Kimi

Kimi의 핵심 강점은 많은 텍스트를 한 번에 담는 힘이다. K2 계열은 128K 토큰 창에서 256K로 넓어졌고, 이는 완전한 기술 문서나 중간 규모 코드베이스를 담기에 충분하다. 이런 장문 맥락 AI 동작 덕분에 빽빽한 자료를 다룰 때 "흐름을 놓쳤다"는 순간이 줄어든다. 나머지 모든 기능이 이 위에 올라간다.

채팅을 넘어 Kimi는 진짜 에이전트형 AI 모델로 움직인다. 목표를 받아 단계로 쪼개고, 그 과정에서 도구를 호출하고 웹을 탐색한다. Moonshot의 사고 모델은 사람이 지켜보지 않아도 긴 도구 호출 연쇄를 해낸다고 내세운다. 사용자 입장에서는 질문하는 쪽에서 일을 맡기는 쪽으로의 전환이며, 평범한 챗봇과 가장 멀어지는 지점이다.

모델은 소프트웨어 작업에 맞춰 조정됐고, Moonshot은 SWE-bench 같은 코딩 벤치마크에서 강한 결과를 보고한다. 프런트엔드 생성과 일상적 수정을 잘 처리하는 AI 코딩 어시스턴트로 보면 된다. 여러 파일에 걸친 까다로운 리팩터링을 맡기고 자리를 뜨지는 않겠지만, 일상적인 코딩 작업이라면 버틴다.

Kimi는 작업의 일부로 웹을 검색하고 페이지를 읽은 뒤 찾은 내용을 정리한다. 답이 학습 데이터에 없는 질문에 유용하다. 결과는 도달한 출처만큼만 좋기 때문에 인용을 확인해야 한다.

프롬프트 하나로 슬라이드, 문서, 스프레드시트, 간단한 웹사이트 같은 구조화된 결과물을 만든다. 어느 것도 전용 도구만큼 다듬어지지는 않았지만 빠른 초안이 된다. 내부 작업에는 좋고, 고객용은 당신의 손을 거치지 않으면 아쉽다.

개발자는 같은 모델을 API로 받는다. 기존 OpenAI 방식 클라이언트를 최소한의 변경으로 연결할 수 있는 호환성도 갖췄다. 요금은 토큰 단위이며 상위 폐쇄형 모델보다 낮다. 에이전트 워크플로를 대량으로 돌린다면 중요한 부분이다.