Kimi K3 쇼크, 딥시크에 이어…
중국 AI는 판을 바꾸고 있습니다

성능 경쟁을 넘어 가격과 배포 방식까지. Kimi, DeepSeek, Qwen의 잇따른 등장은 글로벌 AI 시장의 선택 기준을 바꾸고 있습니다.

Kimi K3가 공개된 뒤, AI 업계의 시선은 다시 중국으로 향하고 있습니다. 앞서 DeepSeek가 ‘비용 대비 성능’이라는 질문을 던졌다면, 이번에는 Kimi와 Qwen까지 가세하면서 그 질문의 범위가 훨씬 넓어졌습니다. 이제 관심사는 어느 모델이 벤치마크에서 몇 점을 받았는지에만 머물지 않습니다.

중국 AI의 변화는 미국 모델을 단숨에 앞질렀느냐의 문제가 아닙니다. 기업과 개발자가 AI를 더 낮은 비용으로, 더 다양한 환경에서 선택할 수 있게 됐다는 데 있습니다.

이제는 ‘누가 1등인가’만으로 답할 수 없습니다

새 모델이 등장할 때마다 벤치마크 점수와 파라미터 수, 세계 몇 위라는 표현이 먼저 따라옵니다. 하지만 실제 현장에서 AI를 도입하는 분들이 궁금해하는 것은 조금 다릅니다. 고객 문서를 넣어도 되는지, 매일 수만 건을 처리해도 비용이 감당되는지, 문제가 생겼을 때 다른 모델이나 다른 호스팅 환경으로 옮길 수 있는지가 더 중요합니다.

이 기준으로 보면 Kimi, DeepSeek, Qwen은 같은 자리에 서 있지 않습니다. Kimi K3는 긴 맥락과 이미지·문서가 얽힌 에이전트형 작업에서 높은 완성도를 노리는 쪽에 가깝습니다. DeepSeek V4는 텍스트 중심 자동화, 코드, 긴 텍스트 처리에서 비용 효율을 강점으로 내세웁니다. Qwen 3.8은 사무와 코딩 업무를 전면에 내세우고 있지만, 아직 Preview 단계이고 가중치도 공개되지 않아 전사 표준 모델로 단정하기에는 이릅니다. (the-decoder, Alibaba takes on Kimi K3 with Qwen 3.8)

Kimi K3

복합적인 문서·이미지·에이전트 작업에서 높은 상한을 노릴 때.

DeepSeek V4

텍스트 자동화와 코드·RAG를 비용 효율적으로 처리할 때.

Qwen 3.8

가능성을 보되, 가중치 미공개·Preview 전제의 제한적 파일럿으로 볼 때.

한 가지 덧붙이면, ‘중국 모델은 싸다’는 인상도 세 모델에 똑같이 적용되지는 않습니다. DeepSeek는 분명히 저가 경쟁을 하고 있지만, Kimi K3의 공식 단가는 프리미엄 구간에 있습니다. 비용 효율과 성능 상한을 같은 문장에 묶어 두면 판단이 흐려집니다.

그래서 “어느 모델이 최고인가”보다 “우리 업무에서 무엇이 실패하면 가장 큰 비용이 되는가”를 먼저 묻는 편이 낫습니다. 디자인 시안과 PDF를 읽어야 한다면 모델의 입력 방식이 중요하고, 반복 요약을 대량으로 처리한다면 토큰 단가와 속도가 더 중요합니다. 성능표 하나만 보고 모델을 고르기 어려워진 이유입니다.

성능 경쟁은 이제 코드 에이전트 경쟁으로 옮겨가고 있습니다

이 변화가 가장 빠르게 드러나는 곳은 개발 현장입니다. Claude Code와 Codex 같은 도구는 더 이상 코드 한 줄을 제안하는 보조 기능에 머물지 않습니다. 저장소를 읽고, 여러 파일을 수정하고, 테스트를 돌리고, 데이터를 정리하고, 배포 과정을 함께 다루는 방향으로 진화하고 있습니다.

두 회사가 공개한 사용 자료만 보더라도 경쟁의 방향은 읽을 수 있습니다. Anthropic은 Claude Code가 사용자당 주 평균 20시간 실행된다고 밝혔고(직접 타이핑한 시간이 아니라 도구가 실행 중이던 시간입니다)(Anthropic, How Claude Code is used in practice), OpenAI는 표본으로 본 Codex 개인 사용자 다수가 한 시간 이상 걸릴 법한 작업을 맡기고 있다고 설명합니다(OpenAI, How agents are transforming work). 다만 이는 각사의 자체 자료이므로, 전체 시장 점유율로 받아들이기보다는 코드 에이전트가 더 길고 복잡한 업무를 맡기 시작했다는 신호로 보는 편이 정확합니다.

중국 모델의 등장은 이 경쟁에 또 다른 변수를 더합니다. Claude Code와 Codex가 개발자의 작업 환경을 두고 경쟁하는 동안, Kimi나 DeepSeek 같은 모델은 그 에이전트를 어떤 비용과 어떤 인프라 위에서 구동할 것인지에 대한 새로운 선택지가 되고 있습니다. 결국 경쟁은 ‘모델 대 모델’만이 아니라, 모델과 도구, 가격과 배포 환경이 묶인 하나의 생태계 경쟁에 가까워지고 있습니다.

더 큰 변화는 모델을 ‘어디에’ 놓을 수 있느냐입니다

이번 경쟁에서 눈여겨볼 부분은 모델이 특정 회사의 챗봇 안에만 머물지 않는다는 점입니다. 어떤 모델은 공식 API로 바로 사용할 수 있고, 어떤 모델은 전문 호스팅을 통해 전용 환경에 올릴 수 있습니다. 가중치가 공개된 모델이라면 조건에 따라 기업의 클라우드나 사내 환경에서 운영하는 길도 열립니다.

같은 계열의 모델이라도 공용 서비스에서 쓸 때, 기업 전용 네트워크에서 쓸 때, 직접 운영할 때의 데이터 경로와 비용, 장애 책임은 모두 달라집니다. 이제 ‘중국 모델을 쓴다’는 한 문장만으로는 실제 선택을 설명하기 어렵습니다. 어떤 모델을 어떤 환경에 올리는지까지 함께 봐야 합니다.

오픈모델 생태계에서 중국계 모델의 존재감이 빠르게 커지고 있다는 흐름은 분명합니다. 그렇다고 이를 곧바로 미국 모델의 패배로 읽을 필요는 없습니다. 폐쇄형 프론티어 모델은 여전히 최고 성능과 기업 지원 체계에서 강한 자리를 지키고 있습니다. 다만 선택지가 늘어나면서 가격의 기준선과 협상력이 달라지고 있다는 점은 분명해 보입니다.

성능 경쟁은 정치와 무역의 문제로도 번지고 있습니다

미국에서 중국 AI를 바라보는 시선도 달라지고 있습니다. 최근 트럼프 행정부는 중국에 기반을 둔 기업들이 미국 AI 모델의 능력을 무단으로 추출하는 이른바 ‘증류’ 활동을 했다는 의혹을 제기하며 단속과 처벌 방안을 검토하겠다고 밝혔습니다(PBS NewsHour, Trump administration vows crackdown on Chinese companies ‘exploiting’ AI models made in U.S.). 의회에서는 이런 모델 추출 행위에 제재를 가할 수 있는 절차를 만들자는 논의도 이어지고 있습니다.

여기서 구분할 점이 있습니다. 현재 이를 ‘중국 AI 사용 전면 금지’라고 쓰는 것은 정확하지 않습니다. 오픈웨이트 모델 전체를 막는 정책이 확정된 것은 아니며, 미국 정부 내부에서도 개방형 모델의 혁신 가치를 인정하는 목소리가 있습니다. 다만 IP 침해, 보안 우려, 공급망, 관세와 제재가 결합될 경우 기업의 선택지가 갑자기 좁아질 수 있다는 리스크는 분명해졌습니다.

그래서 기업 입장에서는 모델 성능만 비교해서는 충분하지 않습니다. 특정 국가나 공급자에 직접 연결되는 구조인지, 다른 호스팅 경로로 옮길 수 있는지, 계약과 데이터 처리 조건이 바뀌었을 때 대안을 마련할 수 있는지까지 함께 설계해야 합니다. AI 모델의 국적보다 중요한 것은 결국 데이터와 운영 책임이 실제로 어디에 놓이느냐입니다.

오픈웨이트라고, 사내에서 쉽게 돌릴 수 있는 것은 아닙니다

여기에는 자주 생기는 오해가 있습니다. 모델 가중치가 공개됐으니 누구나 내려받아 마음껏 운영할 수 있다는 생각입니다. 하지만 법적으로 사용할 수 있고 모델 파일에 접근할 수 있다는 것과, 이를 기업 서비스로 안정적으로 운영할 수 있다는 것은 다른 문제입니다.

초대형 모델을 운영하려면 GPU만 준비하면 되는 것이 아닙니다. 긴 문맥을 유지할 메모리와 네트워크, 보안 통제, 모니터링, 업데이트, 장애에 대응할 운영 인력이 함께 필요합니다. 사용량이 적거나 들쭉날쭉한 조직이라면 API가 더 경제적인 경우가 많습니다. 반대로 민감한 데이터가 많고 사용량이 충분히 크다면 전용 호스팅이나 자체 환경이 설득력을 얻을 수 있습니다.

그래서 오픈웨이트의 가치는 단순히 ‘공짜’라는 말보다 대체 가능성에 가깝습니다. 한 공급자가 맞지 않을 때 다른 호스팅 경로를 검토할 수 있고, 장기적으로 특정 모델 API에 완전히 묶이지 않을 수 있기 때문입니다.

국적보다 먼저 확인할 것은 데이터의 경로입니다

특히 기업이라면 모델 이름보다 먼저 확인할 것이 있습니다. 프롬프트와 첨부 파일, 로그가 어느 나라의 어느 서버에 저장되는지, 모델 학습에 쓰이지 않는지, 지역을 고정할 수 있는지, 문제가 생겼을 때 지원을 받을 수 있는지입니다.

예를 들어 DeepSeek는 공식 개인정보 처리방침에서 개인정보를 중국 내에서 직접 수집·처리·저장한다고 밝히고 있고, 학습 활용을 원하지 않으면 이용자가 거부 의사를 밝혀야 하는 구조입니다(DeepSeek 개인정보 처리방침, 2026년 2월 10일 갱신).

이 질문은 중국 모델에만 적용되는 것은 아닙니다. 모든 AI 서비스에 같은 기준으로 물어야 합니다. 다만 오픈웨이트와 멀티호스팅 선택지가 늘면서 답을 고를 여지가 커졌습니다. 소비자용 챗봇을 직접 쓰는 것, 비중국 클라우드에서 관리형 엔드포인트로 쓰는 것, 회사 VPC에서 쓰는 것은 겉으로 같은 모델을 사용하더라도 전혀 다른 운영 방식입니다.

한국도 모델 밖의 경쟁력을 준비하고 있습니다

우리나라도 이 흐름을 단순히 ‘어느 해외 모델을 쓸 것인가’의 문제로만 보지는 않는 분위기입니다. 이달 24일 '샌프란시스코 AI 선언'에서는 반도체, AI 데이터센터, 피지컬 AI, 인재 양성을 함께 묶은 협력 구상이 제시됐습니다(대한민국 정책브리핑, 샌프란시스코 AI 선언). 국내 기업과 글로벌 빅테크의 만남에서 반복해서 나온 키워드도 모델 하나가 아니라 인프라와 공급망이었습니다.

이는 한국이 가진 위치를 잘 보여줍니다. 글로벌 AI 경쟁에서 우리가 바로 모든 모델을 이겨야만 하는 것은 아닙니다. 메모리와 반도체, 데이터센터, 제조 현장, 서비스 적용 역량을 어떻게 연결하느냐가 더 현실적인 경쟁력이 될 수 있습니다. Kimi와 DeepSeek의 부상은 한국에도 ‘어느 모델이 가장 좋은가’보다 ‘어떤 조합이 우리 산업에 가장 오래 남는가’를 묻게 합니다.

그래서 지금 무엇을 선택해야 할까요

개인 사용자라면 새로운 모델을 정답을 알려주는 신기한 챗봇으로 보기보다, 내 작업에 맞는 도구인지 작은 과제로 비교해 보시는 편이 좋습니다. 같은 기획안을 세 모델에 맡겨 보고, 결과물뿐 아니라 수정 횟수와 응답 속도까지 함께 비교하면 차이가 보입니다.

기업이라면 더 단순하게 시작할 수 있습니다. 우선 민감하지 않은 대표 업무 10~20개를 고르고, 동일한 프롬프트와 도구 조건에서 모델을 비교해 보시면 됩니다. 그다음에 비용, 데이터 등급, 장애 대응, 대체 경로를 붙이는 방식입니다. 처음부터 전사 표준 모델 하나를 고르기보다, 업무별로 다른 모델을 쓰는 라우팅 구조를 설계하는 편이 더 현실적일 수 있습니다.

• 문서·코드 자동화가 많다면: 토큰 단가와 처리량을 먼저 보시는 편이 좋습니다.

• 이미지·PDF·복합 에이전트 업무가 많다면: 실제 입력과 도구 호출 품질을 파일럿으로 확인해야 합니다.

• 민감 데이터가 핵심이라면: 모델 이름보다 저장 위치와 계약 조건을 먼저 확인해야 합니다.

• 자체 운영을 고민한다면: GPU 가격뿐 아니라 운영 인력과 장애 책임까지 TCO에 넣어야 합니다.

중국 AI가 바꾸는 것은 승패보다 선택권입니다

중국 AI가 미국 AI를 완전히 이겼다고 말하기에는 아직 이릅니다. 최고 성능, 안전성, 기업 지원, 에이전트 플랫폼을 둘러싼 경쟁은 계속되고 있습니다. 그렇지만 시장의 기준선이 바뀌고 있는 것은 분명합니다. 좋은 모델을 비싼 단일 API에서만 써야 한다는 전제가 약해지고 있습니다.

앞으로 중요한 능력은 가장 유명한 모델을 고르는 눈만이 아닐 것입니다. 업무, 비용, 데이터, 배포 경로를 함께 설계하는 능력이 더 중요해질 가능성이 큽니다. AI 경쟁의 다음 장면은 누가 1등인지보다, 누가 더 많은 환경에서 더 책임 있게 쓸 수 있는지를 가르게 될 것입니다.