모델 801건 · 국산 131 · 가격 643 추적 중
MLOps·개발도구

AWS 베드록, 문샷AI 'Kimi K3' 모델 추가 지원

AWS ML Blog·2026-09-18영문 원문

요약

AWS가 아마존 베드록에 문샷AI의 오픈웨이트 모델 Kimi K3를 추가했다. 문샷AI에 따르면 Kimi K3는 자사 최고 성능 모델로 네이티브 비전 처리와 긴 컨텍스트 유지 기능을 갖췄으며, 이전 모델 Kimi K2 대비 스케일링 효율이 개선됐다고 밝혔다. Kimi K3는 베드록에서 명시적 프롬프트 캐싱을 지원하는 첫 오픈웨이트 모델로, 반복되는 프롬프트를 재사용할 때 지연시간과 입력 비용을 줄일 수 있다. AWS는 2025년부터 딥시크, 구글, 미니맥스, 미스트랄AI, 엔비디아, OpenAI, Qwen 등의 오픈웨이트 모델을 베드록에 계속 추가해왔고, 2026년에는 툴 콜링, 구조화된 출력, 추론, 응답 스트리밍 등 플랫폼 차원의 추론 기능을 확장했다. 오픈웨이트 모델 이용 시에도 데이터는 AWS 경계 내에서 처리되며 모델 제공자와 공유되거나 학습에 사용되지 않는다.

큐레이터 노트

원문에 없는 맥락입니다

이번 발표는 AWS가 프롬프트 캐싱 같은 자체 인프라 기능을 오픈웨이트 모델에도 확대 적용하는 흐름을 보여주며, 특정 제공사에 묶이지 않고 워크로드별로 모델을 골라 쓸 수 있는 선택지가 늘었다는 의미다.

깊이 읽기

이 기사 한 건이 아니라, 같은 사안을 다룬 이 사이트의 기록을 근거로 정리했습니다

이 일이 어디서 왔나

AWS는 2025년부터 딥시크, 미스트랄AI, Qwen 등 오픈웨이트 모델을 베드록에 순차적으로 추가해왔고, 9월 15일에는 베드록 프롬프트 캐싱으로 비용과 지연시간을 줄이는 방법을 별도로 소개한 바 있다. 이번 Kimi K3 지원은 그 두 흐름이 한 모델에서 처음 결합된 사례로, 오픈웨이트 모델에도 인프라 최적화 기능이 확대 적용되는 단계로 볼 수 있다.

짚어야 할 점

  • 9월 11일 AWS가 gpt-5.6 계열 모델을 '정답당 비용' 기준으로 비교했던 것과 달리, 이번 Kimi K3 발표에는 다른 모델과의 성능·비용 비교 수치가 없다.
  • 명시적 프롬프트 캐싱을 지원하는 첫 오픈웨이트 모델이라는 점은, 9월 15일 소개된 캐싱 기능(문서·시스템 프롬프트·툴 정의 캐싱 등)이 오픈웨이트 모델까지 넓어졌다는 의미로 읽힌다.
  • 스케일링 효율 개선, 최고 성능 등의 평가는 모두 문샷AI 측 발표에 근거한 것으로, AWS나 제3자의 독립적 검증 결과는 제시되지 않았다.

아직 확인되지 않은 것

  • Kimi K3의 프롬프트 캐싱 시 최소 토큰 임계값, TTL, 캐시 적중 시 실제 비용 절감폭이 얼마인지는 이 발표에서 확인되지 않았다.
  • Kimi K2 대비 '스케일링 효율 개선'이 구체적으로 어떤 벤치마크나 수치로 뒷받침되는지는 나오지 않았다.
  • 다른 오픈웨이트 모델(딥시크, Qwen 등) 대비 Kimi K3의 실제 성능·비용 우위 여부는 이 자료만으로는 판단할 수 없다.

이 기사에 나온 모델

단가는 이 사이트 카탈로그에서 매일 확인한 값입니다 · USD / 1M 토큰

alibaba
Kimi K3
입력 $3.00 · 출력 $15.00
컨텍스트 1.0M
moonshot
Kimi K3
입력 $3.00 · 출력 $15.00
컨텍스트 1.0M

다른 매체는 이렇게 썼다

같은 사안을 다룬 다른 곳의 보도입니다

우버 AI 예산 고갈, 진짜 원인은 비용 측정 실패
CIO Korea · 2026-09-28

우버는 2025년 12월 클로드 코드를 도입한 뒤 에이전트 기반 코딩 도구 사용률이 크게 늘면서 2026년 AI 예산을 넉 달 만에 소진했다. 우버는 대응으로 직원별 도구 사용 한도를 설정했지만, 우버 COO는 지출 증가가 실제로 더 많은 기능 출시로 이어졌는지 확인하기 어렵다고 말했다…

오픈AI, GPT-6 프롬프트 캐싱 강화로 비용·속도 개선
AI타임스 · 2026-09-25

오픈AI가 9월 22일(현지시간) GPT-6 제품군에 기본 캐시 적중률을 높인 향상된 프롬프트 캐싱 시스템을 출시했다. 코드베이스 리팩터링, 대규모 조사, 문서·프레젠테이션 제작처럼 여러 차례 API 요청이 이어지는 장시간 작업에서 반복되는 컨텍스트를 재사용해 응답 속도와 비용 효율을 …

LLM 내부서 '고통 방향' 벡터 발견
AI타임스 · 2026-09-21

미국 미래영향그룹(FIG)과 보훔 루르대학교 연구진이 오픈웨이트 AI 모델들을 대상으로 내부 표현을 분석한 결과, '고통 방향(Pain Direction)'이라 부를 수 있는 특정 벡터가 형성된다는 연구 결과를 9월 14일(현지시간) 발표했다. 연구진은 이 벡터가 단순한 언어 패턴 학습…

이 사안의 흐름

같은 주제를 다룬 이 사이트의 기록 — 최신순

이 글에 나온 말

용어집 전체 →
프롬프트 캐싱
프롬프트 캐싱은 반복적으로 사용되는 긴 프롬프트의 앞부분(시스템 프롬프트, 도구 정의, 참고 문서 등)을 서버에 저장해 두었다가 이후 요청에서 재사용함으로써 응답 속도를 높이고 비용을 줄이는 기능을 말한다.
프롬프트
AI 모델에게 원하는 작업을 지시하기 위해 입력하는 텍스트를 말한다.
스트리밍
모델이 응답 전체를 다 만들 때까지 기다리지 않고, 생성되는 토큰을 그때그때 순서대로 전송하는 응답 방식을 말한다.
학습
학습은 모델이 데이터를 반복적으로 살펴보며 예측 오차를 줄이는 방향으로 내부 파라미터를 조정해 나가는 과정을 말한다.

이 분야 브리핑

여러 매체가 함께 다룬 사안을 한 번에

이 페이지는 원문을 요약·재서술하고 이 사이트가 쌓은 기록을 덧붙인 큐레이션입니다. 원문 본문은 싣지 않으며, 수치와 표기는 원문 기준을 유지했습니다.

AWS ML Blog 원문 전체 보기 →

같은 분야의 다른 소식

전체 뉴스 →