Rihpig

Posted on Aug 3 • Originally published at apidog.com

Qwen 3.8 vs Kimi K3: 중국의 두 오픈소스 거대 모델 비교

2026년 7월은 오픈 웨이트 프론티어 모델 시장에서 두 개의 강력한 선택지가 경쟁한 시기였습니다. 문샷 AI는 7월 16일 Kimi K3를 출시했고, 사흘 뒤 알리바바는 Qwen 3.8-Max를 미리 공개한 뒤 8월 초 일반 공개했습니다. 두 모델 모두 조(trillion) 단위의 MoE(mixture-of-experts) 모델이며, Claude Code 스타일의 에이전트 하네스와 연결할 수 있고 미국 프론티어 연구소 모델보다 낮은 가격을 제시합니다.

지금 Apidog를 사용해 보세요

겉보기에는 비슷하지만, 실제 선택에서는 차이가 큽니다. 지금 다운로드할 수 있는지, 이미지 입력을 처리하는지, 긴 컨텍스트를 어떻게 지원하는지, 그리고 에이전트 워크로드에서 한 달간 얼마가 드는지가 핵심입니다. 이 비교는 2026년 8월 3일 기준으로 확인 가능한 정보를 정리합니다. 알리바바의 신규 주력 모델 사양은 Qwen 3.8-Max 설명서에서 먼저 확인할 수 있습니다.

벤치마크 해석 주의: 두 모델을 동일한 하네스와 동일한 설정에서 직접 비교한 독립 벤치마크는 아직 없습니다. 아래 벤치마크 수치는 각 공급업체가 게시한 자체 결과이며, 확정적인 승패가 아니라 참고 자료로 봐야 합니다.

타임라인: 누가 무엇을 언제 출시했는가

출시 날짜는 단순한 뉴스가 아닙니다. 현재 두 모델에서 “오픈 웨이트”라는 말이 서로 다른 상태를 의미하기 때문입니다.

Kimi K3

출시: 2026년 7월 16일
웨이트 공개: 2026년 7월 27일
배포 형식: Hugging Face의 594GB MXFP4 릴리스

문샷은 출시 당시 오픈 웨이트를 약속했고, 11일 후 실제 웨이트를 공개했습니다. 현재 K3는 다운로드, 추가 양자화, 자체 하드웨어 실행이 가능합니다.

즉, 자체 호스팅이 필요하다면 Kimi K3는 이미 검토와 실험을 시작할 수 있는 상태입니다.

Qwen 3.8-Max

미리 공개: 2026년 7월 19일
일반 공개: 2026년 8월 초
웨이트 공개 예정: Hugging Face 및 ModelScope, 약 8월 10일 예상

공식 Qwen 출시 게시물에 따르면 Qwen 3.8-Max는 알리바바 클라우드 모델 스튜디오에서 사용할 수 있습니다. 다만 2026년 8월 3일 기준으로 웨이트는 아직 다운로드할 수 없습니다.

자체 호스팅이 필수 조건이라면, 현재 시점의 선택지는 Kimi K3입니다.

매개변수: 두 개의 조 단위 MoE 모델

두 모델 모두 희소 MoE 구조를 사용합니다. 총 매개변수 수보다 실제 추론 시 토큰당 활성화되는 매개변수 수가 비용과 운영 특성에 더 직접적으로 영향을 줍니다.

사양	Qwen 3.8-Max	Kimi K3
총 매개변수	2.4T	2.8T
토큰당 활성 매개변수	95B	104B
활성화 비율	약 4%	약 3.7%
아키텍처 기반	Qwen 3.5 기반, MoE	MoE
오픈 웨이트 형식	약속됨, 약 8월 10일	Hugging Face의 MXFP4, 594GB

Qwen 3.8-Max는 총 매개변수 기준으로 K3보다 400B 작고, 토큰당 활성 매개변수도 9B 적습니다.

이 수치만으로 모델 성능을 판단할 수는 없습니다. 활성 매개변수 수가 성능으로 선형 변환되지는 않기 때문입니다. 다만 같은 조건이라면 토큰당 95B를 활성화하는 모델이 104B를 활성화하는 모델보다 서비스 비용 측면에서 유리할 가능성이 있습니다.

자체 호스팅에서는 K3의 594GB MXFP4 파일 크기를 먼저 현실적으로 평가해야 합니다. 긴 컨텍스트를 사용하면 모델 웨이트 외에도 KV 캐시가 필요하므로, 이미 멀티 노드 운영을 고려해야 하는 규모입니다. Qwen 3.8-Max도 총 2.4T 모델인 만큼 웨이트가 공개되면 비슷한 수준의 스토리지와 인프라 요구 사항을 예상할 수 있습니다.

대부분의 팀은 두 모델을 호스팅된 API로 사용하고, 자체 호스팅은 규정 준수·감사·연구 목적에 한정하는 편이 현실적입니다.

오늘의 개방성: 실제 웨이트 vs. 공개 약속

“오픈”이라는 표현만 보면 두 모델은 비슷해 보이지만, 현재 상태는 다릅니다.

Kimi K3: 지금 검토하고 실행할 수 있음

Kimi K3의 웨이트는 이미 공개되어 있습니다. 따라서 팀은 다음 작업을 바로 수행할 수 있습니다.

저장소와 라이선스 검토
모델 웨이트 다운로드
커뮤니티 양자화 결과 비교
내부 환경에서 미세 조정 검토
특정 버전의 모델을 고정해 재현 가능한 평가 실행

이는 단순히 API를 사용할 수 있다는 의미보다 넓습니다. 공급업체가 백엔드 모델을 교체해도 모르게 변경되는 API 환경과 달리, 검증한 웨이트 버전을 명시적으로 고정할 수 있습니다.

Qwen 3.8-Max: API는 사용 가능, 웨이트는 예정 상태

Qwen 3.8-Max는 Qwen-Max급 모델 중 최초의 오픈 웨이트 릴리스가 될 예정입니다. 기존 Max 계열이 API 전용으로 유지됐다는 점을 고려하면 전략적으로 중요한 변화입니다.

하지만 Hugging Face 저장소가 실제로 활성화되기 전까지 Qwen 3.8-Max는 API 모델입니다.

현재 기준 정리는 간단합니다.

오늘 자체 호스팅 필요: Kimi K3
API로 즉시 테스트: Kimi K3 또는 Qwen 3.8-Max
Qwen 웨이트 공개 후 재평가: 라이선스, 양자화 품질, 커뮤니티 지원 비교

모달리티: Qwen은 이미지를 보고, K3는 텍스트를 읽는다

이 항목에서는 Qwen 3.8-Max가 명확하게 앞섭니다.

공식 모델 구성에는 다음과 같이 텍스트와 이미지 입력이 명시되어 있습니다.

{
  "input_modalities": ["text", "image"]
}

Qwen 3.8-Max는 텍스트와 이미지 입력을 처리합니다. 알리바바는 출시 게시물에서 200페이지 이상의 PDF 장문 이해와 메모리 그래프 기반의 100시간 비디오 이해도 시연했습니다.

다만 다음은 구분해야 합니다.

이미지 입력: 문서화된 API 입력 유형
긴 PDF 및 비디오 이해: 출시 블로그의 데모 항목

알리바바가 공개한 멀티모달 벤치마크에는 MathVision 95.2, LogicVista 91.9, OSWorld-Verified 86.1 및 OCR 관련 결과가 포함됩니다.

반면 Kimi K3는 텍스트 모델입니다. 다음 작업이 필요하다면 별도 비전 모델을 파이프라인에 추가해야 합니다.

스크린샷 분석
스캔 문서 처리
UI 이해
시각 기반 컴퓨터 사용 에이전트
이미지가 포함된 PDF 분석

텍스트 전용 코딩, 코드 리뷰, CLI 에이전트 작업에서는 이 차이가 중요하지 않을 수 있습니다. 하지만 문서 지능이나 컴퓨터 사용 에이전트라면 Qwen의 이미지 입력은 결정적인 차이가 될 수 있습니다.

컨텍스트, 출력 및 API 표면

Qwen 3.8-Max는 다음 API 특성을 제공합니다.

컨텍스트 창: 1,000,000 토큰
최대 출력: 65,536 토큰
추론 설정: reasoning_effort
기본 추론 강도: xhigh
선택 가능한 강도: medium, low
사고 출력: 기본적으로 보존
사고/비사고 모드: 동일한 요금 체계

Qwen 3.8-Max는 알리바바 클라우드 모델 스튜디오를 통해 액세스합니다. 베이징, 싱가포르, 미국 버지니아용 기본 URL을 제공하며, OpenAI 호환 엔드포인트와 Anthropic 호환 엔드포인트를 모두 지원합니다.

Claude Code 스타일 하네스에 연결할 때는 Anthropic 호환 구성이 특히 유용합니다.

export ANTHROPIC_BASE_URL="https://your-dashscope-anthropic-endpoint"
export ANTHROPIC_MODEL="qwen3.8-max"

정확한 엔드포인트와 지역별 모델 가용성은 모델 스튜디오 모델 페이지에서 확인하세요.

여러 지역 또는 공급업체 엔드포인트를 테스트한다면 Apidog에서 환경을 분리하는 방식이 실용적입니다. 예를 들어 qwen-singapore, qwen-us, moonshot-k3 환경에 각각 기본 URL과 API 키를 저장한 뒤, 동일한 요청을 유지한 채 환경만 바꿔 비교할 수 있습니다.

Kimi K3도 Anthropic 프로토콜을 지원하며 Claude Code 스타일 하네스에 연결할 수 있습니다. 최신 엔드포인트 정보와 제한 사항은 Kimi K3 설명서를 확인하는 편이 안전합니다.

가격: 평면적이고 단순한 Qwen vs. 저렴한 입력과 비싼 출력의 K3

공개된 100만 토큰당 가격은 다음과 같습니다.

요금	Qwen 3.8-Max	Kimi K3
입력	$2.00	$3.00
출력	$6.00	$15.00
캐시 적중 입력	$0.20, 입력 가격의 10%	$0.30
티어링	전체 1M 컨텍스트에 걸쳐 평면적	Moonshot의 게시 일정에 따름

공식 모델 스튜디오 가격 페이지에 따르면 Qwen 3.8-Max는 입력 100만 토큰당 $2, 출력 100만 토큰당 $6입니다. 이 가격은 0~100만 토큰 컨텍스트 구간에서 평면적으로 적용되며, 사고 모드 여부도 가격 체계를 바꾸지 않습니다.

캐시 가격은 다음과 같습니다.

캐시 생성: 입력 가격의 125%
캐시 적중: 입력 가격의 10%
Qwen 캐시 적중: 100만 토큰당 $0.20
K3 캐시 적중: 100만 토큰당 $0.30

Qwen은 싱가포르 리전에 한해 90일 동안 유효한 100만 토큰 무료 할당량도 제공합니다.

워크로드별 비용 판단

단순히 입력과 출력 단가만 보지 말고 실제 토큰 비율을 기준으로 계산해야 합니다.

입력 중심 워크로드

다음과 같은 경우 캐시 적중 비율이 중요합니다.

긴 시스템 프롬프트
반복되는 제품 문서
동일한 코드베이스 컨텍스트
여러 턴에서 재사용되는 정책 및 규칙

이 경우 캐시 적중 가격인 $0.20과 $0.30의 차이는 비교적 작습니다.

출력 중심 워크로드

다음 작업은 출력 토큰 비중이 높습니다.

에이전트 루프
코드 생성
긴 추론 응답
테스트 생성 및 수정 반복
다단계 계획 수립

이 경우 K3의 출력 $15와 Qwen의 출력 $6 차이가 크게 누적됩니다. 정가 기준으로 K3의 출력 비용은 Qwen보다 2.5배입니다.

Qwen 비용 계산 시 주의할 점

Qwen의 reasoning_effort 기본값은 xhigh입니다. 사고 토큰도 출력 토큰으로 청구되므로, 단순한 “입력 토큰 + 최종 응답 토큰” 추정보다 실제 청구액이 높을 수 있습니다.

도입 전에 실제 프롬프트를 기준으로 비용을 추정하세요. 작업별 비용 모델링은 Qwen 3.8 가격 분석에서 확인할 수 있습니다.

벤치마크: 두 공급업체 표, 독립 심판 없음

이 비교에서 가장 중요한 점은 벤치마크의 출처를 분명히 하는 것입니다.

존재하는 것

알리바바가 실행한 Qwen 3.8-Max 벤치마크 표
문샷이 실행한 Kimi K3 출시 벤치마크 표
각 공급업체의 프론티어 모델 비교 자료

존재하지 않는 것

Qwen 3.8-Max와 Kimi K3를 같은 하네스에서 실행한 독립 평가
동일한 프롬프트, 스캐폴딩, 샘플링 설정을 적용한 공개 일대일 비교
두 공급업체가 상대 모델을 직접 평가한 결과

알리바바가 자체 실행한 표는 다음과 같습니다. 알리바바는 주로 Claude Code 하네스를 사용했다고 밝혔습니다.

벤치마크	Qwen 3.8-Max	Claude Opus 4.8	Fable 5	GPT-5.6 Sol
Terminal Bench 2.1	86.6	84.6	84.6	88.8
SWE-bench Pro	67.7	69.2	80.0	64.6
PaperBench	93.0	80.3	88.8	90.5
GPQA Diamond	92.6	92.0	92.6	94.1
HLE	43.6	45.7	53.3	47.2

알리바바의 자체 수치에도 약점은 드러납니다.

Qwen 3.8-Max는 SWE-bench Pro에서 Fable 5보다 낮습니다.
HLE에서는 표에 포함된 모든 모델보다 낮습니다.
강한 결과로는 PaperBench, 명령 수행(IFBench 82.8), 멀티모달 항목이 제시됩니다.
QwenSWEBench, CoWorkBench 같은 알리바바 자체 벤치마크는 외부 모델 결과와 직접 교차 비교하기 어렵습니다.

문샷의 K3 출시 표는 K3가 문샷의 주요 벤치마크에서 Claude Opus 4.8을 앞서는 한편, 전체적으로 Fable 5와 GPT-5.6 Sol에는 뒤처지는 결과를 제시합니다. 해당 주장과 해석의 한계는 Kimi K3 vs Claude Opus 4.8 비교에서 확인할 수 있습니다.

결론적으로, 두 공급업체의 표를 나란히 놓는 것은 가능하지만 직접 비교로 해석하면 안 됩니다. 하네스, 스캐폴딩, 샘플링 설정이 다르면 결과도 크게 달라질 수 있습니다.

알리바바가 공개한 수치의 세부 해석은 Qwen 3.8 벤치마크 분석을 참고하세요.

Apidog에서 직접 일대일 비교 실행

독립 심판이 없다면 가장 유용한 벤치마크는 자신의 워크로드입니다.

두 모델은 OpenAI 호환 채팅 완료 엔드포인트를 제공하므로, Apidog에서 동일한 요청을 보내며 비교할 수 있습니다.

1. 환경을 두 개 생성한다

다음처럼 환경을 분리합니다.

환경	포함할 값
`qwen-3.8-max`	DashScope 기본 URL, Qwen API 키, `qwen3.8-max` 모델 ID
`kimi-k3`	Moonshot 기본 URL, Moonshot API 키, K3 모델 ID

API 키는 하드코딩하지 말고 환경 변수로 저장합니다.

{
  "base_url": "{{BASE_URL}}",
  "api_key": "{{API_KEY}}",
  "model": "{{MODEL_ID}}"
}

2. 실제 작업을 요청으로 저장한다

벤치마크 퍼즐 대신 팀의 실제 작업을 사용하세요.

예를 들면 다음과 같습니다.

버그가 포함된 실제 코드 조각 수정
특정 API 응답을 기준으로 타입 정의 생성
실제 장애 로그 분석
내부 문서 기반 구현 계획 작성
리포지토리 규칙을 적용한 코드 리뷰
스크린샷 기반 UI 이슈 분석, Qwen만 해당

OpenAI 호환 채팅 완료 요청 구조는 다음처럼 구성할 수 있습니다.

{
  "model": "{{MODEL_ID}}",
  "messages": [
    {
      "role": "system",
      "content": "당신은 프로덕션 코드 리뷰어입니다. 근거와 수정안을 함께 제시하세요."
    },
    {
      "role": "user",
      "content": "{{PROMPT}}"
    }
  ]
}

3. 동일한 페이로드를 두 환경에서 실행한다

요청 본문은 바꾸지 않고 환경만 전환합니다.

비교 시 최소한 다음 항목을 기록하세요.

HTTP 상태 코드
첫 토큰 도착 시간
전체 응답 시간
출력 토큰 수
응답 구조 안정성
코드 컴파일 또는 테스트 통과 여부
실제 작업 완료율
재시도 필요 여부

4. SSE 스트리밍을 확인한다

두 모델이 추론 콘텐츠를 스트리밍하는 방식도 확인해야 합니다. 특히 UI나 내부 도구가 사고 토큰을 렌더링하는 경우, 스트림 이벤트 구조와 최종 응답 구조가 기대와 맞는지 검증해야 합니다.

5. 반복 가능한 검증을 추가한다

분위기 확인으로 끝내지 말고 요청에 검증 규칙을 추가하세요.

예시:

응답 JSON 스키마 검증
최대 지연 시간 검증
필수 키워드 존재 여부
코드 블록 포함 여부
특정 파일 경로 또는 함수명 언급 여부

공급업체가 모델을 업데이트할 때마다 같은 컬렉션을 다시 실행하면, 버전 변화가 실제 워크로드에 미친 영향을 추적할 수 있습니다.

Apidog 다운로드 후 두 엔드포인트에 실제 프롬프트 10개만 보내도, 공급업체 벤치마크 표보다 배포 판단에 더 유용한 정보를 얻을 수 있습니다.

스코어카드

기준	오늘의 승자	주의사항
총/활성 매개변수	Qwen 3.8-Max, 2.4T/95B vs 2.8T/104B	더 작은 모델이 항상 더 좋은 것은 아니며, 주로 서비스 비용과 관련됩니다.
오픈 웨이트, 오늘	Kimi K3	Hugging Face에서 594GB MXFP4로 제공됩니다. Qwen 웨이트는 약 8월 10일 예정입니다.
모달리티	Qwen 3.8-Max	텍스트와 이미지 입력을 지원합니다. 비디오·장문 문서 주장은 블로그 데모로 봐야 합니다.
컨텍스트 창	Qwen 3.8-Max	1M 평면 계층, 최대 출력 65,536 토큰입니다. K3 제한은 Moonshot 문서를 확인해야 합니다.
가격	Qwen 3.8-Max	$2/$6 평면 가격이며 K3는 $3/$15입니다. 다만 Qwen의 기본 xhigh 추론은 실제 출력 비용을 높일 수 있습니다.
벤치마크	판정 불가	두 모델 모두 공급업체 자체 실행 결과가 중심이며 독립 일대일 비교가 없습니다.
하네스 생태계	동점	둘 다 Anthropic 호환 엔드포인트를 통해 Claude Code 스타일 하네스에 연결할 수 있습니다.
약속 이행 실적	Kimi K3	출시 11일 후 웨이트를 공개했습니다. Qwen의 약속은 아직 예정 상태입니다.

어느 것을 언제 선택할까

Kimi K3를 선택해야 하는 경우

다음 조건에 해당하면 Kimi K3가 적합합니다.

이번 주 안에 자체 하드웨어에서 모델 웨이트를 실행해야 함
규정 준수 때문에 고정되고 감사 가능한 모델 버전이 필요함
워크로드가 순수 텍스트 중심임
반복 문맥이 많고 캐시 적중 비용이 중요한 입력 중심 워크로드임
API 제공 상태와 무관하게 로컬 평가 또는 양자화 실험을 시작해야 함

Qwen 3.8-Max를 선택해야 하는 경우

다음 조건에 해당하면 Qwen 3.8-Max가 유리합니다.

이미지, 스크린샷, 문서 입력을 처리해야 함
에이전트 루프나 코드 생성처럼 출력 토큰 비중이 큼
100만 토큰 컨텍스트를 티어링 가격 변화 없이 사용하고 싶음
OpenAI 및 Anthropic 호환 프로토콜을 모두 활용해야 함
자체 호스팅보다 관리형 API 사용이 우선임

일주일 기다려야 하는 경우

오픈 웨이트 여부가 선택의 유일한 이유라면 Qwen 3.8-Max 웨이트 공개 이후 다시 비교하는 편이 낫습니다.

Qwen의 웨이트가 약속대로 8월 10일경 공개되면, 개방성 기준은 다시 평준화됩니다. 그때는 다음 기준으로 결정해야 합니다.

라이선스 조건
양자화 품질
커뮤니티 지원
이미지 입력 필요 여부
실제 토큰 믹스에 따른 비용
자체 리포지토리 및 운영 프롬프트 평가 결과

핵심은 개발자에게 중국에서 나온 두 개의 신뢰할 수 있고, 저렴하며, 하네스 호환 가능한 프론티어 옵션이 거의 같은 시기에 생겼다는 점입니다. 공급업체 벤치마크만으로 로드맵을 확정하지 말고, 두 엔드포인트에서 실제 프롬프트와 실제 작업을 실행해 보세요.

자주 묻는 질문

Kimi K3가 Qwen 3.8-Max보다 더 오픈되어 있나요?

현재는 그렇습니다. Kimi K3 웨이트는 2026년 7월 27일부터 Hugging Face에서 제공되며, 크기는 594GB MXFP4입니다. Qwen 3.8-Max 웨이트는 약 8월 10일 공개 예정이며, 2026년 8월 3일 기준으로는 아직 다운로드할 수 없습니다.

알리바바가 웨이트 공개 약속을 이행하면 둘 다 오픈 웨이트 프론티어 모델이 됩니다. 이후 차이는 라이선스 조건, 커뮤니티 지원, 양자화 품질로 이동할 것입니다. 그때까지 자체 호스팅이 가능한 모델은 K3뿐입니다. 필요한 준비 사항은 로컬 K3 가이드에서 확인할 수 있습니다.

Qwen 3.8-Max와 Kimi K3 중 어떤 모델이 코딩에 더 능숙한가요?

현재 시점에서는 누구도 확정적으로 답할 수 없습니다.

두 공급업체 모두 에이전트 코딩 성능 수치를 공개했지만, 각자 다른 조건과 하네스에서 자체 평가를 실행했습니다. 독립적인 직접 비교는 아직 없습니다.

알리바바의 자체 표에서도 Qwen 3.8-Max는 SWE-bench Pro에서 Fable 5에 뒤처집니다. 이는 공급업체 표가 약점도 일부 보여준다는 의미지만, Qwen과 K3 사이의 직접적인 우열을 판단하는 근거는 아닙니다.

가장 현실적인 방법은 자신의 리포지토리에서 실제 작업을 두 모델에 실행하는 것입니다.

Claude Code에서 두 모델을 모두 사용할 수 있나요?

네. 둘 다 Anthropic 호환 엔드포인트를 제공합니다.

Qwen 3.8-Max는 알리바바의 구성 방식에 따라 다음과 같이 설정할 수 있습니다.

export ANTHROPIC_BASE_URL="https://your-dashscope-anthropic-endpoint"
export ANTHROPIC_MODEL="qwen3.8-max"

Kimi K3도 Moonshot 엔드포인트를 통해 같은 패턴을 지원합니다.

이 공통 하네스 호환성 덕분에 Claude Code 스타일 워크플로에서 두 모델을 A/B 테스트하는 전환 비용이 낮습니다.

일반적인 에이전트 워크로드에는 어떤 모델이 더 저렴한가요?

정가 기준으로는 Qwen 3.8-Max가 더 저렴합니다.

Qwen 3.8-Max: 입력 $2 / 출력 $6
Kimi K3: 입력 $3 / 출력 $15

에이전트 루프는 출력 토큰 비중이 높은 경우가 많으므로, 출력 가격 차이인 2.5배가 크게 작용할 수 있습니다.

다만 두 가지를 함께 고려해야 합니다.

K3의 캐시 적중 요금은 100만 토큰당 $0.30이므로, 반복 문맥이 많은 입력 중심 워크로드에서는 경쟁력이 있습니다.
Qwen의 기본 xhigh 추론 노력은 사고 토큰도 출력으로 청구하므로, 실제 비용이 단순 예상보다 높아질 수 있습니다.

배포 전에 실제 토큰 믹스와 프롬프트를 기준으로 비용을 계산하세요.

DEV Community