키미 K4, 매개변수 5조4천억 개 목표…2027년 출시 전망

문샷 차기 플래그십 모델, 규모 거의 두 배로 커질 전망

문샷 AI가 키미 K4의 매개변수를 5조4천억 개로 설정하고 2027년 2분기 또는 3분기 출시를 목표로 하는 것으로 알려졌다. 이 모델은 매개변수가 각각 2조8천억 개로 전해진 키미 K3 및 K3.1 프로보다 거의 두 배 규모가 될 전망이다.

전해진 일정에 따르면 K4에 앞서 더 작은 업그레이드 모델인 키미 K3.5가 출시될 수 있으며, 시기는 2027년 음력 설 전후가 될 가능성이 있다. 더 빠른 제품인 키미 K3 플래시는 2026년 말 전에 출시돼 키미 K2.8을 대체할 것으로 예상된다.

문샷은 K4의 매개변수 수나 출시일을 공식 발표하지 않았다. 5조4천억 개라는 수치와 2027년 4~9월 출시 전망은 개발 계획을 다룬 보도에서 나온 것이다. 앞서 나온 추정치에서는 K4의 매개변수가 5조~6조 개에 이를 것으로 예상됐다.

따라서 핵심은 모델 규모와 이용 가능한 제품군을 모두 확대하려는 계획이 보도됐다는 점이다. 문샷은 현재 확보한 컴퓨팅 자원으로 모델의 성능을 높이기 위한 기법인 압축, 자기 증류, 후속 학습에도 투자하고 있는 것으로 전해졌다.

이러한 병행 노력은 사용자에게 서로 다른 방식으로 영향을 준다. 대형 플래그십 모델은 더 까다로운 작업을 처리할 수 있고, 경량 모델은 일상적인 요청을 더 빠르고 저렴하게 처리할 수 있다. 보도된 로드맵은 모델 규모와 일정의 목표를 제시하지만, 향후 가격과 측정된 성능, 이용 조건은 아직 정해지지 않았다.

5조4천억 개라는 수치의 의미

매개변수는 모델이 학습 과정에서 익히는 수치 설정이다. 매개변수는 모델이 패턴을 인식하고 답변을 생성하는 방식에 영향을 준다. 매개변수가 많을수록 학습할 수 있는 용량이 커지지만, 실제 유용성은 학습 데이터와 설계, 모델을 개선하는 방식에도 좌우된다.

보도된 K4의 매개변수 5조4천억 개는 K3의 2조8천억 개보다 2조6천억 개 늘어난 수치다. 이 수치를 기준으로 하면 증가율은 약 93%로, K4는 K3의 약 1.93배 규모가 된다.

K3.5의 규모 증가는 훨씬 작을 전망이다. 매개변수가 3조 개로 알려져 K3보다 약 7% 늘어난다. 이 차이는 두 가지 개발 방향을 시사한다. K3.5로 기존 세대를 개선한 뒤 K4에서 규모를 대폭 확대하는 것이다.

5조4천억 개라는 목표치는 앞서 나온 5조~6조 개 추정치에 들어맞는다. 한 보도는 이 범위의 출처로 노무라증권을 지목했다. 새로 나온 수치가 기존 추정 범위와 일치하면서 목표치가 구체화됐지만, 공식 확인은 여전히 문샷의 몫이다.

출시 일정은 어떻게 이어지나

보도된 문샷 일정은 2026년 7월 K3 출시부터 2027년 K4 출시 전망까지 이어진다. 그 사이 출시될 제품들은 플래그십 성능과 경량 제품에 대한 수요를 각각 겨냥할 것으로 보인다.

• 2026년 1월 10일: 창업자 양즈린이 공개 연설에서 K4 계획을 언급한 것으로 알려졌다.
• 2026년 7월 17일: 매개변수 2조8천억 개, 컨텍스트 윈도 100만 토큰을 갖춘 키미 K3가 출시된 것으로 전해졌다.
• 2026년 7월 말: 컴퓨팅 용량 확보 노력과 함께 K4 학습 준비가 시작된 것으로 알려졌다.
• 2026년 말 전: 키미 K3 플래시가 키미 K2.8의 후속 모델로 출시될 전망이다.
• 2027년 초: 매개변수 3조 개를 갖춘 키미 K3.5가 출시될 것으로 예상되며, 시기는 음력 설 전후일 가능성이 있다.
• 2027년 2분기 또는 3분기: 매개변수 5조4천억 개를 갖춘 키미 K4 출시가 목표인 것으로 알려졌다.

K4의 출시 전망 기간은 2027년 4월부터 9월까지다. K3.5가 음력 설 전후에 나올 것이라는 전망도 추정에 불과해 두 플래그십 출시 사이의 간격은 불확실하다.

K3.5가 학습 데이터에 관심을 모으는 이유

키미 K3.5는 후속 학습에 10조 토큰의 데이터를 사용할 계획인 것으로 알려졌다. 토큰은 모델이 처리하는 정보 단위로, 흔히 단어나 단어의 일부를 가리킨다. 토큰 수는 처리한 데이터의 양을 나타내며, 서로 다른 문서나 사실의 개수를 뜻하지는 않는다.

후속 학습은 모델이 초기 단계의 주요 학습을 마친 뒤 진행된다. 이를 통해 모델이 지시를 더 잘 따르고, 답변을 개선하며, 특정 작업을 더 안정적으로 처리하도록 할 수 있다. 예시와 피드백, 반복 연습이 모두 활용될 수 있다.

계획된 10조 토큰 규모를 고려하면 K3.5는 매개변수 증가 폭이 작다는 점만으로 설명되지 않는다. 문샷은 기반 모델의 규모를 소폭 키우는 동시에 모델의 작동 방식을 상당히 개선하는 데에도 초점을 맞춘 것으로 보인다.

보도에는 이 토큰이 어떻게 구성되는지, 새로 수집한 자료와 모델이 생성한 자료, 반복 사용되는 자료가 각각 얼마나 되는지에 대한 설명이 없다. 학습 예시의 품질과 다양성이 모델이 무엇을 학습하는지 좌우하기 때문에 이 정보의 부재는 중요하다.

현재는 충분한 컴퓨팅 자원, 모델 확장에는 부담

문샷은 현재 개발 프로그램을 진행하기에 충분한 컴퓨팅 용량을 보유한 것으로 알려졌다. 다만 같은 보도들은 추가 확장에 한계가 있으며, 특히 고성능 하드웨어와 대량의 고품질 데이터 확보가 제약 요인이라고 전했다.

이 두 상황은 동시에 성립할 수 있다. 현재 진행 중인 작업에는 장비가 충분하더라도 더 큰 후속 모델을 개발하려면 칩과 전력, 관련 기반 시설을 추가로 확보해야 할 수 있다.

K4 준비는 K3가 출시된 것으로 알려진 지 2주도 지나지 않은 2026년 7월 말 시작된 것으로 전해졌다. 문샷은 블랙웰 아키텍처 기반 엔비디아 그래픽 프로세서도 추가로 확보하려 한 것으로 알려졌다. 이 칩은 AI 학습과 구동에 쓰이는 수많은 연산을 처리하도록 설계됐다.

K3 출시 이후에는 사용자 대상 서비스 운영에도 부담이 드러난 것으로 전해졌다. 7월 19일 문샷은 컴퓨팅 용량 부족으로 신규 개인 구독을 일시 중단한 것으로 알려졌다. 고객을 대상으로 모델을 구동하는 일과 후속 모델을 학습하는 일 모두 상당한 자원이 필요하다.

미국기업연구소의 라이언 페다시욱 연구원은 K3 서비스를 지원하는 데 필요한 칩과 관련 에너지 기반 시설에 수십억 달러 규모의 투자가 필요할 것으로 추산한 것으로 인용됐다. 이 추산은 대규모 운영에 필요한 자원을 다룬 것으로, 문샷이 더 큰 모델을 계획하면서 반복적으로 고려해야 할 비용과 관련이 있다.

문샷의 하드웨어 활용 효율 개선 방안

문샷이 기술적으로 우선순위를 두고 있는 분야는 모델 압축, 자기 증류, 후속 학습인 것으로 알려졌다. 각각은 모델 규모를 늘리는 데 드는 큰 비용을 감수하지 않고도 성능이나 효율을 개선할 방법이다.

압축은 유용한 성능을 최대한 유지하면서 모델이 필요로 하는 자원을 줄이는 기술이다. 방식에 따라 메모리 사용량을 줄이고 응답 속도를 높이거나 배포 비용을 낮출 수 있다.

자기 증류는 모델이 자체 생성한 출력이나 학습한 행동을 추가 학습 자료로 활용하는 방식이다. 쉽게 말해 모델이 스스로 생성한 예시로 다른 버전을 개선할 수 있다. 생성된 답변에 오류가 있을 수 있으므로 자료를 선별하고 검증하는 과정이 중요하다.

후속 학습은 모델이 보유한 능력을 어떻게 활용하는지에 초점을 둔다. 사용자에게는 지시를 더 잘 따르거나 작업을 더 안정적으로 완료하는 개선으로 나타날 수 있다. 문샷 입장에서는 실질적인 성능 향상을 위해 매번 훨씬 큰 컴퓨팅 시스템을 구매하지 않아도 된다는 장점이 있다.

이러한 기법을 중시한다는 보도 내용은 K3.5와 K4가 서로 다른 역할을 할 수 있는 이유를 설명해 준다. K3.5는 비슷한 매개변수 규모를 유지하며 개선하는 데 초점을 맞추고, K4는 용량을 대폭 확대하는 것을 목표로 한다.

K3 플래시, 속도와 비용 겨냥

키미 K3 플래시는 키미 K2.8의 후속 모델로 2026년 말 전에 출시될 계획인 것으로 알려졌다. 대형 플래그십 모델이 개발되는 동안 문샷의 경량 제품군을 확대할 전망이다.

경량 모델은 일상적인 요청에 답하거나 짧은 작업을 다수 처리하는 등 반복적인 업무에 유용할 수 있다. 이런 상황에서는 어려운 문제를 해결하는 성능만큼이나 대기 시간과 요청당 비용도 중요할 수 있다.

보도에서는 딥시크의 플래시 제품군, 즉 V4.1 플래시와 출시가 예상되는 V4.2 또는 V5.0 플래시를 잠재적 경쟁 제품으로 꼽았다. 다만 경쟁 구도는 아직 전망에 그친다. 보도된 로드맵에는 K3 플래시의 매개변수 수와 가격, 측정된 성능이 공개되지 않았다.

문샷은 2026년 8월 31일 키미 K2.5와 문샷-v1 API 서비스를 종료하고 개발자들에게 K3를 사용하도록 안내한 것으로도 알려졌다. API는 소프트웨어가 모델에 요청을 보내는 연결 방식이다. 따라서 제품 변경은 챗봇을 선택하는 사용자뿐 아니라 특정 모델에 의존하는 애플리케이션을 유지 관리하는 개발자에게도 영향을 준다.

국제 비교의 현주소

보도된 K4 규모는 매개변수가 5조 개를 넘는 것으로 알려진 미토스와 페이블에 견줘지고 있다. 매개변수가 5조4천억 개라면 K4도 이들 모델과 같은 대략적인 규모 범위에 들어가게 된다.

실제 성능을 비교하려면 같은 작업에서의 결과와 응답 속도, 운영 비용, 작업 완료의 신뢰도 등 더 많은 정보가 필요하다. 요청마다 모델의 어느 부분이 사용되는지를 비롯한 아키텍처도 중요하다.

보도는 문샷의 개발 일정이 주요 해외 개발 동향보다 대략 1년 뒤처져 있으며, 그 원인으로 첨단 컴퓨팅 자원과 고품질 학습 데이터 축적의 제약을 들었다. 다만 이 평가는 대략적인 것이며, 공통 벤치마크나 정확한 비교 대상 출시 시점은 제시되지 않았다.

K3가 100만 토큰의 컨텍스트 윈도를 갖췄다는 점도 비교에 유용하다. 컨텍스트 윈도는 지시와 문서를 포함해 모델이 한 번의 상호작용에서 고려할 수 있는 정보의 양이다. 매개변수 수와는 다른 능력을 나타내며, 긴 파일을 다루는 사용자에게 중요하다.

문샷의 다음 구체적인 일정은 K3 플래시 출시가 예상되며, 이어 2027년 초 K3.5, 같은 해 후반 K4가 나올 전망이다. 공식 사양과 이용 조건, 비교 가능한 성능 결과가 공개돼야 사용자와 개발자가 각 제품을 평가할 수 있다.

핵심 내용

• 키미 K4는 매개변수 5조4천억 개와 2027년 4~9월 출시를 목표로 하는 것으로 알려졌다.
• 이는 K3와 K3.1 프로의 매개변수 2조8천억 개보다 약 93% 많은 규모다.
• K3.5는 매개변수 3조 개와 후속 학습 데이터 10조 토큰을 갖춰 2027년 초 출시될 계획인 것으로 알려졌다.
• K3 플래시는 K2.8의 후속 모델로 2026년 말 전에 출시될 예정이다.
• 문샷은 현재 개발에 충분한 컴퓨팅 용량을 갖췄지만, 하드웨어와 데이터 수요가 추가 확장을 제약하는 것으로 알려졌다.
• 문샷은 K4의 매개변수 수나 출시일을 공식 발표하지 않았다.