2026년 오픈 소스 LLM 비교: GLM 5.2·Kimi K3 등 주요 모델 성능과 배포 경로

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

이 글은 2026년 현재 공개 또는 Fireworks 경로로 접근 가능한 주요 오픈 소스 LLM을 파라미터 수, 컨텍스트 윈도우, 멀티모달 지원, 라이선스, 벤치마크(예: Artificial Analysis Intelligence/Coding, GPQA, SciCode)와 출력 속도로 비교해 실무적 선택 기준을 제공한다. 핵심 결과로 Kimi K3가 벤치 상 가장 높은 인텔리전스·코딩 지표를 기록했고 GLM 5.2는 Fireworks에서 접근 가능한 오픈 모델 가운데 종합 점수가 가장 높아 장문 코드·문서 워크플로 평가의 출발점으로 권장된다. 멀티모달이 필요하면 MiniMax M3나 Kimi K2.7 Code를 우선 검증하고 고처리량·저비용이 목표이면 gpt-oss-120b와 같은 경량·고속 모델을 고려하되 최종 선택은 실제 입력 형태와 비용·지연을 반영한 태스크 수준 실험으로 확정해야 한다.

빠른 이해

새로운 점

초대형(1M+ 토큰) 컨텍스트를 상용 플랫폼에서 지원하는 오픈 소스 MoE 모델들이 다수 등장한 점

핵심 메커니즘

모델 입력은 긴 문서·코드·이미지 텍스트를 토큰화해 들어오고 MoE 계열은 활성화된 소수 전문가만 연산해 효율을 확보하며 IndexShare나 KV-cache 같은 구조가 긴 컨텍스트에서 반복 연산을 줄여 토큰당 FLOPs와 레이턴시를 낮춘 다음 함수 호출이나 도구 연동으로 구조화된 외부 동작을 출력으로 생성한다.

핵심 수치

Kimi K3 Artificial Analysis Intelligence Index: 57.1- 표의 스냅샷 기준 점수(7월 16 데이터)
Kimi K3 Artificial Analysis Coding Index: 76.2- 표의 스냅샷 기준 점수(7월 16 데이터)
GLM 5.2 Intelligence Index: 51.1- Fireworks에서 사용 가능한 오픈 모델 중 최고 점수
GLM 5.2 Coding Index: 68.8- Fireworks에서 관측된 중간값 출력 속도 165.3 tokens/sec 포함
gpt-oss-120b Median output speed: 271.4 tokens/sec- 고처리량 요건에 적합한 모델 속도 수치

섹션별 상세

오픈 소스 LLM 환경과 평가 기준

이 글은 2026년 상반기 등장한 주요 오픈 소스 LLM을 파라미터 수, 컨텍스트 윈도우, 멀티모달 지원, 라이선스, 서빙 경로, 벤치마크 점수로 비교해 실제 배포 결정을 지원한다. 평가 기준은 실무 관점에서 모델이 실제 워크로드에 적합한지 판별하는 항목으로 구성되어 있으며 벤치마크뿐 아니라 컨텍스트 유지력과 라이선스 조건, 서빙 비용까지 고려 대상에 포함됐다. 이 기준은 단순 성능 순위가 아니라 주어진 제약(예: 멀티모달 필요, 긴 문서 유지, 고처리량)에 따라 선택이 달라지는 점을 전제로 삼는다.

벤치마크 구성과 해석 방식

비교는 Artificial Analysis Intelligence Index와 Coding Index 같은 복합 지표를 중심으로 GPQA, HLE, SciCode, 출력 속도 등 세부 지표를 함께 제시해 모델의 강·약점을 입체적으로 파악하게끔 구성됐다. 벤치마크 수치는 특정 시점(예: 7월 18일 스냅샷)을 기준으로 보고되며 실제 성능은 프롬프트 형태, 정량화(quantization), 추론 설정에 따라 달라질 수 있다고 명시됐다. 따라서 표에 나온 상위 지표는 첫 검증 단계로 삼고, 최종 선택은 워크로드별 태스크 레벨 평가와 비용·지연 실측을 통해 확정하도록 권고하고 있다.

모델별 비교 요약과 주요 특성

GLM 5.2는 743B 파라미터의 MoE 텍스트 모델로 Fireworks에서 1,040k 토큰 컨텍스트를 지원하고 Intelligence Index 51.1, Coding Index 68.8을 기록해 오픈 가용 모델 중 종합 점수가 가장 높게 보고됐다. Kimi K3는 2.8T 파라미터의 MoE로 Intelligence Index 57.1, Coding Index 76.2, GPQA 93.5%로 표에서 최고 점수를 보였으나 전체 가중치와 라이선스는 발표 시점에 아직 공개되지 않아 검토가 보류되는 상태였다. MiniMax M3는 512k 컨텍스트와 네이티브 이미지·비디오 입력을 지원해 멀티모달 작업에서 강점이 있고 DeepSeek-V4-Pro/Flash는 동일 1,040k 컨텍스트 클래스에서 품질과 처리량의 트레이드오프를 제공한다.

GLM 5.2의 기술적 특징과 적용성

GLM 5.2는 IndexShare 구조를 도입해 긴 컨텍스트에서 토큰당 FLOPs를 약 2.9배 절감하도록 설계되어 대규모 코드베이스나 문서 워크플로에서 비용 효율을 기대할 수 있다. 서버리스와 On-Demand 경로를 모두 지원하며 함수 호출(function calling)을 통해 도구 연동이 가능한 점이 장점으로 제시되었고 Fireworks 상의 중간값 출력 속도는 165.3 tokens/sec로 보고되었다. 단점으로는 이미지 입력을 지원하지 않아 시각적 증거가 필요할 때는 멀티모달 모델을 병행 평가해야 하고 모델 규모가 일반적인 단순 프로덕션 태스크 대비 클 수 있어 레이턴시·비용 실측이 권고되었다.

근거

GLM 5.2는 Fireworks에서 사용 가능한 오픈 모델 중 Intelligence Index 51.1과 Coding Index 68.8로 표에서 가장 높은 종합 점수를 보였다. — 모델 비교 표와 GLM 5.2 섹션에 기재된 인덱스 점수

Kimi 계열과 K2.7 Code의 실무적 위치

Kimi K3는 Stable LatentMoE로 대규모 전문가 집합 중 소수만 활성화하는 구조를 사용하며 1M 토큰 컨텍스트와 네이티브 비전 지원으로 멀티모달·장문 추론에서 높은 잠재력을 보였다. Kimi K2.7 Code는 1.02T 파라미터, 262k 컨텍스트, 이미지 입력과 파인튜닝 경로를 제공해 저장소 기반 에이전트와 UI 스크린샷을 다루는 개발자 중심 워크플로에 적합하도록 튜닝된 모델이다. 두 모델 모두 생각(history) 토큰 관리가 중요하며 특히 K3는 세션 중 thinking history를 보존하지 않거나 중간 전환 시 생성 안정성이 떨어질 수 있다는 운영상의 주의점이 보고되었다.

근거

Kimi K3가 평가 대상 모델 가운데 Artificial Analysis Intelligence Index와 Coding Index에서 최고점(57.1, 76.2)을 기록했다. — 모델별 벤치마크 표(Reasoning and knowledge / Software engineering performance) 및 Kimi K3 섹션

DeepSeek V4 패밀리와 MiniMax M3의 역할 분담

DeepSeek-V4-Pro는 1.6T 파라미터, 1,040k 컨텍스트로 GLM 5.2의 대체 장치로 사용 가능한 장문 대비 후보이며 DeepSeek-V4-Flash는 동일 컨텍스트 클래스에서 출력 속도와 처리량을 우선해 비용 효율적 경로로 제시됐다. MiniMax M3는 약 428B 파라미터에 512k 컨텍스트와 네이티브 멀티모달 입력을 제공하므로 시각 자료가 핵심인 지원·미디어 이해용 워크플로에서 우선 검토 대상이다. 각 모델은 같은 컨텍스트 클래스라도 활성화 파라미터, 출력 속도, 라이선스 조건이 달라 실제 서비스 경로에서 비교 검증이 필요하다.

Qwen3.7 Plus, gpt-oss-120b, Gemma 4 31B IT의 실무적 위치

Qwen3.7 Plus는 폐쇄 가중치(closed weights) 모델이지만 Fireworks 상에서 이미지 입력과 훈련 지원을 제공해 Qwen 친화적 스택을 유지해야 하는 경우에 평가 후보가 된다. gpt-oss-120b는 Apache-2.0 라이선스와 빠른 출력 속도(271.4 tokens/sec)를 강점으로 요약·분류·추출 같은 고처리량·제한된 품질 요구 워크로드에 적합하다고 보고되었다. Gemma 4 31B IT는 32.2B의 작은 dense 모델로 Apache-2.0 라이선스와 멀티모달 지원을 제공하여 작은 배포 단가나 세밀한 파인튜닝이 필요한 경우에 유리한 선택지가 된다.

Fireworks에서의 배포·서빙 옵션과 운영적 제언

Fireworks는 Serverless, On-Demand, Enterprise Reserved 같은 다중 서빙 경로를 제공하며 Serverless는 빠른 평가와 변동 트래픽에, On-Demand는 전용 GPU와 엄격한 지연 목표에, Enterprise Reserved는 SLA와 격리 요구에 적합하도록 구분된다. 플랫폼은 KV-cache 관리, prompt caching, 양자화, 추측 디코딩(speculative decoding) 같은 운영적 최적화 기능을 제공해 긴 컨텍스트 모델의 실운영 비용과 지연을 제어할 수 있게 설계되어 있다. 최종 모델 선정은 벤치마크 점수뿐 아니라 예측 트래픽 패턴, 반복되는 프롬프트의 빈도, 이미지 입력 유무, 라이선스 제약을 함께 고려해 태스크 레벨에서 실험해 결정해야 한다.

요약적 권고와 한계

종합하면 GLM 5.2는 Fireworks에서 사용 가능한 오픈 모델 중 균형 잡힌 첫 평가 후보로 제시되며 Kimi K3는 벤치 상 최상위를 차지하나 가중치·라이선스 공개 전에는 생산 적용을 보류해야 한다. 멀티모달이나 이미지·비디오 입력이 필요하면 MiniMax M3 또는 Kimi K2.7 Code로 검사해야 하고 고처리량으로 비용·지연이 최우선이면 gpt-oss-120b와 같은 경량·고속 모델을 검토하는 것이 합리적이다. 문서 전반의 수치와 기능은 발표 시점을 기준으로 보고되므로 실제 배포 전에는 최신 리포지토 명세·라이선스·워킹 세트로 재검증해야 한다.

용어 해설

혼합 전문가(MoE)(Mixture-of-Experts (MoE)): — Mixture-of-Experts는 입력 토큰마다 활성화되는 전문가 서브네트워크만 계산해 전체 파라미터 대비 연산을 줄이는 구조로, 대규모 파라미터를 유지하면서 실행 비용을 낮추고 서로 다른 전문가가 특정 패턴에 특화되도록 학습된다.
Stable LatentMoE: — Stable LatentMoE는 일부 MoE 변형으로, 매우 많은 전문가 집합 중 소수만 안정적으로 활성화하도록 설계되어 메모리와 연산을 제어하면서도 대규모 토큰 문맥을 처리할 수 있게 하는 기술적 접근 방식이다.
IndexShare: — IndexShare는 긴 문맥에서 희소(attention) 연산의 중복 인덱싱을 재사용해 토큰당 FLOPs를 감소시키는 구조적 기법으로, 1,040k 같은 초대형 컨텍스트 상황에서 연산 비용을 낮추는 목적을 가진다.
컨텍스트 윈도우(Context Window): — 컨텍스트 윈도우는 모델이 한 번에 참조 가능한 토큰의 최대 길이로, 문서·코드베이스·이미지 설명 등 장문 입력을 일관되게 처리하려면 모델의 문맥 유지 능력과 함께 적절한 윈도우 크기가 필수적이다.
함수 호출 기능(Function Calling): — Function Calling은 모델이 외부 도구나 API를 구조화된 방식으로 호출하도록 출력 형식을 생성하는 기능으로, 실제 데이터 조회·행동 실행·정형화된 결과 생성 같은 운영형 에이전트에서 중요하다.

기술

MoE
IndexShare
Function calling
KV-cache
Speculative decoding

언급된 리소스

문서원문 링크