Moonshot이 Kimi K3(2.8T 오픈)를 출시, NVIDIA가 Open Secure AI Alliance를 발표, Perplexity가 엔터프라이즈 제공을 강화

2026년 7월 27일은 세 가지 주요 발표가 겹친 밀도 높은 날이다. Moonshot AI는 출시 첫날부터 Together AI에 호스팅된 2.8조 파라미터 오픈 모델 Kimi K3의 가중치와 기술 보고서를 공개한다. NVIDIA는 같은 날 Adobe에서 Microsoft, Hugging Face, SpaceXAI에 이르기까지 약 30개 파트너와 함께 Open Secure AI Alliance를 출범시키며, 이미 다뤘던 Hugging Face 보안 사고의 여파 속에서 AI 보안용 오픈 도구를 위한 연합을 구성한다. Perplexity는 한편으로 지난 2주 동안의 첫 변경 로그를 게시하며, 기업용 기능에 크게 초점을 맞춘 9개 기능을 한꺼번에 내놓는다. 이 세 가지 주위를 둘러싸고 Cognizant와 Anthropic, Cohere North Automations, Zed의 Opus 5 채택 등 7개의 주목할 만한 소식과 5개의 소규모 발표가 더 이어진다.

Kimi K3: Moonshot AI가 2.8조 파라미터 오픈 모델을 공개, Together AI가 첫날부터 호스팅

7월 27일, 17:14 — Moonshot AI가 Kimi K3의 가중치와 기술 보고서를 공개했다. 이 회사는 이를 3,000억(원문 표현 기준) 파라미터급 최초의 오픈 모델이라고 소개했으며, 이는 Moonshot의 표현이니 그 자체로 받아들여야 한다. 실제로는 총 2.8조 파라미터의 MoE(Mixture-of-Experts) 모델이며, token당 활성화되는 파라미터는 1040억에 불과하고 93개 레이어에 분산되어 있다. 회사가 주장하는 성능 향상의 핵심은 두 가지 독자적 아키텍처 혁신이다. **Kimi Delta Attention (KDA)**는 Attention Residuals(Attention Residuals) 메커니즘과 결합되어 있고, 매우 희소한 MoE인 « Stable LatentMoE »는 한 번의 통과마다 896개 전문가 중 16개만 활성화한다. Moonshot은 Kimi K2 대비 스케일링 효율이 약 2.5배 향상되었다고 주장하며, 이는 “단순히 파라미터만 더 많은 것이 아니다”라는 메시지로 요약된다. 또한 모델은 비전 기능을 네이티브로 통합하고(MoonViT-V2 인코더), 100만 토큰의 컨텍스트 윈도우를 제공한다.

Kimi K3는 Kimi.com, 모바일 앱(iOS/Android/HarmonyOS), 데스크톱 앱 Kimi Work, 명령줄 기반 코딩 에이전트 Kimi Code(/model로 선택 가능), 그리고 Kimi API(OpenAI/Anthropic 호환 모델 kimi-k3)에서 즉시 사용할 수 있으며, 가격은 캐시 포함 입력 $0.30/MTok, 캐시 미포함 입력 $3.00/MTok, 출력 $15.00/MTok이다. Together AI는 첫날부터 호스팅 파트너이며, Hugging Face는 추가 코멘트 없이 이 발표를 재게시했다.

벤치마크	Kimi K3	Claude Fable 5	Claude Opus 4.8	GPT-5.5
SWE-Marathon	42,0	35,0	40,0	—
MCPMark-Verified	94,5	87,4	—	—
GPQA Diamond	93,5	92,6	91,0	93,5

Moonshot은 몇 가지 한계를 명확히 인정한다. 보존된 추론 모드에 매우 민감해 전체 히스토리를 이후 턴에 그대로 다시 넣어야 하며, 그렇지 않으면 불안정해질 수 있고, 긴 모호한 작업에서는 ‘과도한 능동성’ 경향이 있으며, 연구실 자체 평가에서 Claude Fable 5와 GPT-5.6 Sol에 비해 사용자 경험 격차가 “눈에 띄는” 수준이라고 본다. 한편 새로운 주의 메커니즘과 호환되는 prefix cache 구현이 모델 공개와 병행해 vLLM 커뮤니티에 기여되었다.

“Releasing the model weights and technical report of Kimi K3. Kimi K3 is our most capable model: a 2.8T MoE model with native visual understanding and a 1M-token context window. New model architecture: 2.5x the intelligence per unit of compute, not just more params.”

🇰🇷 우리는 Kimi K3의 모델 가중치와 기술 보고서를 공개합니다. Kimi K3는 우리의 가장 강력한 모델입니다. 시각 이해를 네이티브로 갖춘 2.8조 파라미터 MoE 모델이며, 100만 토큰의 컨텍스트 윈도우를 제공합니다. 새로운 아키텍처: 단순히 파라미터만 늘린 것이 아니라, 계산 단위당 지능이 2.5배 더 높습니다. — @Kimi_Moonshot X에서

🔗 모델 가중치 — Hugging Face

🔗 기술 보고서 — GitHub

NVIDIA가 Open Secure AI Alliance를 결성, AI 보안을 위한 30여 개 파트너 참여

7월 27일 — NVIDIA가 Open Secure AI Alliance의 출범을 발표했다. 이 연합은 Adobe, Cadence, Capital One, Cisco, Cloudflare, Cognition, CrowdStrike, Databricks, Dell, Hugging Face, IBM, LangChain, Linux Foundation, Microsoft, NAVER, Palantir, Red Hat, Salesforce, SAP, ServiceNow, Siemens, Snowflake, SpaceXAI, Thinking Machines Lab 등을 포함한 약 30개의 창립 파트너로 구성되며, AI 시스템의 보안과 신뢰성을 위한 오픈 도구의 개발과 공유를 목표로 한다.

이번 발표는 7월 중순 Hugging Face에서 발생한 보안 사고(이미 다뤘음)에 직접 기대고 있다. NVIDIA 블로그는 Hugging Face가 자체 인프라에서 오픈 모델 GLM 5.2를 실행해 17,000개 이상의 동작을 분석하고 침입을 차단했다고 설명하며, 이는 선도적인 오픈 모델이 보안 부채가 아니라 방어 자산이라는 점을 보여주는 사례라고 NVIDIA는 강조한다.

연합 파트너	구체적 기여
NVIDIA	NOOA (NVIDIA Labs Object-Oriented Agent), 에이전트 하네스에 대한 연구 프레임워크, GitHub에서 오픈 소스
Hugging Face	Safetensors 형식을 PyTorch Foundation에 기증
Microsoft	MDASH, 악용 가능한 취약점을 입증하기 위한 멀티모델 에이전틱 스캔 하네스
HPE	SPIFFE/SPIRE, 에이전트와 AI 서비스용 제로 트러스트 ID
SpaceXAI	터미널 코딩 에이전트 Grok Build 공개, Grok 계열의 가중치는 추후 공개

드물게도 Jensen Huang이 직접 이 발표에 대해 언급했다. 이는 이미 다뤘던 7월 24일 서한 이후 X에 게시된 그의 두 번째 메시지일 뿐이다. 같은 날 Cognition(Devin)은 오픈 소스 파생 모델의 신뢰성에 관한 자체 연구를 공개하면서 연합에 합류했으며, 해당 연구는 이미 7월 8일에 발표된 바 있다.

“Closing open source models hurts innovation. The path forward is better tools to evaluate, secure, and deploy them responsibly.”

🇰🇷 오픈 소스 모델을 닫아버리면 혁신이 저해됩니다. 앞으로 나아가는 길은 그것들을 평가하고, 보호하고, 책임 있게 배포할 더 나은 도구를 갖추는 데 있습니다. — @cognition X에서

Sakana AI도 같은 날 7월 24일 Jensen Huang의 서한이 촉발한 오픈 모델 지지 흐름에 합류했다. 이는 연합 자체와는 별개의 세 번째 신호로, 한 주를 마무리한다: 보안 사고(7월 21일), 공개 서한(7월 24~26일), 그리고 구체적 산업 연합(7월 27일).

🔗 공식 발표 — NVIDIA

🔗 Jensen Huang X에서

🔗 Sakana AI가 흐름에 합류

Perplexity가 2주 만에 첫 변경 로그를 공개: 9개 기능, 기업 중심으로 이동

7월 27일 — Perplexity가 밀도 높은 변경 로그 항목을 게시했다. 이는 지난 7월 13일(« Introducing Brain for Perplexity Computer ») 이후 첫 게시물이며, 이 채널에 새 소식이 없던 2주를 마무리한다. 이번 항목은 Perplexity Search, Computer, Agent API, Comet Assistant에 걸친 9개의 개별 기능을 묶어 소개한다. 그중 8개는 새 기능이며, 9번째인 Search와 Computer에 Claude Opus 5를 통합하는 기능은 이미 7월 25일 X에서 발표되었고, 여기서는 공식 변경 로그로만 재확인되었다.

새 기능	기술적 세부사항
역할 기반 접근 제어(RBAC) + SCIM	사용자 정의 역할, 그룹 동기화, 그룹별 크레딧 제한 — 연간 Enterprise 계약 전용
API 자격 증명 금고	Computer가 에이전트나 샌드박스에 비밀을 노출하지 않고도 모든 타사 API에 인증
Max 구독자 전원으로 확장된 Brain	전 세계 모든 Max 구독자에게 확장된 자기 개선형 메모리, 15개 언어로 위키 작성
Agent API용 Skills	개발자 에이전트를 위해 필요 시 로드되는 구성 가능한 기능
Comet Assistant 내 Computer	현재 보고 있는 페이지를 떠나지 않고 Comet 패널에서 바로 Computer에 접근
Check Sources	Ask 또는 Computer의 응답이 인용된 출처로 실제로 뒷받침되는지 확인
Source Context Panel	응답의 출처를 검토, 비교, 심화하기 위한 측면 패널
프롬프트 기반 세션 관리	단순한 대화만으로 Computer 세션을 찾고, 요약하고, 분기하거나 병렬화

표의 처음 두 기능은 특히 연간 Enterprise 계약을 맺은 조직을 겨냥한다. SCIM 동기화가 포함된 역할 기반 접근 제어는 중앙집중식 프로비저닝과 팀별 크레딧 한도 같은 전형적인 IT 거버넌스 요구를 충족하고, API 자격 증명 금고는 네이티브 커넥터가 없는 타사 서비스까지 Computer를 확장하면서도 에이전트에게 원본 비밀을 절대 노출하지 않는다. 반면 모든 Max 구독자로 Brain을 확장한 것은, 해당 기능이 한 달 전 먼저 도입된 Enterprise 전용 구간보다 훨씬 넓은 대중을 대상으로 한다.

이 9개 기능 중 어느 것도 프리뷰 전용이라고 표시되지 않았다. 모든 기능은 게시 시점에 이미 배포되었거나 전면 배포 중이다. 엔터프라이즈 거버넌스, 개발자, 일반 사용자를 한 번에 아우르는 규모를 감안하면, 이 변경 로그는 7월 중순 Personal Computer 출시 이후 Perplexity의 가장 밀도 높은 게시물이다.

🔗 공식 변경 로그 — Perplexity

Cognizant와 Anthropic이 기업 파트너십을 확장

7월 27일 — Cognizant가 Claude Partner Network 내에서 Global Premier Partner가 되었다. Claude는 이제 회사 내부의 세 플랫폼에 통합되어 있다. Flowsource(풀스택 엔지니어링 플랫폼, Claude Code가 프로젝트의 명세와 블루프린트에 의해 지시되는 Spec-Driven Development 모듈), Neuro AI Engineering, Neuro IT Ops가 그 대상이다. 이미 3만 명이 넘는 Cognizant 직원이 Claude 교육을 받았으며, 이는 그룹의 새로운 인력 운영 모델인 “Frontier Certified”의 일환이다.

고객 사례	측정된 결과
고객 경험 포털(글로벌 제조사)	6개월 만에 제공
계약 인텔리전스(바이오파마)	검토 시간 최대 -40%, 추출 정확도 88% 이상
리스크 내비게이션(보험)	1인당 주당 약 8시간 절감

Cognizant의 Ravi Kumar S(CEO)는 AI 역량과 이를 흡수할 기업의 역량 사이에 커지는 격차를 언급하며, Cognizant를 이러한 배포에 필요한 비즈니스 맥락, 엔지니어링 규모, 신뢰 프레임워크를 제공하는 다리로 자리매김한다.

🔗 공식 발표 — Anthropic

코드 도구: Zed가 Claude Opus 5를 채택, GitHub Copilot은 비용을 최적화

Zed 1.12.1과 1.13.1에 Claude Opus 5 추가

7월 27일 — Zed가 1.12.1(안정판)과 1.13.1(프리뷰)을 동시에 출시하며, Anthropic provider와 Amazon Bedrock BYOK(bring your own key)에 대해 Claude Opus 5 지원을 추가했다. Zed는 Cursor, Devin, v0, Warp에 이어 Opus 5를 통합한 다섯 번째 코드 도구가 되었지만, 앞선 네 개와 달리 X가 아니라 변경 로그만으로 발표했다. 프리뷰 채널에서는 또한 세 가지 버그를 수정했다. 프로젝트 설정이 language server를 다시 활성화하지 못하던 문제, Amazon Bedrock의 Mantle endpoint에서 GPT-5.x 모델이 중복 응답을 내던 문제, 그리고 제외된 중첩 저장소를 잘못 다시 올리던 프로젝트 검색 문제다.

🔗 안정판 변경 로그 — Zed

GitHub Copilot — Auto 라우팅(HyDRA)으로 AI 크레딧 수명이 3.3배 길어짐

7월 27일 — GitHub는 prompt caching, tool search, 그리고 HyDRA라는 이름의 모델 라우팅 시스템이 각 Copilot 세션에서 반복되는 컨텍스트를 줄인다고 설명했다. 수치 결과는 이렇다. HyDRA는 OpenRouter Auto가 달성한 70.8%의 작업 해결률과 동률이면서도, 크레딧 절감은 3.3배에 달한다. 이 발표를 위한 별도 블로그 게시물은 없었고, 현재로서는 단순한 트윗 형태로만 남아 있다. 이는 6월 25일에 게시된 Copilot 하네스 효율성 평가의 연장선이다.

🔗 발표 — @github X에서

OpenAI: 엔터프라이즈로 확장된 음성 기능과 새로운 경제 연구

GPT-Live가 Edu, Business, Enterprise에 전 세계적으로 제공됨

7월 27일 — OpenAI는 인간과 AI 간의 자연스러운 상호작용을 위해 7월 8일 도입된 차세대 음성 모델 GPT-Live가 이제 Edu, Business, Enterprise 플랜 전 세계에서 사용할 수 있다고 확인했다. ChatGPT Voice의 데스크톱 앱은 이미 7월 23일에 이 플랜들을 언급한 바 있다. 이번 새 소식은 데스크톱 통합만이 아니라 음성 모델 자체가 전 세계 범위에서 포함된다는 점을 명시적으로 확인한 것이다. 이 발표는 별도 기사 없이 바로 X에 게시되었으며, 이번 관찰 창에서 확인된 Enterprise 확장의 흐름과 가장 직접적으로 연결되는 요소다.

🔗 발표 — @OpenAI X에서

최전선에서 일하다 : AI가 업무에서 수행하는 작업을 어떻게 확장하는가

7월 27일 — OpenAI Economic Research는 미국 사용자들의 ChatGPT 메시지 80만 건 이상을 분석한 결과를 바탕으로, 새로 정기적으로 발행되는 시리즈의 첫 번째 보고서를 공개한다. 이 보고서는 작업 중첩(task crossover)이라는 개념을 소개한다. 즉, 원래는 어떤 직업과 연관된 업무가 다른 직업을 가진 사람들의 AI 사용에서 나타나는 현상이다. 업무 관련 메시지의 16.8%, 직업별 특정 메시지의 43.5%가 사용자의 직업과 다른 직업의 업무를 다룬다.

관련 직업	직무 외 업무 비중
고객 경험	77%
디자인	75%
인사	69%
법무	56%
마케팅	53%

이 현상은 작은 조직에서 더 자주 나타난다. 직무 외 업무 비중은 2~5석 규모의 작업 공간에서는 18.9%지만, 100석 이상에서는 16.3%로 내려간다. 이는 전문 인력이 부족한 곳에서 AI가 범용 도구로 쓰인다는 생각과 일치한다.

🔗 전체 보고서 — OpenAI

Meta AI, 보조 로보틱스 프로젝트에 SAM과 DINOv3를 배포하다

7월 27일 — Meta AI는 University of Pittsburgh의 HERL과 ATDev가 주도하고, 미국 연방 생의학 첨단 연구 기관 ARPA-H의 지원을 받아 최대 $41.5 million 규모로 진행되는 RAMMP(Robotic Assistive Mobility and Manipulation Platform) 프로젝트에 대한 사례 연구를 공개한다. 목표는 휠체어 사용자에게 더 안전한 로봇 플랫폼을 만드는 것이다. 미국에는 약 550만 명의 휠체어 사용자가 있으며, 매년 응급실에서 치료받는 휠체어 관련 부상은 10만 건이 넘는다.

오픈소스 모델 DINO/DINOv3(자기지도 학습 vision transformer)와 SAM/SAM 3.1(분할)은 배터리 자율성과 안정적인 네트워크 연결 부재라는 제약 때문에 로봇의 탑재 하드웨어에서 직접 edge computing으로 실행된다. 인식 시스템은 RF-DETR에 기반하며, DINOv2 embeddings로 미세 조정된 경량 탐지기다. 이 모델의 학습 데이터는 SAM을 통해 자동 주석 처리된다. 관련 컨소시엄에는 Kinova Robotics, LUCI Mobility, ATDev, 그리고 Carnegie Mellon, Cornell, Northeastern, Purdue 팀이 포함된다.

🔗 전체 사례 연구 — Meta AI

Cohere, 기업용 agentic 워크플로 오케스트레이션인 North Automations 출시

7월 27일 — Cohere는 자사의 기업용 agentic 플랫폼 North의 새로운 기능인 North Automations를 발표한다. 이를 통해 예약 실행, 반복과 분기, 단계별 모델 선택, 구축 전에 검토할 수 있는 “Plan” 모드, 사람의 승인 지점, 토큰 사용량 추적 등 자연어로 자동화 워크플로를 설계할 수 있다. Cohere는 agent 오케스트레이션의 시장 기회를 $550 billion으로 추산하며, agentic AI의 hype cycle에 관한 Gartner 보고서를 인용한다.

Automations는 North의 기존 인프라(온프레미스 또는 클라우드 배포, 자체 커넥터, MCP 또는 SDK, 가드레일과 세분화된 권한)를 활용하며, 오늘부터 모든 North 고객이 사용할 수 있다. 내부적으로는 Marketing Operations, Customer Success, Sales 팀이 이미 각자의 자동화를 구축했다. 각각 자연어 질문을 BigQuery SQL 쿼리로 변환하는 기능, HR, Slack, Salesforce를 집계하는 고객 참여 추적기, 그리고 Salesforce, Slack, Gmail, Notion을 교차 활용하는 잠재 고객 통화 준비 도구다.

🔗 공지 — @cohere on X

🔗 블로그 글 — Cohere

간단 소식

GitHub Blog — « The harness is all you need (mostly) » — Burke Holland이 Copilot 워크플로를 위한 8단계 과정(도구 선택, YOLO 모드, 시각적 프로토타입, /grill-me를 사용한 계획, Autopilot으로 구현, 사람 검토, 다른 계열 모델의 교차 검토, 배포)을 제시한다. Copilot 제품군 전반에 적용 가능하다. 🔗 출처
NVIDIA — Vera CPU가 칩 설계를 가속하다 — Cadence(Jasper)와 Synopsys(VCS)를 사용하는 EDA 흐름에 내부적으로 배포되었으며, 동일한 코어 수에서 특정 검증 작업 부하에 대해 최대 1.5배 성능 향상을 보인다. 🔗 출처
NVIDIA — Nemotron 3 Ultra가 agentic RTL 코딩에서 선두 — 아홉 개의 실제 칩 설계 범주에서, 이미 알려진 이 오픈 모델은 테스트된 오픈 모델 중 최고 성과를 낸다. 🔗 출처
HeyGen / HyperFrames — 30일 중 21일차와 22일차 — HeyGen API를 통한 클라우드 렌더링(1080p에서 분당 약 $0.10) 이후, 처음부터 다시 만들지 않고 장면을 구성할 수 있는 재사용 가능한 구성 요소 카탈로그를 제공한다. 🔗 21일차 · 22일차
ElevenLabs — 10월 6일 벵갈루루 정상회의 — 이 행사에서 음성 AI를 연구하는 인도 팀들의 새 모델과 시연의 선공개가 예고되어 있다. 🔗 출처

이것이 의미하는 것

모델 개방은 말에서 행동으로 옮겨가고 있다. 7월 24일 Jensen Huang의 서한과 그에 따른 확산되는 지지(Cohere, Ai2, Together AI, 그리고 주말에 합류한 Sakana AI) 이후, 7월 27일은 질적 도약을 보여준다. 구성원들이 제공한 구체적 도구들(NVIDIA의 NOOA, Hugging Face의 Safetensors, HPE의 SPIFFE/SPIRE)과 3,000억 개 파라미터급을 자랑하는 대표 모델 Kimi K3를 포함한, 구조화된 산업 연합이 형성된 것이다. 같은 날 공개된 같은 흐름의 서로 다른 두 형태다.

보안은 개방에 반대하는 논거가 아니라, 개방을 위한 논거가 된다. Open Secure AI Alliance는 흔한 논리를 뒤집는다. 모델의 개방성이 보안을 약화시키는 것이 아니라, 폐쇄성이 방어자들이 검사 가능한 도구를 쓰지 못하게 만든다는 것이다. 7월 중순의 Hugging Face 사건에서 오픈 모델(GLM 5.2)이 17,000건이 넘는 침투 행위를 포렌식 분석하는 데 도움을 준 사례는 이 논지를 뒷받침하는 시연이 된다. NVIDIA가 이 연합의 필요성을 명시적으로 정당화할 때 든 대표적 사례이기도 하다.

개방된 최전선이 폐쇄된 최전선에 가까워지고 있다. SWE-Marathon, MCPMark-Verified, GPQA Diamond 같은 여러 구체적 agentic 벤치마크에서 Kimi K3는 Claude Fable 5, Claude Opus 4.8, GPT-5.5를 넘어서거나 이에 필적한다. 동시에 스스로 전체 사용자 경험에서는 아직 뒤처진다고 인정한다. 오픈 모델과 독점 모델 사이의 격차는 벤치마크마다 줄어들고 있지만, 개방형 연구소들조차 아직 최상위 폐쇄형 모델의 종합 경험에는 미치지 못한다고 인정한다.

기업용 AI는 작은 거버넌스 조각들을 통해 산업화되고 있다. 30,000명의 직원을 Claude로 교육하는 Cognizant, Computer에 RBAC와 SCIM을 추가하는 Perplexity, 사람 승인 지점을 포함한 워크플로 오케스트레이션을 시작하는 Cohere, GPT-Live를 Edu/Business/Enterprise로 확장하는 OpenAI: 서로 다른 네 개의 주체가 같은 날 접근 제어, 추적성, 자동화의 구성 요소를 앞세워 나아간다. 이것이야말로 agentic AI가 프로토타입에서 기업의 대규모 배포로 넘어가기 위한 필수 기반이다.