2026 프런티어·오픈 웨이트 모델 현황: 기업 도입 기준 (Kimi K3·Qwen3.8 Max 포함)

2026년 6월부터 8월 사이에 세 프런티어 회사가 모두 주력 모델을 갈아탔습니다. Anthropic은 Fable 5와 Opus 5를, OpenAI는 GPT-5.6 패밀리를, Google은 Gemini 3.1 Pro를 내놨고, 같은 시기 오픈 웨이트 진영에서는 Moonshot AI의 Kimi K3(2026-07-16)와 알리바바의 Qwen3.8-Max(2026-08-03)가 나왔습니다. 회사마다 내세우는 벤치마크가 달라 나란히 놓고 비교해야 구도가 보이므로, 이 글은 공개 수치를 한 표에 모으고 기업 도입 기준으로 정리합니다.

핵심 요약

• 컨텍스트는 다섯 회사 모두 100만 토큰 수준으로 수렴했습니다. 차별화는 과금 구조와 에이전트 능력에서 생깁니다.
• 실제 저장소 수준 과제인 SWE-bench Pro에서는 Claude Fable 5(80.0~80.3%)와 Opus 5(79.2%)가 앞섭니다. Opus 5는 Fable 5의 절반 가격입니다.
• Kimi K3는 총 2.8조 파라미터(전문가 896개 중 16개 활성) 오픈 웨이트 모델로 입력 $3, 출력 $15입니다. Moonshot 스스로 과잉 능동성과 사용성 격차를 한계로 밝혔습니다.
• Qwen3.8-Max는 총 2.4조 파라미터(약 950억 활성) MoE로 입력 $2, 출력 $6입니다. Artificial Analysis 측정에서 출력 토큰이 중앙값의 두 배 이상이라 단가만으로 비용을 계산하면 어긋납니다.
• 5세대 모델의 한국어 성능은 검증된 공개 수치가 없습니다. 자사 데이터 평가가 필요합니다.

프런티어·오픈 웨이트 라인업

컨텍스트 길이는 이제 차별화 요소로 보기 어렵습니다. 오픈 웨이트 두 모델의 API 단가는 미국 프런티어 상위 모델보다 낮지만, 가중치를 받아 자체 인프라에 올리는 경우에는 2조 파라미터대 MoE의 서빙 비용이 별도로 듭니다.

코딩과 에이전트 성능 차이

실제 저장소 수준의 과제를 다루는 SWE-bench Pro에서는 Claude가 뚜렷하게 앞섭니다.

읽을 때 감안할 것이 있습니다. OpenAI는 GPT-5.6에서 SWE-bench Verified나 GPQA 같은 전통 벤치마크의 공식 수치를 내지 않았습니다. Gemini 3.1 Pro의 SWE-bench 80.6%라는 수치도 돌아다니지만 Verified와 Pro 중 어느 변종인지 표기가 없어 표에는 넣지 않았습니다. 터미널 기반 에이전트 작업을 보는 Terminal-bench 2.1에서는 GPT-5.6 Sol이 88.8%로 근소하게 앞선다는 집계가 있습니다. Qwen3.8-Max는 자체 발표(원 글 기준)에서 Terminal-Bench 2.1 86.6, OSWorld-Verified 86.1을 제시했습니다. Kimi K3 발표에서 확인한 저장소 과제 지표는 DeepSWE 67.3(mini-SWE-agent 하네스)입니다. 코딩은 Claude, 브라우징과 범용 에이전트는 경합이라는 구도로 요약할 수 있습니다.

가격표에서 일어난 역전

이번 세대에서 가장 큰 변화는 가격입니다. Opus 5는 상위 티어인 Fable 5의 절반 가격인데 SWE-bench Verified 약 96%를 포함해 다수 벤치마크에서 Fable 5를 상회하거나 근접합니다. Anthropic은 OSWorld 2.0에서 Opus 5가 Fable 5의 최고 결과를 약 3분의 1 비용으로 넘어섰다고 밝혔습니다. 최고가 모델이 곧 최적 선택이라는 등식이 깨졌습니다.

과금 구조의 결도 다릅니다. Gemini 3.1 Pro는 요청이 200K 토큰을 넘는 순간 전체 요청이 높은 요율로 재산정되는 구간이 있어 단가표만 보고 견적을 내면 어긋납니다. GPT-5.6 Luna는 입력 $0.20까지 내려와 대량 배치 작업의 기본값 후보가 됐습니다. Kimi K3의 입력 $3, 출력 $15는 같은 달 나온 Opus 5($5/$25)보다 낮습니다.

Kimi K3: 2.8조 파라미터 오픈 웨이트 모델

Moonshot AI는 2026년 7월 16일 Kimi K3를 공개하고 "최초의 오픈 3T급 모델"이라고 소개했습니다. 발표 시점에는 웹과 API로 제공했고 전체 가중치는 7월 27일까지 공개한다고 예고했습니다.

사양은 다음과 같습니다. 총 2.8조 파라미터의 스파스 MoE로 전문가 896개 중 16개를 활성화하고, 컨텍스트는 100만 토큰입니다. 텍스트와 이미지와 비디오를 한 모델에서 받는 네이티브 멀티모달 구조이고, 하드웨어 호환성을 위해 MXFP4 가중치와 MXFP8 활성값을 씁니다. 아키텍처에는 Kimi Delta Attention(KDA), Attention Residuals, Stable LatentMoE, Quantile Balancing, Per-Head Muon, SiTU, Gated MLA가 들어갔습니다. 출시 시점 기본 사고 수준은 max이고 low와 high 모드가 따로 있습니다.

Moonshot 발표 수치로는 BrowseComp 90.4(1M 컨텍스트, 별도 컨텍스트 관리 없음)와 DeepSWE 67.3입니다. 자체 비교에서 Claude Opus 4.8과 GPT-5.5는 대체로 앞서고 Claude Fable 5와 GPT-5.6 Sol에는 뒤졌습니다. Simon Willison은 Artificial Analysis의 비공개 장기 지식 작업 평가에서 K3가 Claude Fable 5 다음 순위라고 전했습니다. 시연 사례로는 최대 24시간짜리 GPU 커널 최적화 과제, 48시간 자율 실행으로 진행한 칩 설계, 플레이 가능한 게임 제작, 영상 편집과 모션 디자인이 제시됐습니다. 제공 채널은 Kimi.ai 웹, 모바일 앱, Kimi Work 데스크톱, Kimi Code CLI, Kimi Enterprise입니다.

위 차트는 공개 당시 Intelligence Index v4.1 기준입니다. Artificial Analysis는 이후 지표 버전을 바꿨으므로 현재 점수와 직접 비교하지 않습니다.

Moonshot이 블로그에서 밝힌 한계는 세 가지입니다. 첫째, 하네스가 이전 사고 내용을 모두 다시 넘겨 주지 않거나 세션 중간에 K3로 모델을 바꾸면 출력 품질이 불안정해질 수 있습니다. 둘째, 모호한 상황에서 사용자 대신 예상하지 못한 결정을 내리는 과잉 능동성이 있어 시스템 프롬프트나 AGENTS.md에 명시적 제약을 두라고 권합니다. 셋째, Claude Fable 5와 GPT-5.6 Sol 대비 사용성 격차가 있습니다. Willison의 간단한 SVG 생성 테스트에서는 추론 토큰 13,241개를 썼습니다.

기업 도입 시에는 과잉 능동성이 가장 먼저 걸리는 조건입니다. 승인 게이트 없이 자율 실행되는 에이전트 파이프라인에 바로 넣지 말고 하네스에 명시적인 확인 단계를 두어야 합니다.

Qwen3.8-Max: 100만 토큰 컨텍스트의 2.4조 파라미터 모델

알리바바는 2026년 8월 3일 Qwen3.8-Max를 공개했습니다. Alibaba Cloud 발표 기준으로 총 2.4조 파라미터에 약 950억 개가 활성화되는 MoE이고, 컨텍스트는 최대 100만 토큰입니다. API는 Alibaba Cloud Model Studio로 제공되며 가중치는 발표 다음 주 공개가 예고됐습니다.

Alibaba Cloud는 리더보드 순위로 Text Arena 5위, Vision Arena 2위, Frontend Code Arena 4위를 제시했습니다. Qwen 블로그의 자체 발표(원 글 기준)에는 SWE-bench Pro 67.7과 GPQA Diamond 92.6이 있고, 터미널·데스크톱 조작 지표는 위 절에 적었습니다. 자체 발표 수치이므로 독립 측정과 함께 봐야 합니다.

Artificial Analysis 측정(Qwen3.8 Max 0902 스냅샷)에서 Intelligence Index 평가 중 생성한 출력 토큰은 1억 9천만 개로 중앙값 8천 5백만 개의 두 배를 넘습니다. 같은 측정의 출력 속도는 초당 38.3토큰입니다. 가격은 입력 $2, 출력 $6이고 캐시 입력은 88% 할인됩니다. 출력 단가가 낮아도 출력량이 두 배를 넘으면 실제 청구액은 줄지 않습니다.

기업 도입 시에는 세 가지를 먼저 확인합니다. 실제 프롬프트 100건 정도로 평균 출력 토큰을 재서 장황함이 우리 작업에서도 재현되는지 봅니다. 도면이나 공정 데이터를 다룬다면 호스팅 API의 리전과 보관 정책을 성능보다 먼저 확인합니다. 긴 문서를 반복 참조하는 RAG 구성이라면 캐시 할인율이 월 비용을 정합니다.

한국어 성능은 아직 공백

이번 발표들에서 한국어 성능을 별도로 언급한 회사는 없습니다. KMMLU 리더보드에서 확인되는 최신 수치는 Claude Sonnet 4.6의 평균 85.0 수준이고 5세대 모델의 한국어 수치는 아직 검증된 것이 없습니다. 한국어 업무 문서로 도입을 검토한다면 자사 데이터로 직접 평가해야 합니다.

기업 도입 판단표

기업교육 관점에서 보면

모델 교체 주기가 분기 단위로 짧아져 특정 도구의 사용법을 가르치는 교육은 수명이 더 짧아졌습니다. 업무를 분해하고 에이전트에 위임하는 역량을 가르쳐야 도구가 바뀌어도 남습니다. Cowork처럼 터미널 없이 다단계 업무를 위임하는 에이전트 제품이 일반 직원에게 열리면서 비개발 직군 대상 에이전트 교육도 실습 가능한 영역이 됐습니다. 코텍시스는 이런 변화를 생성형 AI 기업교육과 AI Agent 기업교육 과정에 반영해 운영하고 있습니다.

자주 묻는 질문

2026년 여름 기준 코딩 성능이 가장 높은 모델은 무엇입니까?

SWE-bench Pro 공개 수치 기준으로 Claude Fable 5(80.0~80.3%)와 Claude Opus 5(79.2%)가 앞섭니다. Opus 5는 Fable 5의 절반 가격입니다. 터미널 작업 지표인 Terminal-bench 2.1에서는 GPT-5.6 Sol이 88.8%로 근소하게 앞선다는 집계가 있습니다.

Kimi K3는 어떤 모델입니까?

Moonshot AI가 2026년 7월 16일 공개한 총 2.8조 파라미터 스파스 MoE 오픈 웨이트 모델입니다. 전문가 896개 중 16개를 활성화하고 컨텍스트는 100만 토큰이며 API 가격은 입력 $3, 출력 $15입니다. 가중치는 7월 27일까지 공개가 예고됐습니다.

Qwen3.8-Max의 비용을 단가표로 계산해도 됩니까?

어긋날 수 있습니다. 입력 $2, 출력 $6이지만 Artificial Analysis 측정에서 출력 토큰이 중앙값의 두 배를 넘었습니다. 실제 프롬프트로 평균 출력 토큰을 측정한 뒤 계산해야 합니다.

한국어 성능은 어떻게 비교합니까?

5세대 모델의 한국어 벤치마크는 검증된 공개 수치가 없습니다. 최신 확인 수치는 KMMLU에서 Claude Sonnet 4.6 평균 85.0 수준이므로 자사 한국어 문서로 직접 평가해야 합니다.

출처

• Anthropic, Claude Fable 5 · Mythos 5 발표
• Anthropic, Claude Opus 5 발표
• Vellum, Fable 5 벤치마크 분석
• Vellum, GPT-5.6 벤치마크 분석
• Google, Gemini 3.1 Pro 발표
• MarkTechPost, Opus 5 분석
• BenchLM, 한국어 벤치마크 리더보드
• Moonshot AI, Kimi K3 공식 블로그
• Simon Willison, Kimi K3 (2026-07-16)
• Alibaba Cloud, Qwen3.8-Max 발표 (2026-08-03)
• Qwen, Qwen3.8-Max 블로그
• Artificial Analysis, Qwen3.8-Max 측정
• MarkTechPost, Qwen3.8-Max 정리