MiniMax M3, 오픈웨이트가 프론티어를 넘본다 — 스파스 어텐션으로 다시 쓴 가격/성능 방정식
2026-07-01
소개
TL;DR — 2026년 6월 1일 공개된 MiniMax M3는 프론티어급 코딩 · 100만 토큰 컨텍스트 · 네이티브 멀티모달 을 한 모델에 담은 오픈웨이트 MoE입니다. 새 스파스 어텐션(MSA)으로 1M 컨텍스트 연산량을 전 세대의 1/20로 줄였고, SWE-Bench Pro 59.0%로 GPT-5.5·Gemini 3.1 Pro를 앞질렀다고 주장합니다. 무엇보다 GPT-5.5/Gemini 대비 5~10% 수준의 비용 이 핵심 화두가 됐습니다. 다만 "오픈웨이트" 라이선스, 추상 추론 약점, 초기 멀티모달 접근성 등은 논쟁거리로 남았습니다.
작성일: 2026-07-01 · 작성: Banya AI 기술노트
1. 무슨 일이 있었나
중국 AI 랩 MiniMax 가 6월 1일 신형 모델 M3 를 공개했습니다. 마케팅 문구는 단순하지만 도발적입니다 — \"프론티어급 코딩, 1M 컨텍스트, 네이티브 멀티모달을 모두 갖춘 최초이자 유일한 오픈웨이트 모델.\"
출시 직후 반응은 극단적으로 갈렸습니다. 오버시(overseas) 개발자 커뮤니티는 아키텍처와 스파스 어텐션 파라미터를 파고들며 흥분했고, Vercel CEO Guillermo Rauch (팔로워 540만)가 공개적으로 이 모델을 지지하는 이례적인 장면까지 나왔습니다. 반면 자국 커뮤니티에서는 가격 정책 을 둘러싸고 댓글창이 과열됐습니다(뒤에서 다룹니다).
여기서 짚어둘 점 — 출시 당일의 \"프론티어\" 주장과 벤치마크는 초기엔 미검증(unverified) 상태였습니다. MiniMax는 약속대로 열흘 남짓 뒤 Hugging Face·GitHub에 오픈웨이트와 arXiv 기술 리포트를 공개했고, 6월 중순 MSA 아키텍처가 외부 검증을 거치면서 논조가 \"주장\"에서 \"확인\"으로 넘어갔습니다.
2. 아키텍처 — 핵심은 MSA(MiniMax Sparse Attention)
2.1. MoE 뼈대
항목
값
총 파라미터
428B (Mixture-of-Experts)
토큰당 활성 파라미터
23B
컨텍스트 윈도우
1,000,000 토큰 (A4 약 1,500장 상당)
입력 모달리티
텍스트 · 이미지 · 비디오 (공식)
학습 데이터
약 100조(100T) 토큰, 혼합 모달리티를 step 0부터
2.2. MSA: 이차(quadratic) 어텐션을 버리다
M3의 진짜 차별점은 MiniMax Sparse Attention(MSA) 입니다. 표준 어텐션의 O(N²) 대신,
사전 필터링(pre-filtering) 단계에서 관련 있는 컨텍스트 블록만 식별하고,
그 블록에만 어텐션을 수행합니다.
구현 상으로는 \"KV outer gather Q\" 방식으로 각 블록을 한 번만 읽고 메모리 접근이 연속적 이라, Flash-Sparse-Attention 대비 4배 이상 빠르다고 보고됩니다. 결과적으로:
1M 컨텍스트에서 토큰당 연산량 = 전 세대(M2)의 1/20
프리필 9배 이상 , 디코딩 15배 이상 가속
긴 컨텍스트를 \"지원만\" 하는 것과 \"싸게 실행\"하는 것은 전혀 다른 문제인데, MSA는 후자를 정조준한 설계입니다.
3. 벤치마크 — 숫자로 보는 M3
에이전트·코딩 계열에서 특히 강합니다.
벤치마크
M3 점수
비고
SWE-Bench Pro
59.0%
GPT-5.5·Gemini 3.1 Pro 상회, Claude Opus 4.7에 근접
Terminal-Bench 2.1
66.0%
터미널 네이티브 에이전트
MCP Atlas
74.2%
도구/프로토콜 활용
BrowseComp
83.5
자율 브라우징·정보탐색 (Claude Opus 4.7의 79.3 상회)
OSWorld-Verified
70.06%
데스크톱 컴퓨터 조작
KernelBench (Hard)
28.8%
저수준 커널 최적화(난이도 높음)
Artificial Analysis Intelligence Index
44
비교군 평균 25, 지수상 상위권(#2)
속도·비용 측면(Artificial Analysis 기준):
출력 속도: 약 102~105 tok/s (동급 오픈웨이트 중앙값 66 t/s 대비 우수)
TTFT: 약 2.24~2.49초
에이전트 도구활용 카테고리 124개 모델 중 10위 (평균 85.1)
⚠️ 읽는 법에 주의. 벤치마크 상당수는 MiniMax 자체 발표에서 출발했고, Terminal-Bench 등 일부 수치는 매체마다 소수점 단위 차이가 있습니다. "GPT-5.5를 이겼다"는 헤드라인은 특정 벤치마크(SWE-Bench Pro)에 한정된 결과임을 기억해야 합니다.
4. 진짜 뉴스는 "가격" — 5~10% 비용
OpenRouter 기준 출시가는 입력 $0.30 / 출력 $1.20 (1M 토큰당) , 초기 50% 할인까지 붙었습니다. VentureBeat는 이를 두고 \"GPT-5.5·Gemini 3.1 Pro의 5~10% 비용으로 핵심 벤치마크를 앞선다\" 고 요약했습니다.
핸즈온 리뷰( Tech My Money )의 결론이 인상적입니다:
\"M3의 가장 큰 가치는 벤치마크가 아니라, 장문맥 규칙 기반 에이전트 운영을 저렴하게 만든다는 데 있다.\"
실제로 이 리뷰는 WordPress 편집 규칙·출처 검증·이미지 권리 같은 운영 매뉴얼을 통째로 컨텍스트에 얹고, 독립 검증 에이전트(verifier) 패턴으로 돌리는 워크플로우를 호평했습니다. \"싼 100만 토큰\"이 곧 \"규칙을 전부 로드한 채 일관되게 일하는 에이전트\"를 가능케 한다는 것입니다.
5. 커뮤니티 반응 — 지지, 블라인드 테스트, 그리고 가격 논쟁
① Vercel CEO의 공개 지지. 앞서 언급한 Guillermo Rauch의 지지는 상업적 무게가 실린 이례적 신호로 받아들여졌습니다.
② 펠리컨 블라인드 테스트. 개발자 Victoria Wu가 \"자전거 타는 펠리컨 애니메이션\" 동일 프롬프트를 M3 · Sonnet 4.6 · Opus 4.8에 던지고 결과를 A/B/C로 익명화해 네티즌에게 맞히게 했는데, 다수가 고른 최고 결과 'A'가 M3 였습니다. 블라인드에서 최상위 폐쇄 모델과 견줬다는 점이 회자됐습니다.
③ GLM 5.2와의 코드젠 비교. HN에서는 M3 vs GLM 5.2 자율 코딩 비교 스레드가 열렸고, 에이전트 작업에서 \"아주 싼 토큰 플랜으로도 잘 돌아간다\", \"claw/hermes류 작업에 추천\" 같은 실사용 평이 올라왔습니다. 대형 다중파일 리팩터링을 다른 모델보다 잘 버틴다는 보고도 있었습니다.
④ 자국 커뮤니티의 가격 논쟁. 반면 중국 커뮤니티에서는 요금 조정에 대해 \"장기 사용자의 권리가 희석됐다\" 는 불만이 터졌습니다. MiniMax는 같은 날 보상안(기존 사용자 혜택 유지 + 신규 사용자 주간 한도 50% 상향)을 내놓으며 진화에 나섰습니다.
커뮤니티 온도차 자체가 흥미롭습니다. 오버시는 아키텍처 를, 자국은 가격 을 놓고 싸웠습니다.
6. 약점과 논쟁점 (냉정하게)
균형을 위해 비판적 시각도 정리합니다.
추상·유동 추론 약점. ARC-AGI-2 계열에서 MiniMax 라인은 한 자릿수 점수에 머뭅니다. 코딩·에이전트는 강하지만 \"뛰어난 추상 추론가\"는 아니라는 평가.
\"오픈웨이트\" 라이선스. 출시일의 \"오픈웨이트\"는 약속 이었지, 그날 가중치가 올라온 건 아니었습니다. 전작 M2.7이 상업적 사용에 서면 허가를 요구하는 Modified-MIT 였던 만큼, 진정한 자유 라이선스인지에 대한 경계가 남아 있습니다. (도입 전 라이선스 조항 직접 확인 필수 .)
멀티모달 접근성의 초기 혼선. 공식은 이미지·비디오 입력을 내세우지만, 출시 초기 일부 테스터는 \"실질적으로 text-in/text-out에 가깝다\" 고 보고했습니다. 스크린샷·UI 입력이 핵심인 워크플로우라면 접근 경로를 확인해야 합니다.
오버싱킹·지연. 토큰 예산을 넉넉히 쓰며 \"과하게 생각하는\" 경향이 지적됐습니다. 명확한 운영 가이드와 max_tokens 제어가 필요합니다.
초장문맥의 균일 주의(attention) 한계. 800K+ 토큰을 넣는다고 모든 구간에 균등히 주의하는 건 아니며, 거대 윈도우에 걸친 복합 추론에서 불일치가 날 수 있습니다.
7. 정리 — 무엇을 바꿨나
MiniMax M3는 \"가장 똑똑한 모델\"을 자처하기보다 \"프론티어에 근접한 성능을 1/10 비용에, 그것도 오픈웨이트로\" 라는 지점을 파고들었습니다. MSA라는 실질적 아키텍처 혁신이 이 가격표를 뒷받침한다는 점에서, 단순 '저가 모델'과는 결이 다릅니다.
언제 고려할 만한가:
100만 토큰 규칙/문서를 상시 로드하는 장문맥 에이전트 를 저비용으로 운영할 때
SWE-Bench류 코딩·터미널·브라우징 에이전트 작업
폐쇄 모델 비용이 병목인 대량 자동화
신중해야 할 때:
추상 추론·수학적 창의성이 승부처인 작업
라이선스상 상업적 자유 배포 가 반드시 필요한 경우
시각 입력이 파이프라인의 핵심인 경우
프론티어 랩들이 \"성능 대 성능\"으로 겨루던 판에, M3는 \"성능 대 비용\" 이라는 축을 전면에 세웠습니다. 오픈웨이트 진영이 이 축에서 얼마나 더 밀어붙일지가 하반기 관전 포인트입니다.
출처
MarkTechPost — MiniMax Releases M3 with MSA Architecture
VentureBeat — M3 debuts, eclipsing GPT-5.5 and Gemini 3.1 Pro for 5–10% of the cost
VentureBeat — MiniMax teases M3 sparse attention / 15.6× speed
TechTimes — MSA Architecture Now Verified · Frontier Claims, Unverified Benchmarks (launch)
Artificial Analysis — MiniMax-M3 Intelligence/Performance/Price
Tech My Money — Hands-on Agent Workflow Review
KuCoin — Ranks Top in Open-Source Models, Sparks Debate in Chinese Community
MindStudio — 1M Token Coding Model that Claims to Beat GPT-5.5
NVIDIA Developer Blog — Deploy Long-Context & Agentic Workflows with M3
Hacker News — MiniMax M3 vs GLM 5.2 codegen
본 글은 2026-07-01 기준 공개 자료를 종합한 것으로, 벤치마크 수치는 상당수 제조사 발표에 기반하며 독립 검증 정도가 항목마다 다릅니다.