2026년 07월 18일 - 킴K3가 프론트엔드 코드에서 클로드를 이겼음, AWS는 17억 달러짜리 유령 청구서를 뿌렸음

2026년 07월 18일 - 킴K3가 프론트엔드 코드에서 클로드를 이겼음, AWS는 17억 달러짜리 유령 청구서를 뿌렸음

AI · ML

AI · LLM

Kimi K3, 아레나 프론트엔드 코드 1위로 클로드 페이블 5 제쳤음

Kimi K3, and what we can still learn from the pelican benchmark

• Moonshot AI가 7월 16일 Kimi K3를 공개함 — 2.8조 파라미터 MoE 모델로, 스스로 "3T급 오픈 모델" 최초라고 칭함. 오픈 웨이트는 7월 27일 공개 예정이고 지금은 API로만 사용 가능. Artificial Analysis 종합 지표에서 Elo 1547을 기록해 K2.6 대비 +732점 상승했고, 순위는 Claude Fable 5 바로 다음. Arena.ai 프론트엔드 코드 부문에서는 1679점으로 Fable 5까지 제치고 1위에 올라섬. 자체 공개 벤치마크로는 Opus 4.8 max와 GPT-5.5 high를 대부분 이겼지만 Fable 5·GPT-5.6 Sol에는 밀림. 가격은 입력 $3, 출력 $15/백만 토큰으로 중국 랩 모델 중 최고가지만, 태스크당 비용은 Opus 4.8의 절반 수준.
• 오픈 웨이트 모델이 프론트엔드 코드처럼 실사용 비중 높은 영역에서 최상위 폐쇄형 모델을 이긴 사례라는 점이 시장을 흔든 이유. Moonshot은 알리바바·텐센트·메이투안이 투자한 회사로 5월에 200억 달러 밸류에이션에 20억 달러를 유치했고, 지금은 300억 달러 밸류에이션 라운드를 협상 중.
• 7월 27일 오픈 웨이트 공개 이후 자체 호스팅 성능·비용이 API 결과와 얼마나 일치하는지가 다음 관전 포인트. DeepSeek R1 때처럼 미국 AI 관련주가 다시 흔들렸다는 보도도 나오는 중이라, 오픈소스 공개 시점에 비슷한 반응이 재연될지 지켜볼 만함.

AI · 오픈소스

모질라 "오픈소스 AI 격차 3.3%로 다시 벌어졌음" — 근데 진짜 문제는 인프라

The state of open source AI

• 모질라가 CTO 라피 크리코리안 명의로 첫 "State of Open Source AI" 리포트(V1.0, 2026년 7월)를 발표함. Chatbot Arena 기준 오픈-폐쇄형 격차는 2024년 8월 0.5%까지 좁혀졌다가(DeepSeek-R1이 순간적으로 최상위 모델과 동률), 2026년 3월 기준 3.3%로 다시 벌어짐. 대신 OpenRouter에서 가장 많이 쓰이는 상위 5개 모델이 전부 오픈 웨이트고, 실사용 토큰의 과반이 오픈 모델을 거쳐감. GPT-4급 추론 비용은 36개월 만에 토큰당 $20에서 $0.40으로 떨어짐 — 50배 하락. 코딩·지시 이행·일반 지식에서는 거의 동률이고, 격차는 추론·긴 컨텍스트·에이전틱 작업에 몰려 있음.
• 크리코리안은 "이제 모델을 누가 만드냐가 아니라 누가 그걸 감사하고 개선할 힘을 갖느냐의 문제"라고 짚음. 오픈 모델 팀의 프로덕션 도달률은 51%로 폐쇄형 63%보다 낮은데, 원인이 모델 성능이 아니라 툴링·신뢰 인프라 부족이라는 게 리포트의 핵심 주장.
• 뉴질랜드 마오리어 음성모델, PwC 금융 특화 모델, 적십자 의료 모델 등 리포트가 소개한 사례는 전부 "자체 호스팅 + 자체 데이터 소유"가 핵심. 인프라·거버넌스 투자가 따라오지 않으면 폐쇄형 쏠림이 다시 굳어질 수 있다는 경고가 리포트의 결론.

개발 · 플랫폼

개발 · 오픈소스

7440억 파라미터 모델을 노트북에서 돌림 — 비결은 "전문가를 메모리에 안 올리는 것"

Colibri: Running a 744B AI Model on Your Laptop

• 개발자 JustVugg가 7월 10일 Colibri를 공개함 — Zhipu AI의 7440억 파라미터 MoE 모델 GLM-5.2를 RAM 25GB짜리 노트북에서 구동하는 순수 C 추론 엔진. 21,504개 라우팅 전문가(int4 양자화 시 각 19MB, 총 370GB)는 디스크에 두고, 어텐션·공유 전문가 등 상주 파라미터 약 9.9GB만 RAM에 로드. 토큰마다 실제로 바뀌는 건 약 11GB뿐이라는 계산에 기반해 레이어별 LRU 캐싱과 OS 페이지 캐시를 활용. 12코어 CPU + WSL2 환경에서는 초당 0.05~0.1 토큰, 애플 M5 Max에서는 약 1.06 토큰/초. MTP(멀티토큰예측) 추측 디코딩으로 캐시가 데워지면 포워드당 2.2~2.8 토큰까지 처리.
• 지금까지 744B급 프론티어 모델은 H100 여러 장이 있어야 시험이라도 해볼 수 있었는데, Colibri는 25GB RAM 노트북에서 "느리지만 정확하게 동작한다"는 걸 증명함. transformers 오라클과 토큰 단위로 정확히 일치하는 검증까지 거쳐 장난감 데모 수준은 아니라는 게 특징.
• OpenAI 호환 API를 제공해 Claude Code 같은 기존 도구가 그대로 붙는다는 점에서, 로컬 프라이버시는 필요한데 하드웨어는 없는 개발자들에게 실사용 옵션이 될 가능성. 다만 속도가 초당 1토큰 안팎이라 실시간 대화보다는 배치 작업·오프라인 실험에 가까움.

개발 · 인프라

깃허브, 코파일럿 에이전트를 SDK로 통째로 꺼내줬음

github/copilot-sdk

• GitHub Copilot SDK가 6월 2일 정식 GA로 전환됨(4월 퍼블릭 프리뷰 시작). Python, TypeScript(Node), Go, .NET, Rust, Java 등 멀티플랫폼을 지원하고, Copilot 프로덕션 에이전트 런타임(플래닝, 툴 호출, 파일 편집, 스트리밍, 멀티턴 세션)을 그대로 API로 노출함. 커스텀 툴 등록과 MCP 서버 연결이 가능하고 grep·edit_file 같은 내장 툴도 오버라이드 가능. Rust SDK는 Copilot CLI 바이너리를 기본 번들로 포함. 인증은 GitHub OAuth, 환경변수, BYOK(OpenAI·Azure AI Foundry·Anthropic 자체 키 사용)까지 지원해 GitHub 계정 없이도 런타임만 가져다 쓸 수 있음. GitHub Trending에서 오늘 하루 만에 +234 스타.
• 지금까지는 Copilot의 에이전트 오케스트레이션을 직접 재구현해야 했는데, SDK가 그 레이어를 통째로 대체함. BYOK 지원은 사실상 "Copilot 브랜드 없이도 우리 런타임 갖다 써라"는 메시지에 가까움.
• 멀티클라이언트 세션(여러 클라이언트가 같은 세션에 툴·권한을 기여하는 구조) 지원까지 붙으면서, Copilot이 단일 제품에서 에이전트 인프라 레이어로 포지션을 넓히는 흐름과 맞물림.

산업 · 비즈니스

산업 · 빅테크

AWS가 5달러짜리 고객한테 17억 달러 청구서 보냈음

AWS: Inaccurate Estimated Billing Data – $1.7 billion

• 7월 17일 새벽 1시 33분(태평양시) AWS Health 대시보드에 이상 징후가 뜨기 시작, Cost Explorer와 Billing Console에 표시되는 예상 청구액이 실제 사용량과 무관하게 폭증함. 평소 월 5달러 안팎이던 고객이 17억 달러 예상 청구서를 받은 사례가 다수 보고됐고, 어떤 사용자는 지난달 실제 청구액이 19센트였는데 예상 청구액이 약 25억 달러로 찍힘. 커뮤니티에는 12만 6천 달러부터 최대 2.5조 달러까지 다양한 액수가 보고됨. AWS는 원인을 "예상 청구액 계산 서브시스템의 단가(unit pricing) 오류"로 조사 시작 90분 만에 특정함.
• AWS는 실제 청구액(actual charges)은 전혀 영향받지 않았고 화면에 뜨는 예상치(estimate)만 잘못됐다고 못 박음 — 그래도 자동화된 비용 알람·예산 봇을 운영하던 팀들은 새벽에 긴급 알림을 받고 대응해야 했음. HN 댓글에서는 과거 유사 사고 경험자가 "가격 정책(pricing plan)에 단위(GB vs 바이트)가 잘못 매핑되면 미터링 값이 그대로 잘못 계산돼 이런 사고가 난다"고 원인 구조를 설명.
• AWS는 7월 18일 정오(태평양시)까지 Cost Management Console 수치를 백필해 정상화하겠다고 공지함. 실사용 지표(메터링)와 가격 정책(프라이싱 플랜)을 잇는 파이프라인에 엔드투엔드 테스트가 빠져 있었다는 지적이 나오는 중이라, 이번 사고가 AWS 내부 청구 시스템 테스트 관행에 변화를 가져올지가 관전 포인트.