코딩 에이전트 두뇌가 100만 토큰당 0.3달러로 풀렸다

지난 6월 1일 공개된 MiniMax M3는 한 줄로 요약된다. 프런티어급 코딩 실력을 가진 모델이 가중치를 공개했고 입력 가격이 100만 토큰당 0.60달러, 프로모션을 끼면 0.30달러까지 내려갔다. 닫힌 API를 쓰던 코딩 에이전트의 두뇌를 이제 누구나 자기 서버에 올리거나, 동전 수준 단가로 빌려 돌릴 수 있다는 뜻이다.

성능 숫자가 마케팅 과장이 아니다. M3는 실제 깃 저장소 버그를 고치는 SWE-Bench Pro에서 59.0%를 기록해 GPT-5.5의 58.6%를 넘었고 Gemini 3.1 Pro도 코딩에서 앞섰다고 밝혔다. 터미널에서 명령을 직접 실행하는 Terminal-Bench 2.1은 66.0%, 자율 웹 브라우징을 재는 BrowseComp는 83.5점으로 Claude Opus 4.7을 근소하게 앞질렀다. 오픈 가중치 모델이 닫힌 프런티어 모델 셋을 동시에 건드린 사례는 드물다.

벤치마크 구성도 남다르다. SWE-fficiency 34.8이라는 항목이 따로 있는데, 이건 단순히 버그를 고쳤는지를 넘어 얼마나 적은 시도와 토큰으로 고쳤는지를 본다. 정답을 맞히는 능력과 비용 효율을 갈라서 측정한다. 코딩 에이전트를 실제 워크플로에 박아 둔 팀이라면, 정답률만큼이나 한 작업을 끝내는 데 드는 토큰 수가 곧 월 청구서가 된다. M3는 그 효율 항목까지 공개 점수로 내놓았다.

한눈에 보기

오픈 가중치가 프런티어 라인에 처음 올라섰다

지금까지 오픈 가중치 모델은 가격은 쌌지만 최상위 코딩에서 한 박자 늦었다. M3는 그 격차를 좁힌 게 아니라 특정 벤치마크에선 뒤집었다. SWE-Bench Pro는 실제 오픈소스 프로젝트의 이슈를 모델이 코드로 고쳐 통과시키는지 보는 시험이라, 데모용 점수와 성격이 다르다. 여기서 닫힌 최상위 모델을 앞섰다는 건 1인 SaaS 개발자나 소규모 팀이 외부 API에 묶이지 않고도 비슷한 결과를 낼 선택지가 생겼다는 신호다.

가격 쪽도 마찬가지다. M3는 희소 어텐션 구조를 써서 1M 토큰 길이에서 토큰당 연산을 직전 세대의 약 10분의 1로 줄였다고 한다. 긴 코드베이스 전체를 한 번에 물려 작업할 때 비용이 폭증하지 않는다. 긴 컨텍스트는 그동안 "되긴 되는데 청구서가 무섭다"는 영역이었는데, 그 제약이 헐거워졌다.

모델이 직접 컴퓨터를 만진다

M3는 텍스트만 받지 않는다. 이미지와 영상을 입력으로 받고 데스크톱 환경을 직접 조작할 수 있다고 명시했다. 브라우징 점수 83.5가 그 뒷받침이다. 코드를 짜는 데서 멈추지 않고 화면을 열어 클릭하고 입력하며 일을 끝까지 진행하는 쪽으로 모델 자체가 설계됐다는 얘기다.

여기서 주의할 점도 분명하다. 자율 브라우징과 화면 조작이 강해질수록, 잘못된 지시나 오염된 입력이 그대로 실행으로 이어질 위험도 커진다. 최근 코딩 에이전트가 가짜 버그 리포트에 탈취되는 사례가 보고된 것과 같은 맥락이다. 능력이 올라간 만큼 권한과 실행 범위를 어디까지 열지부터 설계해야 한다.

긴 컨텍스트가 싸지면 작업 방식이 바뀐다

M3가 강조한 건 점수만이 아니라 속도다. 1M 토큰 길이에서 입력을 읽어 들이는 프리필이 직전 세대보다 약 9배, 답을 토큰 단위로 뱉는 디코딩이 약 15배 빨라졌다고 한다. 희소 어텐션 구조로 긴 입력에서 토큰당 연산을 줄인 결과다. 속도가 곧 비용인 LLM에서, 이건 긴 작업의 단가가 통째로 내려갔다는 뜻이다.

작업 방식 차원에서 보면 차이가 크다. 그동안 긴 코드베이스를 다룰 때는 관련 파일만 골라 잘게 잘라 넣는 검색 단계가 필수였다. 토큰이 비싸고 느렸기 때문이다. 1M 컨텍스트가 빠르고 싸지면, 저장소 상당 부분을 한 번에 통째로 물려 놓고 모델이 스스로 맥락을 찾게 두는 쪽이 현실적인 선택지가 된다. 1인 SaaS 개발자가 며칠을 잡던 리팩터링을, 전체 맥락을 가진 에이전트 한 번의 세션으로 좁힐 여지가 생긴다.

가중치 공개라는 점도 무게가 다르다. API만 열린 모델과 달리, 가중치가 풀리면 사내망이나 개인 서버에서 직접 돌릴 수 있다. 외부에 코드를 내보내기 꺼리는 팀, 사용량이 많아 종량 청구가 부담스러운 1인 개발자에게 자가 호스팅은 현실적인 대안이 된다. 앞서 코드 데이터의 외부 학습 유입이 논란이 된 사례를 떠올리면, "가중치를 내가 들고 돈다"는 선택지의 가치는 더 또렷해진다.

anyAX 관점

숫자를 다시 보자. 코딩 에이전트의 핵심 두뇌가 입력 100만 토큰당 0.30달러, 게다가 가중치까지 공개됐다. 그렇다면 "어느 모델 API를 쓰느냐"는 더 이상 차별화 변수가 아니다. 인디 메이커도, 갓 출발한 AI 우선 팀도, 자금이 두툼한 경쟁사도 비슷한 성능을 비슷한 단가로 부른다. 모델 선택이 평평해질수록, 갈리는 지점은 그 두뇌에 무엇을 물리느냐로 옮겨간다.

구체적으로 M3의 1M 컨텍스트와 화면 조작 능력 앞에서 답할 질문은 두 가지다. 첫째, 내 제품에만 있는 데이터와 작업 절차를 이 긴 컨텍스트에 어떻게 채워 넣을 것인가. 둘째, 데스크톱을 직접 만지는 에이전트에게 어디까지 권한을 줄 것인가. 앞은 해자의 문제고 뒤는 사고의 문제다. 모델이 싸지고 공개될수록 이 두 질문의 답이 사업의 실력이 된다. 0.30달러짜리 두뇌는 모두가 살 수 있지만 거기에 물릴 데이터와 통제 규칙은 각자 만들어야 한다.

가격 붕괴는 한 번 더 짚어둘 함정도 데려온다. 두뇌가 싸졌다고 무조건 더 많이 호출하면, 효율 점수 34.8이 낮은 작업에서는 절약한 단가가 호출 횟수에 묻혀 사라진다. 입력 0.30달러는 작업을 어디까지 모델에 맡길지 다시 계산하라는 신호지, 전부 맡기라는 신호가 아니다. 싼 두뇌를 어디에 얼마나 들이댈지 정하는 판단이 결국 청구서를 가른다.

참고

• MiniMax M3 - API Pricing & Benchmarks (OpenRouter)
• MiniMax M3 Benchmarks, Pricing & Context Window (llm-stats)
• MiniMax M3: Complete Guide to the Open-Weight Frontier Model (aimadetools)
• MiniMax M3 vs GPT-5.5: SWE-Bench Pro, 8x Price Gap (ofox)