오픈웨이트 AI 모델 대형화·효율성 동반 진화

오픈웨이트(Open Weight) AI 모델이 규모와 연산 효율성을 동시에 끌어올리며 빠르게 진화하고 있다. 2024년 6,710억 파라미터 규모의 DeepSeek V3에서 출발한 흐름은 2026년 들어 2조8,000억 파라미터의 Kimi K3, 2조4,000억 파라미터의 Qwen3.8 Max로 이어지며 모델 크기가 수직 상승했다. 주목할 점은 전체 규모가 급격히 커지는 가운데서도 실제 연산에 동원되는 활성 파라미터(Active Params)는 130억~500억 개 수준으로 제한된다는 것이다. 이는 전체 모델을 키우면서도 실질적인 연산 부담은 통제하는 이른바 '희소 활성화' 방식으로, 효율성과 성능을 함께 추구하는 설계 철학을 보여준다. 연산 효율성 지표 역시 DeepSeek V3·R1의 18배에서 Kimi K3의 56배까지 높아지며, 동일 규모 대비 실제 연산 비용이 지속적으로 낮아지고 있다. 성능 측면에서도 경쟁이 치열하다. AI Intelligence Index 기준으로 Kimi K3가 57을 기록해 가장 높은 수준을 보이며 오픈웨이트 진영 내 우위를 다투고 있다. 이처럼 AI 모델이 더 큰 규모와 더 높은 효율성을 동시에 지향함에 따라, 이를 뒷받침하는 하드웨어 인프라의 중요성도 함께 부각된다. 특히 고대역폭 메모리(HBM), AI 서버, 첨단 패키징 등 AI 연산 인프라 전반에 걸친 수요 확대가 예상되며, 관련 반도체 및 인프라 공급망이 중장기 수혜 구간에 진입할 것으로 전망된다.