오픈웨이트 코딩 모델이 Copilot 정식 라인업에 들어왔다

7월 1일, GitHub Copilot 모델 선택기에 Kimi K2.7 Code가 정식(GA)으로 올라왔다. 베이징의 Moonshot AI가 만든 1조 파라미터 규모의 오픈웨이트 코딩 모델이다. Mixture-of-Experts 구조라 토큰당 실제로 도는 파라미터는 320억뿐이다.

주목할 건 속도다. Moonshot이 Hugging Face에 가중치를 올린 게 6월 12일. 관리형 IDE의 정식 라인업까지 걸린 시간이 19일이다. 가중치 공개에서 대형 엔터프라이즈 플랫폼 편입까지, 기록에 남을 만큼 빠른 전환이다.

이 19일이라는 숫자가 뜻하는 건 검증과 통합의 관성이 무너졌다는 것이다. 예전에는 새 모델이 나와도 상용 도구에 실리기까지 몇 달이 걸렸다. 라이선스 검토, 안전성 평가, 인프라 통합이 순차로 쌓였기 때문이다. 오픈웨이트는 이 과정을 병렬로 당긴다. 가중치가 공개돼 있으니 검증을 외부에 맡길 필요 없이 플랫폼이 직접 돌려 보고 붙일 수 있다. 모델 출시 주기가 짧아진 만큼, 어떤 모델을 언제 붙일지 고르는 판단의 부담도 개발자 쪽으로 넘어온다.

이걸로 Copilot의 모델 선택기는 다섯 개 독립 랩을 품게 됐다. OpenAI, Anthropic, Google, Microsoft, 그리고 Moonshot AI. 구독 하나로 서로 다른 다섯 공급사에 코딩 작업을 나눠 보내는 유일한 주요 도구다.

롤아웃은 상위 요금제부터다. Copilot Pro, Pro+, Max에 먼저 열리고, Business와 Enterprise, 그 밖의 표면으로 몇 주에 걸쳐 확장된다. 기업 플랜에서는 기본이 꺼진 상태라 관리자가 켜야 쓸 수 있다. 개인 개발자는 오늘 바로, 조직은 정책 판단을 거쳐서라는 두 갈래 경로가 처음부터 설계돼 있다.

한눈에 보기

프런티어 옆에 오픈웨이트가 놓였다

지금까지 Copilot의 선택지는 자체 모델과 파트너 프런티어 위주였다. 가중치가 공개된 모델이 정식 옵션으로, 그것도 자체 프런티어와 나란히 놓인 건 처음이다. 그동안 오픈웨이트 코딩 모델은 별도 도구를 깔거나 직접 서버를 세워야 만질 수 있었다. 이제는 이미 쓰던 IDE의 드롭다운에서 고르면 된다. 진입 장벽이 설치와 운영에서 클릭 한 번으로 내려앉았다.

차이는 "쓸 수 있다"가 아니라 "감사 방식이 다르다"에 있다. 오픈웨이트는 가중치가 공개돼 있어 원리적으로 자가 호스팅과 독립 검증의 여지를 남긴다. 관리형 IDE 안에서 편히 쓰다가, 필요하면 같은 모델을 자기 인프라로 내려 돌리는 경로가 열린다. 폐쇄형 프런티어에는 없는 선택지다.

코딩 워크로드에선 모델 선택이 청구서를 가른다

과금은 GitHub의 AI Credit 시스템을 타고 공급사 정가로 매겨진다. Kimi K2.7 Code는 자체 프런티어 옵션보다 낮은 구간에 앉는다.

코딩은 토큰을 대량으로 태우는 작업이다. 대규모 리팩터링, 테스트 생성, 반복 디버깅은 호출 수가 금방 쌓인다. 플래그십과의 벤치마크 격차가 몇 점이냐보다, 그 몇 점을 위해 모든 요청을 최상위 티어로 보내느냐가 실제 비용을 정한다. 값싼 활성 320억 모델로 대량 작업을 돌리고, 아키텍처 판단처럼 값어치 있는 순간에만 프런티어를 부르는 배분이 가능해졌다.

MoE 구조가 이 셈법의 배경이다. 총 파라미터는 1조지만 토큰마다 실제로 활성화되는 전문가 블록은 320억뿐이라, 연산 부하가 규모에 비해 가볍다. 공급사 정가가 낮은 티어에 앉는 이유이기도 하다. 하루에 수백 번 자동 완성과 리팩터링을 돌리는 개발자에게 이 단가 차이는 월말 청구서에서 눈에 보이는 액수로 벌어진다. 모델을 하나만 붙들고 모든 일을 시키던 습관이, 작업의 무게에 따라 라우팅을 나누는 습관으로 바뀌는 계기가 된다.

감사와 공급망은 별도 문제다

무게추의 반대편엔 신뢰가 있다. Business·Enterprise 플랜에서 이 모델은 기본 off고, 관리자가 명시적으로 켜야 켜진다. 중국 랩의 오픈웨이트를 조직 코드베이스에 붙일지는 정책 결정으로 남겨 뒀다는 뜻이다.

코드가 어디로 흐르는지, 어떤 라이선스로 상업 이용이 가능한지, 규제 요건에 맞는지를 따지는 건 기능 비교와 다른 층위다. 오픈웨이트라는 사실이 이 층위에서는 오히려 통제권을 준다. 원한다면 라우팅을 끊고 같은 모델을 격리된 환경에서 돌릴 수 있기 때문이다.

폐쇄형 프런티어에서는 이 판단을 할 여지가 없다. 공급사가 데이터를 어떻게 다루는지 약관을 믿는 것 말고 선택지가 없다. 오픈웨이트는 그 신뢰를 검증으로 바꿀 길을 연다. 가중치가 공개돼 있으니 사내 보안팀이 직접 뜯어보고, 민감한 저장소에는 격리 배포로만 붙이는 식의 세분화가 가능하다. 켜고 끄는 스위치를 관리자에게 준 것도 같은 맥락이다. 편의는 클라우드 라우팅에서 취하고, 통제가 필요한 코드에는 자가 호스팅 경로를 남긴다.

anyAX 관점

1인 SaaS 개발자나 소규모 AI 우선 팀에게 이 소식의 핵심은 "또 하나의 좋은 모델"이 아니다. 같은 구독 안에서 작업을 티어로 쪼갤 손잡이가 하나 더 생겼다는 점이다.

플래그십과의 격차가 몇 점이라는 벤치마크는 코드 대부분의 일과 무관하다. 보일러플레이트 생성, 테스트 채우기, 로그 정리 같은 대량 작업은 활성 320억 모델로 충분하고, 여기에 프런티어 요금을 물리면 코딩 청구서만 자릿수가 커진다. 값이 작업을 나누라고 말하는 셈이다.

한 발 더 나가면 오픈웨이트라는 점이 출구 전략이 된다. 지금은 Copilot 안에서 편하게 라우팅하다가, 데이터 잔류나 비용 요건이 조여 오면 6월 12일 공개된 그 가중치를 그대로 자기 인프라로 내려 같은 모델을 쓸 수 있다. 폐쇄형 프런티어에 전부를 맡길 때 없는 카드다. 도구를 워크플로에 박아 넣되, 언제든 갈아탈 수 있는 경첩을 하나 남겨 두는 것. 다섯 랩 라우팅은 그 경첩을 늘려 준다.

참고

• Kimi K2.7 Code is generally available in GitHub Copilot (GitHub Changelog)
• Open-Weight AI Enters GitHub Copilot: Kimi K2.7 Code Costs Less, Audits Differently (TechTimes)
• GitHub Copilot Adds Moonshot AI's Kimi K2.7, Its First Open-Weight Model (AlphaSignal)