Kimi K3과 DeepSeek V4 사이: 네이티브 멀티모달의 시간 간격

36Kr의 이번 기사는 네이티브 멀티모달(multimodal, 다중모드) 역량이 Kimi K3와 DeepSeek V4 같은 모델들 사이에 경쟁 격차를 만들어내고 있다고 분석한다. 한 멀티모달 연구자는 긴 체인(chain) 작업의 경우 코드 수준 피드백만으로는 오류가 누적되는 반면, 시각적 피드백은 더 정확하고 사용자 의도에 더 가깝다고 지적한다. 기사는 네이티브 멀티모달이란 이미지와 텍스트가 사전학습(pre-training) 단계부터 메인 모델을 함께 형성하고, 이후 후처리 학습(post-training)과 에이전트(agent) 인지 단계까지 이어지는 방식을 의미한다고 설명한다. Kimi K3는 Arena Frontend Code 리더보드에서 1679점으로 1위를 차지했으며, Puter의 테스트에서는 다섯 가지 시각적 오차를 오탐(false positive) 없이 모두 식별해냈다. 기사는 이를 DeepSeek의 접근 방식과 대조한다. DeepSeek는 텍스트 전용 모델과 외부 도구 활용에 집중하고 있는데, DeepSeek V4가 강력한 코딩 및 추론 능력을 갖추고 있음에도 네이티브 비전 기능은 없다는 점을 지적한다. Alibaba와 ByteDance 같은 다른 중국 연구소들도 네이티브 멀티모달 경로를 따르고 있다. 기사는 이러한 방향이 수반하는 비용도 다룬다. 비전 기능을 통합하면 언어, 추론, 코딩 능력이 희석될 수 있으며, 더 많은 컴퓨팅 자원과 데이터가 필요하다는 것이다. K3는 2.8조 개 파라미터(parameter) 규모의 모델을 사용하며, 토큰당 1040억 개의 파라미터가 활성화되고, 자체 개발한 비전 인코더(vision encoder) MoonViT-V2를 탑재하고 있다. 기사는 현재 코딩 역량에 투자할 것인가, 아니면 멀티모달 시대를 대비할 것인가 사이의 트레이드오프(trade-off)를 언급하며, K3 출시 이후 인재 스카우터들이 Moonshot AI 주변으로 몰려들고 있다고 전한다.