Kimi K3: Fable 5를 능가하는 오픈 모델에 대한 A-Z 완벽 가이드

이것은 Kimi K3 가 실제로 무엇인지, 무엇을 할 수 있는지, 그리고 왜 아무도 아직 이야기하지 않는 가장 중요한 코딩 모델이 되고 있는지에 대한 완전한 A-Z 분석입니다.

이 글을 잃어버리지 않도록 이 페이지를 북마크에 추가하세요.

2.8 조 개의 파라미터. 100만 토큰 컨텍스트.

여기에 모든 것이 있습니다.

벤치마크를 이야기하기 전에, 방금 무슨 일이 일어났는지부터 이야기합시다

지난 3년 동안 스토리는 항상 같았습니다: 미국 연구소가 프론티어를 만들고, 중국 연구소가 6개월 후에 저렴한 복제품을 만듭니다.

7월 16일, Moonshot AI 가 Kimi K3 를 출시했습니다.

https://x.com/Kimi_Moonshot/status/2077830229968683203

총 2.8 조 개의 파라미터 — DeepSeek V4 Pro 보다 약 75% 더 크고, Zhipu GLM 5 시리즈보다 거의 4배 더 큽니다. 지금까지 공개된 가장 큰 오픈소스 모델입니다.

Claude Opus 4.8 을 능가합니다. GPT-5.6 Sol 을 능가합니다. 그리고 Moonshot 의 벤치마크에서 현재 대중에게 공개된 가장 강력한 모델인 Fable 5 와 동등한 수준입니다.

복제품 스토리는 끝났습니다.

숫자

마지막 행은 사람들이 잘못 읽고 있는 부분입니다. 제대로 다루겠습니다.

가격 현실 — 이것을 주의 깊게 읽으세요

Kimi K3 는 할인 모델이 아닙니다. 백만 토큰당 $3/$15 의 가격은 대략 Claude Sonnet 수준입니다 — Moonshot 의 이전 출시 제품이 제공했던 큰 폭의 할인 가격이 아닙니다.

그렇다면 "Fable 5 보다 5배 저렴하다"는 것은 어디서 나온 걸까요?

토큰당 가격이 아닌, 작업당 비용입니다.

K3 는 동일한 작업을 완료하기 위해 훨씬 적은 수의 출력 토큰을 사용합니다. 대표적인 코딩 작업에서: Fable 5 는 약 $1.30 의 비용이 듭니다. K3 는 약 $0.25 의 비용이 듭니다.

동일한 출력 계층. 더 적은 토큰. 더 낮은 총 청구액.

정직한 프레이밍: Sonnet 가격, Fable 수준의 경험. 가장 저렴한 토큰을 사는 것이 아닙니다. 중간 가격대에서 프론티어 성능을 사는 것이며, 더 적은 단계로 도달하는 것입니다.

원시 토큰 가격을 비교한다면 K3 는 평범해 보입니다. 작업을 완료하는 데 드는 비용을 비교한다면 완전히 다른 이야기입니다.

Kimi K3 가 최고 수준인 분야

Moonshot 이 발표한 벤치마크에 따르면, K3 는 다음 분야에서 SOTA(최고 수준)를 기록했습니다:

• 도구를 사용한 HLE — 인류의 마지막 시험, 도구 증강
• SWE-Bench Pro — 실제 소프트웨어 엔지니어링
• SWE-Bench Multilingual — 여러 언어에 걸친 엔지니어링
• BrowseComp — 웹 브라우징 및 리서치
• Toolathlon — 대규모 도구 사용
• Python 을 사용한 CharXiv — 차트 및 피규어 추론
• Python 을 사용한 MathVision — 시각 수학

경쟁사와 비교: Opus 4.8 및 GPT-5.6 Sol 을 능가하고, Fable 5 와 동등합니다.

AI 평가자 Arena 의 블라인드 테스트에서 개발자들은 주요 미국 모델보다 Kimi 를 선호했습니다.

실제로 중요한 두 가지 아키텍처 혁신

이 부분은 대부분의 보도가 건너뛰는 부분이며, 이번 출시에서 가장 흥미로운 부분입니다.

• Kimi Delta Attention (KDA)

하이브리드 선형 어텐션 메커니즘. 결과: 백만 토큰 컨텍스트에서 최대 6.3 배 더 빠른 디코딩.

100만 컨텍스트 윈도우는 영원히 기다리지 않고 실제로 작업할 수 있을 때만 유용합니다. KDA 는 컨텍스트 윈도우를 이론적이 아닌 실용적으로 만드는 요소입니다.

• Attention Residuals (AttnRes)

잔차 연결을 대체하는 드롭인 방식입니다. 2% 미만의 추가 비용으로 약 25% 더 높은 훈련 효율성을 제공합니다.

두 기술 모두 모델 출시 전에 Moonshot 팀에 의해 GitHub 에서 오픈 리서치로 공개되었습니다. 이는 마케팅이 아니라 동료 검토가 가능한 작업입니다.

그리고 이 두 가지가 결합되어 토큰 효율성을 설명합니다: K3 는 동등한 작업에서 K2.6 보다 21% 적은 출력 토큰을 사용합니다.

주목해야 할 부분: K3 가 자체 아키텍처를 최적화했습니다

Moonshot 은 K3 에 Attention Residuals(자체 아키텍처 구성 요소)의 구현과 한 가지 목표를 제공했습니다: 수치적 동작을 변경하지 않고 H200 하드웨어에서 더 빠르게 만드는 것.

그리고 나서 그대로 두었습니다.

20시간의 실험. 인간의 개입 제로. 1.6 배 속도 향상.

별도의 실행에서 K3 는 FLA Triton AttnRes 순방향/역방향 시간을 283.6ms 에서 114.4ms 로 — 2.48 배 속도 향상 — 다시 수치를 변경하지 않고 줄였습니다.

그리고 동일한 작업을 수행하는 Fable 5 보다 더 빠르게 반복했습니다.

다시 읽어보세요. 모델이 모델을 작동하게 만드는 메커니즘을 개선했습니다. 자율적으로. 하룻밤 사이에.

이것이 실제 "재귀적 자기 개선"의 모습입니다 — 공상과학 시나리오가 아니라, 측정 가능한 결과를 가진 20시간 작업입니다. 이는 몇 주 전 Anthropic 이 주의를 표명한 것과 동일한 능력이며, 7월 27일에 누구나 다운로드할 수 있는 오픈 웨이트 모델에서 실행됩니다.

장기 코딩이 핵심입니다

Moonshot 자체 프레이밍: "K3 는 현재까지 Moonshot AI 의 가장 강력한 오픈소스 코딩 모델입니다. 최소한의 인간 개입으로 작동하며, 긴 엔지니어링 세션을 지속하고, 대규모 리포지토리를 탐색하며, 터미널 도구를 조율할 수 있습니다."

실제 엔지니어링 작업에 중요한 세 가지:

1. 지속적인 세션 — 20시간 자율 실험은 데모가 아닙니다. 설계 목표입니다.
2. 대규모 리포지토리 — 6.3 배 더 빠른 디코딩을 갖춘 100만 컨텍스트 윈도우는 실제 코드베이스를 컨텍스트에 넣고 실제로 작업할 수 있음을 의미합니다.
3. 도구 조율 — Toolathlon 및 BrowseComp 에서 SOTA 라는 것은 터미널, 브라우저 및 API 호출을 무너지지 않고 처리한다는 것을 의미합니다.

프론트엔드 코딩은 Fable 5 수준에 도달합니다. 단일 프롬프트로 AAA 품질의 게임 장면. WebGPU, Three.js, 셰이더, 물리 — 한때 스튜디오가 필요했던 것들.

Kimi K3 로 Vibe 코딩하기

이것은 모델이 벤치마크 숫자에서 벗어나 명백히 유용해지기 시작하는 지점입니다.

K3 의 프론트엔드 코딩은 Fable 5 수준입니다. 실제로 이는 설명과 작동하는 3D 제품 사이의 벽이 이제 단 하나의 프롬프트라는 것을 의미합니다.

사람들이 단일 프롬프트로 실제로 출시한 것들:

게임 — VFX 가 포함된 WebGPU 전투 경기장. 그래플링 메커니즘을 갖춘 브라우저 기반 3D 도시 탐험.

1. 좀비 FPS.
2. 멀티플레이어 레이싱.
3. 작동하는 3D GBA 에뮬레이터.
4. 전체 MMORPG 구조.

"게임 같은 데모"가 아닙니다 — 타격 반응, 충격 피드백, 그리고 제대로 작동하는 물리학을 갖춘 플레이 가능한 장면입니다.

실제 재료 작업이 포함된 3D 오브젝트 — 올바른 광택과 빛 반사를 보여주는 Rolex. 33개의 개별적으로 모델링된 부품으로 조립 및 분해되는 CSGO 무기. Sony 카메라 분해도. 중력 렌즈 효과가 있는 블랙홀. 실제 파도 역학을 사용한 해양 시뮬레이션.

물리 장면 — 직물 시뮬레이션. 구조적 붕괴. 스크립트된 것처럼 보이지 않고 올바르게 보이는 운동량 전달을 동반한 차량 충돌.

이전의 "AI 가 웹사이트를 만든다"는 데모와 다른 점: K3 는 일반적으로 깨지는 세부 사항을 처리합니다. 조명. 그림자. 재료 광택. "분명히 AI 가 생성한" 것과 "누군가가 만들었다"는 것을 구분하는 20가지 작은 것들.

하나의 프롬프트. 4백만 토큰. 한때 팀이 필요했던 장면.

4가지 검증된 프롬프트 (복사-붙여넣기 준비 완료)

이것들은 K3 가 실제로 잘하는 것, 즉 장기 작업, 도구 사용, 그리고 표류하지 않고 큰 컨텍스트를 유지하는 것을 활용하도록 구성되었습니다.

프롬프트 1 — 물리 스트레스 테스트

이 프롬프트는 실제 능력과 데모용 광택을 구분합니다. 모델이 세 가지 장면을 모두 품질 좋게 수행할 수 있다면, 그것은 진짜입니다.

1실제 물리학이 적용된 세 가지 독립형 HTML5 캔버스 장면을 구축하세요.
2외부 라이브러리는 사용하지 마세요. 모든 것은 장면당 하나의 파일에 있어야 합니다.
3
4장면 1: 부서진 다리에서 물속으로 탈선하는 기차.
5포함: 객차 운동량, 다리 구조적 파손,
6충격 시 물의 변위.
7
8장면 2: 두 대의 자동차가 경사로에서 점프하여 협곡 위
9공중에서 충돌. 포함: 올바른 궤적 호,
10충돌 운동량 전달, 파편.
11
12장면 3: 몬스터 트럭이 주차된 자동차 열을 부수는 장면.
13포함: 서스펜션 압축, 판금 변형,
14무게 분배.
15
16세 가지 모두에 대한 요구 사항:
17- 물리학은 애니메이션되지 않고 계산되어야 함
18- 60fps 목표
19- 리셋 버튼 포함
20- 물리학 수학에 주석을 달아 내가 확인할 수 있도록 함
21
22세 가지를 모두 구축하세요. 명확한 질문은 하지 마세요.

프롬프트 2 — 장기 레포 작업

이것이 K3 가 실제로 만들어진 이유입니다. 실제 코드베이스를 가리키고 작업이 아닌 결과를 제공하세요.

1아무것도 작성하기 전에 이 전체 코드베이스를 읽으세요.
2
3[레포를 붙여넣거나 디렉토리를 가리키세요]
4
5목표: [측정 가능한 결과를 명시하세요 — 예: "p95
6API 응답 시간 30% 감소" 또는 "데이터 계층의 모든
7N+1 쿼리 제거"]
8
9규칙:
10- 먼저 프로파일링하세요. 무엇이든 변경하기 전에 시간이 실제로
11  어디에서 소비되는지 보여주세요.
12- 공개 인터페이스나 수치적 동작을 변경하지 마세요.
13- 각 변경 후에 기존 테스트 스위트를 실행하세요.
14- 변경 사항이 상황을 악화시키면 되돌리고 그 이유를 알려주세요.
15- 목표에 도달하거나 규칙을 위반하지 않고는 달성할 수
16  없음을 증명할 수 있을 때까지 작업하세요.
17
18마지막에 보고: 무엇을 변경했는지, 그 결과로 무엇을 얻었는지,
19작동하지 않아서 시도했던 것은 무엇인지.

"작동하지 않아서 시도했던 것은 무엇인지"라는 줄이 중요합니다. 이것이 출력물을 diff 에서 엔지니어링 로그로 바꿉니다.

프롬프트 3 — 3D 제품 구축

프론트엔드, 랜딩 페이지 또는 제품 시각화를 하는 모든 사람을 위한 것입니다.

1브라우저에서 대화형 3D [객체]를 구축하세요.
2단일 HTML 파일. Three.js.
3
4객체: [재료, 부품 수, 움직이는 부분을
5정확하게 설명하세요]
6
7다음을 포함해야 함:
8- 올바른 재료 속성 (광택, 거칠기,
9  해당되는 경우 금속성)
10- 실제 그림자가 있는 3점 조명
11- 궤도 컨트롤
12- [모든 상호 작용 — 조립/분해, 애니메이션,
13  호버 상태]
14
15품질 기준: 이 제품은 WebGL 데모가 아닌 제품 렌더링처럼
16보여야 합니다. 실제 생활에서 세부 사항이 보인다면 모델링하세요.
17
18전체를 구축하세요. 파일을 보여주세요.

"품질 기준"이라는 줄은 프롬프트의 다른 어떤 것보다 더 많은 역할을 합니다. K3 는 지시뿐만 아니라 기준에 반응합니다.

프롬프트 4 — 움직이는 부분이 있는 실시간 기능

풀스택 CRUD 는 앱의 한 형태입니다. 실시간은 완전히 다른 형태입니다 — 상태는 데이터베이스에 저장되는 것뿐만 아니라 클라이언트 간에 동기화되어야 합니다. 이것은 많은 모델이 조용히 실패하는 부분입니다.

1기존 앱에 실시간 기능을 추가하세요: Figma 와 같은
2라이브 공동 커서 + 댓글 시스템.
3
4요구 사항:
5- WebSocket 연결 (Socket.io 또는 기본 ws 사용)
6- 다른 연결된 사용자의 커서 위치를 실시간으로 표시
7- 아무 곳이나 클릭하여 댓글 핀을 추가
8- 댓글은 연결된 모든 클라이언트에 대해 실시간으로 업데이트
9- 연결 끊김/재연결을 우아하게 처리 — 유령 커서 없음
10- 소켓이 넘치지 않도록 커서 업데이트 디바운스 처리
11
12구축:
131. WebSocket 서버 설정
142. 자동 재연결 기능이 있는 클라이언트 측 연결 구축
153. 디바운싱으로 커서 브로드캐스팅 구현
164. 댓글 핀 시스템 구현
175. 간단한 상태 표시기 추가 (누가 온라인인지)
186. 동기화가 제대로 작동하는지 확인하기 위해 최소 2개의
19   시뮬레이션된 클라이언트로 테스트
20
21이 작업이 완료되었다고 말하기 전에 다중 클라이언트 동기화를
22어떻게 테스트했는지 보여주세요.

예상 결과: 15~30분 안에 작동하는 실시간 계층, 둘 이상의 클라이언트에 대해 테스트되었다는 가시적인 증거 포함.

마지막 줄이 중요한 부분입니다. 실시간 버그는 하나의 브라우저 탭으로는 나타나지 않습니다 — 두 개가 있어야 나타납니다. 다중 클라이언트 테스트를 건너뛰는 모델은 완료된 것처럼 보이지만 실제로는 그렇지 않은 코드를 제공할 것입니다.

K3 가 잘못될 때: 문제 해결 가이드

실제로 거친 부분이 있는 새로운 모델입니다. 다음은 문제가 발생하는 부분과 해결 방법입니다.

• 문제: 간단한 작업에 토큰을 많이 소모합니다

이것은 가장 큰 문제이며 구조적인 문제입니다.

K3 는 현재 'max'라는 단 하나의 추론 노력 수준만 제공합니다. "그냥 빨리 대답해" 모드는 없습니다. 독립 테스터들은 간단한 SVG 를 생성하는 데 13,241 개의 추론 토큰을 기록했습니다 — 약 $0.25 로, 1센트의 일부만 들어야 할 작업에 해당합니다.

해결 방법:

간단한 작업을 K3 에 라우팅하지 마세요. 이것은 하나의 기어만 가진 프론티어 모델이며, 그 기어는 "모든 것에 대해 열심히 생각하기"입니다. 상용구, 포맷팅 및 기계적인 작업에는 K2.7 또는 더 작은 모델을 사용하세요. K3 는 추론을 정당화하는 작업을 위해 아껴두세요.

이것이 첫 달에 사람들이 저지를 가장 큰 실수입니다: K3 를 모든 것의 기본값으로 만들고 청구서에 놀라는 것.

• 문제: 컨텍스트 윈도우가 어쨌든 가득 찹니다

100만 토큰은 실제 레포를 넣기 전까지는 무한해 보이지만, 막상 넣으면 그렇지 않습니다.

해결 방법:

모든 것을 덤프하지 마세요. 중요한 디렉토리를 가리키세요. 장기 작업에 대한 K3 의 강점은 모든 파일을 컨텍스트에 넣는 것이 아니라 지속적인 집중에서 비롯됩니다. 올바른 코드의 타이트한 200K 가 전체 모노레포의 부풀려진 900K 보다 낫습니다.

• 문제: 매우 긴 자율 실행에서 표류합니다

20시간 자율 실험은 실제였지만, 목표가 측정 가능했기 때문에 작동했습니다 — "수치를 변경하지 않고 H200 에서 더 빠르게 만들기." 모호한 목표와 긴 줄을 주면 방황할 것입니다.

해결 방법:

모든 장기 프롬프트에는 검증 가능한 성공 조건이 필요합니다. "코드 개선"이 아닙니다. 숫자, 통과하는 테스트, 움직이는 벤치마크입니다. 성공했는지 확인하는 방법을 명시할 수 없다면 표류할 것입니다.

• 문제: 누군가의 벤치마크 결과를 재현할 수 없습니다

Moonshot 외부의 누구도 이 모델을 감사하지 않았습니다. 가중치는 7월 27일까지 공개되지 않습니다. 현재 유통되고 있는 모든 숫자 — 이 기사의 숫자 포함 — 는 공급업체가 보고한 것입니다.

해결 방법:

7월 27일을 기다리거나 자신의 작업에서 테스트하고 그 결과를 신뢰하세요. 실제 작업 5개가 누군가의 벤치마크 테이블보다 더 가치 있습니다.

• 문제: OpenAI 또는 Anthropic 에서 전환한 후 통합 오류

K3 는 OpenAI SDK 와 호환되므로 마이그레이션의 90% 를 처리합니다. 나머지 10% 는 일반적으로 추론 동작입니다 — K3 는 기본적으로 생각하고 응답 처리에서 예상하지 못할 수 있는 추론 토큰을 반환합니다.

해결 방법:

모델이 고장났다고 가정하기 전에 토큰 계정과 응답 구문 분석을 확인하세요. 대부분의 "K3 는 비싸다"는 불만은 실제로 "추론 토큰이 출력 토큰이라는 것을 잊었다"는 것입니다.

아무도 무시해서는 안 되는 맥락

Moonshot 은 베이징에 기반을 두고 있으며, 전 Google 연구원인 Yang Zhilin 이 설립하고 Alibaba 가 후원했습니다.

https://x.com/kirillk_web3/status/2057528102368977328

그들은 고급 칩에 대한 미국의 수출 통제가 3년 동안 강화되는 상황에서 2.8 조 파라미터 프론티어 모델을 구축했습니다.

Bank of America 의 분석가들은 직접적으로 말했습니다: "중국의 지속적인 하드웨어/컴퓨팅 용량 제약에도 불구하고, K3 는 사전 훈련 확장이 아키텍처 혁신과 결합될 때 여전히 중국의 주력 모델에 단계적 변화를 가져올 수 있음을 보여줍니다."

그리고 시기는 우연이 아닙니다: K3 는 2026 상하이 세계 인공지능 컨퍼런스 며칠 전에 출시되었습니다.

7월 27일의 질문

가중치는 7월 27일에 공개됩니다. 그 날짜는 출시일보다 더 중요합니다.

그때까지 K3 는 API 를 통해 사용할 수 있는 프론티어 모델입니다 — 인상적입니다.

7월 27일, 그것은 다른 것이 됩니다: 누구나 다운로드하고, 검사하고, 수정하고, 자신의 하드웨어에서 실행할 수 있는 프론티어급 모델. API 없음. 사용량 제한 없음. 서비스 약관 없음. 30일 프롬프트 보존 없음.

그것이 실제 이야기입니다. "중국이 따라잡았다"가 아닙니다.

중국이 따라잡았고 그것을 공개했습니다.

주목할 점: 중국 규제 기관들은 자체 AI 수출 통제에 대해 논의해 왔습니다. K3 가 중국의 마지막 프론티어 오픈 웨이트 릴리스인지, 아니면 많은 것 중 첫 번째인지는 현재로서는 정확히 불분명합니다.

사용해보는 방법

채팅: kimi.com — K3 가 현재 운영 중입니다

API: OpenAI SDK 호환, 따라서 이미 OpenAI 또는 Anthropic 툴체인에서 구축 중이라면 통합은 재작성이 아닌 구성 변경입니다

가중치: 7월 27일

SDK 호환성은 생각보다 더 중요합니다. 모델을 교체하는 것은 일반적으로 통합 계층을 다시 작성하는 것을 의미합니다. 여기서는 기본 URL 과 모델 문자열을 변경하는 것을 의미합니다.

Kimi Code 설치 방법 (터미널 에이전트)

채팅 창 대신 실제 코드베이스 내에서 K3 를 실행하려면 이 설정을 따르세요.

요구 사항:

• 컴퓨터 (Mac, Windows 또는 Linux)
• 터미널 액세스
• Kimi 계정 — kimi.com

1 단계 — Kimi Code 설치

Mac/Linux:

1curl -fsSL https://code.kimi.com/kimi-code/install.sh | bash

Windows (PowerShell):

1irm https://code.kimi.com/kimi-code/install.ps1 | iex

Windows 에서는 먼저 Git for Windows 를 설치하세요 — Kimi Code CLI 는 번들된 Git Bash 를 셸 환경으로 사용합니다.

설치를 확인하세요:

1kimi --version

macOS Gatekeeper 로 인해 첫 번째 실행은 눈에 띄게 더 오래 걸릴 수 있습니다. 나중 실행 속도를 높이려면 시스템 설정 → 개인정보 보호 및 보안 → 개발자 도구에서 터미널 앱을 추가하세요.

uv 가 이미 설치되어 있다면 직접 설치할 수 있습니다:

1uv tool install --python 3.13 kimi-cli

Kimi Code CLI 는 Python 3.12–3.14 를 지원하며, 최상의 호환성을 위해 3.13 을 권장합니다.

2 단계 — 프로젝트로 이동하여 실행

1cd your-project
2kimi

첫 실행 시 세션 내에서 /login 을 실행하여 API 소스를 구성하세요 — OAuth 용 브라우저 창이 열립니다.

3 단계 — 작업 할당

Kimi Code 가 이제 프로젝트 내에서 실행되며, 모든 파일에 대한 직접 읽기/쓰기 액세스 권한이 있습니다. 일반 영어로 작업을 설명하세요 — 단계를 계획하고, 코드를 편집하고, 테스트를 실행하고, 수행한 작업을 보고합니다.

이것이 실제로 의미하는 바

프로덕션 워크로드를 실행 중인 경우:

전환하기 전에 테스트하세요. 공급업체 벤치마크와 실제 성능은 항상 다릅니다. 실제 작업 5개를 선택하고, K3 와 현재 모델을 나란히 실행하고, 토큰당 비용이 아닌 완료된 작업당 비용을 측정하세요.

작업당 계산이 전체 주장입니다. $3/$15 에서 K3 는 서류상으로는 저렴하지 않습니다. 21% 적은 토큰과 Fable 수준의 출력에서, 그것은 중요한 부분에서 저렴합니다.

7월 27일이 계산을 바꿉니다. 오픈 웨이트는 자체 호스팅, 미세 조정 및 누군가의 API 가 계속 작동하거나 누군가의 약관이 계속 유리할 것이라는 의존성 제로를 의미합니다. 민감한 모든 것에 대해 이것은 작은 일이 아닙니다.

결론

프론티어는 한때 미국 연구소가 만들고 다른 모든 사람들이 6개월 후에 방문하는 곳이었습니다.

2.8 조 파라미터. 100만 컨텍스트. Sonnet 가격의 Fable 5 수준 코딩. 수출 통제 하에, 방에서 가장 낮은 가치의 연구소에 의해 구축되었고, 7월 27일에 무료로 제공됩니다.

흥미로운 질문은 K3 가 어떤 벤치마크에서 Fable 5 를 이기느냐가 아닙니다. 오픈 웨이트 모델이 폐쇄형 프론티어 모델과 일치할 때 폐쇄형 프론티어 모델의 경제성에 어떤 일이 일어나는지입니다.

링크

• Kimi K3: https://www.kimi.com
• 내 Telegram: https://t.me/kirillk_web3
• 내 Twitter/X: https://x.com/kirillk_web3
• 파트너 호스팅: https://ishosting.com/affiliate/NzE0MiM2

더 많은 Vibe 코딩 정보를 위해 팔로우하세요. 읽어주셔서 감사합니다!