2.7조 파라미터 AI 모델 준비하는 中 미니맥스…세계 최대 오픈웨이트 모델 도전

미니맥스(MiniMax)의 2.7조 파라미터 모델 (M3 Pro): 핵심 정보

중국 AI 스타트업 미니맥스(MiniMax)가 2.7조 개(trillion)의 파라미터를 가진 초거대 언어 모델(LLM)을 개발 중이라는 소식이 전해졌습니다. 2026년 7월 8일, 로이터 통신은 정통한 소식통을 인용해 미니맥스가 기존 M3 모델의 후속작으로 내부 코드명 'M3 Pro'로 불리는 모델을 개발 중이라고 보도했습니다 ^R.

해당 소식통은 이 모델이 중국 기업이 공개한 오픈웨이트(open-weight) 모델 중 가장 크며, 잠재적으로 전 세계에서 가장 큰 모델이 될 것이라고 강조했습니다 ^R. 현재 정확한 출시일은 확정되지 않았지만, 빠르면 2026년 3분기(Q3) 중 공개 및 오픈소스화될 가능성이 있는 것으로 알려졌습니다 ^RFF.

⚠️ 이름에 대한 참고사항: 로이터 통신 보도 ^R는 공식적으로 'M3 Pro'라는 이름을 명시하지 않았습니다. 이 이름은 주로 중국 현지 매체(The Information 등) 보도와 내부 소식통이 사용하는 코드명으로, 최종 출시명은 다를 수 있습니다 ^DTF1.

---

미니맥스의 기존 모델과의 비교

미니맥스의 모델 라인업은 매우 빠르게 진화하고 있습니다. 주요 모델을 비교하면 다음과 같습니다.

미니맥스 모델 라인업

모델	출시일	총 파라미터 (활성 파라미터)	구조	주요 특징
미니맥스-M1	2025년 6월	456B (45.9B 활성)	MoE + 하이브리드 어텐션 BP	최초의 오픈웨이트 하이브리드 어텐션 추론 모델; 100만 토큰 컨텍스트; Apache 2.0 라이선스; 특정 작업에서 딥시크 R1 능가 주장 BPW
미니맥스-M3	2026년 6월 1일	~428B (~23B 활성)	MoE (희소 어텐션) BW	프론티어 코딩 성능(SWE-bench Pro 59.0%); 100만 토큰 컨텍스트; 이미지·비디오·컴퓨터 사용을 지원하는 네이티브 멀티모달; Hugging Face에 오픈웨이트 공개 BBP
M3 Pro (개발 코드명)	예정	2.7T (MoE 예상)	미공개	공개 시 잠재적으로 세계 최대 오픈웨이트 모델; 중국 기업 최대 규모 R

M3의 약 428B 파라미터에서 2.7T 파라미터로의 도약은 총 파라미터 수 기준 약 6.3배 증가한 것입니다. 미니맥스가 계속 MoE 방식을 고수한다면, 추론 시 활성화되는 파라미터 수는 수백억 개 수준으로 유지될 수 있지만, 전체 모델 크기는 전례 없는 수준이 됩니다 ^R.

---

딥시크 V4 프로(DeepSeek-V4-Pro)와의 비교

중국을 대표하는 또 다른 오픈웨이트 모델인 딥시크 V4 프로(DeepSeek-V4-Pro)와의 비교는 흥미롭습니다.

주요 모델 간 핵심 스펙 및 성능 비교

구분	미니맥스 M3	딥시크 V4 프로	미니맥스 M3 Pro (예정)
총 파라미터	~428B	1.6T	2.7T
활성 파라미터	~23B	49B D	아직 미공개
라이선스	오픈웨이트 (Apache 2.0) PW	MIT M	오픈소스 예정 R
주요 강점	멀티모달, 장문 맥락, 에이전트 코딩 (SWE-Bench Pro 59.0%) BW	순수 텍스트 알고리즘 코딩 (SWE-bench Verified 80.6%, Codeforces 랭킹 최고) MDT	규모 자체로 인한 전반적 성능 향상 목표
API 가격 (100만 토큰당)	Input: $0.30, Output: $1.20 B	Input: $0.435, Output: $0.87 DB	미정

분석에 따르면, 미니맥스 M3와 딥시크 V4 프로는 서로 '경쟁 관계'보다는 '최적화된 작업'이 다른 모델입니다. M3는 멀티모달 및 에이전트 코딩 작업에 강점을 보이는 반면, V4 프로는 순수 텍스트 기반의 알고리즘 코딩에서 월등한 성능을 보이며 비용 효율성도 높습니다 ^DD.

---

중국 AI 업계의 오픈웨이트 모델 확산

미니맥스의 이번 계획은 중국 AI 연구소들의 공격적인 오픈웨이트 전략의 연장선상에 있습니다.

연구소	모델	출시일	특징
딥시크	V4 Pro	2026.04.23	1.6T 파라미터 MoE, MIT 라이선스, 프론티어 코딩 성능 DM
텐센트	Hy3 (Hunyuan 3.0)	2026.07.06	295B 파라미터 MoE(21B 활성), Apache 2.0, 전 OpenAI 연구원이 주도 GAB
앤트 그룹	Ling-2.6-flash	2026.04.22	효율성에 초점을 맞춘 104B(7.4B 활성) MoE F
미니맥스	M1	2025.06	최초의 오픈웨이트 하이브리드 어텐션 추론 모델 BP
미니맥스	M3	2026.06	프론티어 멀티모달 코딩 모델 B
미니맥스	M3 Pro (예정)	2026년 3분기?	2.7T 파라미터, 세계 최대 규모 목표 R

이러한 움직임은 중국 AI 기업들이 자체 모델을 오픈웨이트 형태로 공개하는 전략을 취하고 있음을 보여줍니다. 이는 폐쇄적인 모델을 고수하는 오픈AI, 구글, 메타 등 서방 기업들과 차별화되는 지점입니다 ^RPD.

---

글로벌 AI 시장에 미칠 영향과 의의

미니맥스의 2.7T 파라미터 모델 개발 계획은 여러 측면에서 중요한 의미를 가집니다.

1. AI 거대 규모 경쟁 가속화: 공개되면 기존의 어떤 오픈웨이트 모델보다 훨씬 큰 규모로, '컴퓨팅 파워 우위'에 의존해온 서방 기업들에 대한 새로운 도전이 될 것입니다 ^R.
2. 오픈웨이트 전략의 승리: 중국 기업들은 모델을 공개함으로써 글로벌 개발자들에게 자유로운 접근권을 제공하고 하드웨어 수출 규제 같은 장벽을 우회하는 효과를 누리고 있습니다 ^PW.
3. 벤치마크 성능 경쟁: 이미 미니맥스 M3는 일부 벤치마크에서 GPT-5.5를 앞서는 모습을 보였습니다 ^BJ. 더 큰 모델은 이런 격차를 더 벌릴 가능성이 있습니다.
4. API 가격 인하: 중국산 오픈웨이트 모델들은 매우 낮은 API 가격을 제공하며 기존 시장에 가격 충격을 주고 있습니다 ^DDB.

---

2.7T 파라미터 모델 배포의 기술적 과제

막대한 규모의 모델을 실제로 서비스하는 것은 큰 기술적 도전 과제를 안고 있습니다.

• 메모리 요구사항: 8비트 양자화를 해도 모델 로딩에 약 2.7TB, FP16 기준으로는 약 5.4TB의 GPU 메모리가 필요합니다. 이를 감당하려면 200개 이상의 H100 GPU가 필요할 수 있습니다.
• 추론 지연 시간 및 처리량: MoE 구조를 통해 활성 파라미터 수를 줄인다고 해도, 대규모 클러스터에서 정교한 병렬화 기술(텐서, 파이프라인, 전문가 병렬화)과 고대역폭 인터커넥트가 필수적입니다.
• 훈련 비용: 수만 개의 GPU-월(GPU-month)에 달하는 막대한 컴퓨팅 자원이 필요할 것으로 추정됩니다.
• 배포: 5TB가 넘는 모델 가중치를 호스팅하고 배포하는 것 자체가 하나의 과제입니다.

하지만 미니맥스는 M1 훈련 시 딥시크 R1보다 70% 적은 컴퓨팅 자원을 사용하면서 경쟁력 있는 성능을 달성한 바 있습니다 ^PW. 따라서 2.7T 모델에서도 효율성 혁신을 보여줄 가능성이 높습니다.

---

결론: 중국 AI의 새로운 이정표

미니맥스의 2.7T 파라미터 모델 계획은 중국이 AI 분야에서 '하드웨어 제약을 받는 추격자'가 아니라 '오픈웨이트 모델의 선두주자'로 자리매김하고 있음을 보여주는 신호탄입니다. 이 모델이 계획대로 공개된다면 전 세계 AI 생태계에 큰 변화를 불러일으킬 잠재력을 지니고 있습니다 ^R.