Google도 결국 강력한 모델·에이전트 조합을 제공할 수 있을 겁니다(아직 Gemini 3.1 Pro는 꽤 강력해 보이지만, 제가 마지막으로 사용했을 때 Antigravity는 형편없었습니다). Anthropic이 여러 강력한 경쟁자 중 하나로서 사업을 지속한다면 저는 만족합니다. 회사의 안전 우선 철학은 최신 모델에서 거부율과 의도적인 무지를 높이고 있습니다. 장기적으로 Anthropic은 소프트웨어 개발을 가속화해 다른 사람들이 덜 조심스러운 도구를 만들 수 있게 한 것으로 기억될지도 모릅니다. – @philipkglass

Dario는 다시 팟캐스트 순회에 나서 이번엔 (그의) AI 때문에 75% 일자리 손실을 위협하고, 효과가 없으면 85%로 올리고, 그래도 안 되면 핵전쟁 수준으로 100% 일자리 손실 언어를 목표로 할 수 있습니다. – @spaceman_2020

잘 쓰인 기사입니다. 저자는 기업과 전략을 서로 다른 버킷(저자의 선택이 아닌) 혹은 해머·데이터 센터·전력·기초 모델의 조합으로 분류했습니다. 기업들이 어떻게 방어벽을 구축하고 있는지 읽고 싶었습니다. – @warm_soup

Anthropic의 가격이 추론 비용 때문인가, 아니면 최고의 모델을 보유함으로써 얻는 추가 마진 때문인가? – @SubiculumCode

저는 K3/Q3.8이 Opus나 Fable과 동등한지 아직 확신이 없습니다. 벤치마크가 매우 흐릿해졌고, "X 모델과 동일"이라고 주장하는 모델을 써봤지만 인상적이지 않았습니다. Claude Code와 OpenCode·Pi 같은 툴을 사용한 다른 모델도 있었지만, Anthropic 모델(주로 Opus 4.8)로 Claude Code를 사용하는 것만큼은 아니었습니다. 다른 모델이 쓰레기라고 말하는 것이 아니라, 아직 Anthropic·OpenAI 모델과 동등하게 평가할 준비가 안 된 것입니다. 앞으로 LLM 코딩(및 그 이상)의 미래는 작업별로 어떤 모델을 라우팅할지 결정하는 라우터가 될 가능성이 높습니다. 언제 Fable·Opus를 쓰고 언제 DeepSeek·Kimi·Qwen, 심지어 로컬 모델로 돌아갈지 아는 것이죠. 이는 Frontier Lab의 이익과는 맞지 않지만, 저수준 기회가 많다고 느낍니다. 지금은 거의 "같은 모델을 계획·실행·등에 사용한다"는 상황이 싫습니다(머리를 뒤집어 쓰는 것이 아니라). – @joshstrange

Anthropic은 최첨단 능력이 필요하지 않은 80% 사용 사례와, 고부가가치 작업(생물, 금융, 수학 등)에서 수직 특화 랩에 의해 압박을 받을 것입니다. 작은 사용 사례 특화 모델이 비용·속도에서 이기면서 대형 일반 모델의 성능을 맞추거나 초과할 것입니다. 그들의 "AGI 최초"라는 구호도 중국이 대만을 봉쇄하거나 Nvidia가 차단하면 사라집니다. 전 세계가 OpenAI·Anthropic이 AI를 독점하도록 내버려 둘 시나리오는 없습니다. 많은 국가와 자본이 풍부한 플레이어, 파트너·공급자가 이를 막을 것입니다. Kimi K3는 기존 플레이어가 최첨단에서 다시 시작해 OpenAI·Anthropic과 경쟁하도록 합니다. 또한 이 랩 직원들에게는 새로운 랩을 설립하고 K3 위에 구축할 수 있는 더 유리하고 수익성 높은 경로를 제공합니다. 이미 주식을 베스팅한 사람들은 새로운 랩에 수억 달러를 모금해 하루아침에 종이 억만장자가 될 수 있습니다. – @m_ke

또 다른 차원: AI 지출을 줄이는 사용자가 늘어나면서 실제 수익이 감소합니다. 대기업은 로컬 호스팅 모델을 선택할 수도 있습니다. – @zkmon

그렇다면 17대의 H100을 보유하지 않은 일반 사용자가 Kimi K3나 Qwen 3.8을 가장 저렴하게 이용할 방법은 무엇인가요? – @joey64

Anthropic은 공포 마케팅을 멈추고 일반 대중에게 정당한 최첨단 AI 사용을 차단하는 문을 닫아야 합니다! 문명 지능을 증류해 만든 AI는 특권을 가진 연구자에게만 독점돼서는 안 됩니다. – @chihwei

OAI는 Anthropic보다 훨씬 더 끝났습니다. 하나는 IPO를 향해 가고 다른 하나는 재무 정보를 공개하지 않으려는 것이 모든 것을 말해줍니다. – @Havoc

저는 Artificial Analysis의 작업당 비용 지표에 문제가 있습니다. 정확히 어떻게 계산하는지 모릅니다. 하지만 최근 작업당 비용이 가장 많이 논의되는 주제가 되었습니다. 논리는 기본적으로: 모델 A가 벤치마크 X에서 55%를, 모델 B가 60%를 달성했지만 A의 작업당 비용이 50% 저렴하면 사람들은 B 대신 A를 선택한다는 것입니다. 이는 덜 지능적인 모델 A의 모든 출력이 사용 가능하고, B보다 약간 못하다는 전제입니다. 하지만 A의 출력이 사용 불가능하거나 5번 중 1번만 사용 가능하다면? 이런 경우 사용자는 작업을 재시도해야 하고 비용이 빠르게 두 배·세 배가 되어 평균 토큰 비용을 크게 왜곡합니다! 재시도와 불안정 비용이 평균 토큰 비용보다 훨씬 클 것이며, 이것이 사용자가 감당해야 할 진정한 비용입니다. AI‑Benchy[0] (사실상 1인 벤치마크)는 Artificial Analysis의 수치와 크게 다릅니다. AA에 따르면 Opus 4.8의 작업당 비용은 $1.80이고 Kimi K3는 $0.94입니다. 그러나 AI‑Benchy에 따르면 Opus 4.8의 성공 작업당 비용은 10.7¢이고 K3는 19.4¢입니다. Opus 4.8의 정답 테스트 수와 통과율도 Kimi K3보다 높습니다. 따라서 사용 가능한 결과당 비용 기준으로 Kimi K3는 Opus 4.8보다 실제로 더 비쌉니다—AA의 헤드라인 수치와는 반대입니다. 그래서 AA의 수치를 믿을 수 있는지, 아니면 직접 비용을 추적해야 하는지 모르겠습니다. [0] https://aibenchy.com/compare/anthropic-claude-opus-4-8-mediu... – @sinuhe69

MiMo 2.5 Pro도 잘 작동합니다 – @vsilent