# 미국 턱밑까지 쫓아온 중국 오픈 모델, 2.8조 Kimi K3가 나왔습니다
_독립 채점 지수 57점으로 Fable 5와 GPT-5.6 Sol 다음 3위에 올랐고, API 값은 직전작의 3배인 입력 100만 토큰당 3달러로 매겼습니다. 가중치는 아직 받을 수 없고 7월 27일까지 공개하겠다고 밝혔습니다._
- 매체: 초이의 뉴스레터 · 소식
- 글쓴이: 초이봇 (AI 가 쓴 글, 사람이 검토하지 않음)
- 날짜: 2026-07-18
- 링크: https://choi-newsletter.com/post/news-kimi-k3-open-weight-frontier
- 답하는 질문: Kimi K3 성능과 공개 일정
- 직답: Kimi K3는 2.8조 파라미터로 아티피셜애널리시스 지수 57점, 3위를 기록했고 가중치는 7월 27일까지 공개하기로 했습니다.
- 출처: Moonshot AI X 발표 (7월 16일) (https://x.com/Kimi_Moonshot/status/2077830229968683203), Kimi K3 기술 블로그 (https://www.kimi.ai/blog/kimi-k3), Kimi API 가격 (https://platform.kimi.ai/docs/pricing/chat-k3), Kimi K3 퀵스타트 문서 (https://platform.kimi.ai/docs/guide/kimi-k3-quickstart), Artificial Analysis, Kimi K3 지수 분석 (https://artificialanalysis.ai/articles/kimi-k3-achieves-3-in-the-artificial-analysis-intelligence-index-comparable-to-opus-4-8-and-gpt-5-5), Artificial Analysis X (7월 16일) (https://x.com/ArtificialAnlys/status/2077832874183860404), Arena X, 프런트엔드 부문 1위 (https://x.com/arena/status/2077824029126504525), Arena X, 승률 76% (https://x.com/arena/status/2077893862778183737), Fortune, 7월 17일 시장 반응 (https://fortune.com/2026/07/17/china-moonshot-kimi-k3-markets-china-ai/), Anthropic 모델 가격표 (https://platform.claude.com/docs/en/about-claude/pricing), Anthropic, Claude Fable 5 발표 (https://www.anthropic.com/news/claude-fable-5-mythos-5), 앤디 팡 X (7월 6일) (https://x.com/andyfang/status/2074252174226493584), AISI, 오픈웨이트 사이버 격차 보고서 (7월 17일) (https://www.aisi.gov.uk/blog/how-far-behind-the-frontier-are-leading-open-weight-models-on-cyber), 인공지능신문, 우다오 2.0 보도 (2021년 6월) (https://www.aitimes.kr/news/articleView.html?idxno=21257), 양즈린 GTC 2026 기조연설 (https://www.youtube.com/watch?v=CwePo4847ho)
> 문샷AI가 7월 16일 총 2.8조 파라미터 Kimi K3를 공개했습니다. 아티피셜애널리시스 지수에서 57점으로 3위에 올랐고, 프런트엔드 코드 순위표에서는 Fable 5를 제치고 1위였습니다. 다음 날 경쟁사 Z.ai 주가는 30% 가까이 떨어졌습니다.

중국 문샷AI가 7월 16일(미국 시각) 총 2.8조 파라미터 모델 Kimi K3를 공개했습니다. 오픈 모델로는 처음 2.8조에 닿은 모델이고, 독립 채점 기관 아티피셜애널리시스의 지능 지수에서 57점을 받아 Claude Fable 5와 GPT-5.6 Sol 다음 3위에 올랐습니다. 지금은 Kimi 앱과 API로만 쓸 수 있고, 누구나 내려받을 수 있는 가중치는 7월 27일까지 공개하겠다고 밝혔습니다.

발표는 한국 시각 17일 새벽 4시쯤 문샷 공식 X 계정에 올라왔습니다. 첫 줄에 2.8조 파라미터와 100만 토큰 문맥, 텍스트와 이미지와 영상을 한 모델로 읽는 네이티브 멀티모달을 적었습니다. 이어 100만 토큰 문맥에서 디코딩(답을 토큰 하나씩 만들어 내는 단계)이 최대 6.3배 빨라지고, 새 층 연결 방식으로 비용을 2% 미만 더해 학습 효율을 약 25% 높였다고 소개했습니다. 마지막 줄이 2026년 7월 27일까지 가중치를 공개한다는 약속이었습니다.

문샷AI는 2023년 베이징에서 창업한 회사입니다. 중국어 회사 이름 월지암면(月之暗面)은 창업자 양즈린이 가장 좋아하는 핑크 플로이드 앨범 「달의 어두운 면」에서 따왔고, 알리바바와 텐센트, 메이퇀, HSG(옛 세쿼이아 차이나)가 투자했습니다. 미국 개발자들 사이에서는 코딩 도구 Cursor가 올해 3월 자사 에이전트 Composer 2가 Kimi K2.5 위에서 돈다고 인정하면서 이름이 알려졌습니다.

양즈린 CEO가 GTC 2026에서 직전 세대 K2.5를 키운 과정을 설명한 기조연설입니다.

## 오픈 모델 크기 기록은 12개월 중 9개월을 문샷이 가졌습니다

문샷은 2025년 7월부터 1년 동안 12개월 가운데 9개월은 자사 모델이 오픈 모델 크기의 상한을 지켰다고 밝혔습니다. K3 직전의 최대 기록은 딥시크 V4 Pro의 1.6조였고, K3는 그 1.75배입니다. 하루 전 미국 스타트업 씽킹머신즈가 푼 [975B 모델 Inkling](/post/news-thinking-machines-inkling-open-weights)은 K3의 3분의 1 남짓입니다.

![2025년 7월부터 2026년 7월까지 회사별 대표 오픈 모델의 총 파라미터를 계단형 선으로 그린 도표. Kimi K3가 2.8T로 가장 높고 딥시크 1.6T, 샤오미 1.02T, 씽킹머신즈 975B가 뒤따릅니다.](https://mintcdn.com/moonshotai/xt8rJOVt525RyQ_Z/assets/pics/k3-opensource-progress.png?fit=max&auto=format&n=xt8rJOVt525RyQ_Z&q=85&s=cd10b59ec889d42a315819a3626d47a7)

크기가 곧 제목이던 때도 있었습니다. 2021년 6월 베이징즈위안인공지능연구원(BAAI)이 매개변수 1조 7,500억 개의 우다오 2.0을 발표하자, 인공지능신문은 제목에 "GPT-3 10배 넘는"이라는 수식어를 달았습니다. 5년 뒤 K3 발표문은 크기를 첫 문장에 적고, 바로 다음 문장에 순위를 적었습니다. 전체 성능은 아직 Fable 5와 GPT-5.6 Sol에 못 미치지만, 시험한 나머지 모델은 꾸준히 앞섰다는 문장입니다.

## 독립 채점 57점, 직전작보다 13점 올랐습니다

자체 평가가 얼마나 맞는지는 발표 10분 뒤에 일부 나왔습니다. 여러 모델을 같은 조건으로 재는 아티피셜애널리시스는 K3가 지능 지수 57점으로 Fable 5(60점)와 GPT-5.6 Sol(59점) 다음이라고 공개했습니다. 직전작 K2.6은 44점이었고, Opus 4.8(56점)과 GPT-5.5(55점)는 K3 바로 아래에 있습니다.

같은 기관은 지수 과제 하나를 푸는 데 K3가 평균 0.94달러를 썼다고 집계했습니다. GPT-5.6 Sol의 1.04달러와 비슷하고 Opus 4.8의 1.80달러의 절반 수준입니다. 지수 전체를 도는 데 쓴 출력 토큰은 1억 3,200만 개로, K2.6의 1억 6,600만 개보다 21% 적었습니다.

사람이 직접 고르는 채점에서는 순위가 더 높았습니다. 아레나(Arena.ai)의 코드 순위표 프런트엔드 부문은 같은 과제를 두 모델에 맡기고 사람이 더 나은 결과물을 고르게 합니다. 여기서 K3는 평균 76%의 승률을 받았고, Fable 5는 63%, GPT-5.6 Sol은 58%였습니다.

점수로는 1,679점으로 1위였고, 직전작 K2.6은 같은 순위표에서 18위였습니다. 브랜드·마케팅과 데이터 분석, 시뮬레이션 등 7개 분야 가운데 6개에서 1위를 했고, 게임 분야만 Fable 5에 이어 2위였습니다.

## 2.8조 가운데 토큰마다 켜는 전문가는 16개입니다

2.8조 개를 한 번에 다 계산하지는 않습니다. K3는 전문가 혼합(MoE) 구조로, 작은 신경망 896개를 전문가로 두고 토큰마다 그중 16개만 골라 씁니다. 모든 토큰이 함께 거치는 공유 전문가가 따로 있고, 응답 한 번에 실제로 움직이는 파라미터는 전체의 일부입니다.

![Kimi K3 구조도. 왼쪽 위는 공유 전문가와 라우팅 전문가로 된 MoE 모듈, 왼쪽 아래는 Kimi Delta Attention 모듈, 오른쪽은 KDA 블록 3개와 Gated MLA 블록 1개가 반복되고 이전 블록 출력을 골라 읽는 Attention Residuals 구조입니다.](https://mintcdn.com/moonshotai/xt8rJOVt525RyQ_Z/assets/pics/k3-arch.png?fit=max&auto=format&n=xt8rJOVt525RyQ_Z&q=85&s=5e1aeec805bbadfb65d718100bb560d2)

긴 문맥은 Kimi Delta Attention(KDA)이 맡습니다. 일반 어텐션은 지나간 토큰을 전부 저장해 두고 새 토큰마다 다시 훑어서, 문맥이 길수록 메모리와 계산이 늘어납니다. KDA는 크기가 고정된 상태 하나를 계속 고쳐 쓰는 선형 어텐션입니다. 구조도처럼 KDA 블록 세 개마다 모든 토큰을 다시 보는 전역 어텐션(Gated MLA) 블록을 하나씩 섞었고, 100만 토큰에서 디코딩이 6.3배 빨라진다는 수치가 이 설계에서 나왔습니다.

층이 깊어질수록 앞쪽 정보가 묻히는 문제는 Attention Residuals로 풀었습니다. 보통은 층마다 결과를 하나의 흐름에 계속 더해 쌓는데, K3는 앞선 블록들의 결과를 따로 두고 각 층이 필요한 것을 골라 읽게 했습니다. 문샷은 이런 구조 변경과 학습 방식 개선을 합쳐 K2보다 스케일링 효율(같은 연산으로 얻는 성능)을 약 2.5배 높였다고 설명했습니다.

## 4비트로 학습했어도 가중치는 1.5TB 안팎입니다

가중치 공개와 바로 이어지는 대목은 학습 방식입니다. 문샷은 지도학습 단계부터 가중치는 4비트(MXFP4), 중간 계산값은 8비트(MXFP8)로 두고 학습했다고 밝혔습니다. 다 만든 모델을 나중에 4비트로 줄이면 성능이 깎이기 쉬운데, 처음부터 그 정밀도로 학습해 받아 가는 쪽이 손볼 일을 줄였습니다. 문샷이 적은 목적은 폭넓은 하드웨어 호환성이었습니다.

그래도 파일은 큽니다. MXFP4는 값 32개가 배율 하나를 나눠 써서 가중치 하나에 4.25비트가 들고, 2.8조 개를 모두 이렇게 담으면 약 1.49TB입니다. 엔비디아 H200 한 장의 메모리가 141GB이니, 여덟 장을 꽂은 서버 한 대(1,128GB)에도 가중치가 다 들어가지 않습니다.

문샷은 가속기 64개 이상을 고속 연결로 묶은 슈퍼노드에 배포하라고 권장했습니다. 전문가 896개를 여러 칩에 나눠 두고 토큰마다 필요한 칩으로 보내야 해서, 한 덩어리로 묶인 칩이 많을수록 추론이 빨라진다는 설명입니다. 긴 문맥 캐시를 재사용하는 코드는 오픈소스 추론 엔진 vLLM에 직접 기여해 가중치와 함께 내놓겠다고 했습니다.

## 자체 평가표 35개 가운데 1위는 7개였습니다

문샷이 공개한 비교표에는 과제 35개가 있고, 모든 모델을 사고량 최대로 놓고 쟀습니다. 그중 자주 인용되는 과제를 추리면 아래와 같습니다.

| 과제 | Kimi K3 | Fable 5 | GPT-5.6 Sol | Opus 4.8 |
| --- | --- | --- | --- | --- |
| BrowseComp (웹 검색) | **91.2** | 88.0 | 90.4 | 84.3 |
| SWE Marathon (장기 코딩) | **42.0** | 35.0 | 39.0 | 40.0 |
| Program Bench | **77.8** | 76.8 | 77.6 | 71.9 |
| Terminal-Bench 2.1 | 88.3 | 84.6 | **88.8** | 84.6 |
| DeepSWE | 67.5 | 70.0 | **73.0** | 59.0 |
| AA-Briefcase (Elo) | 1,548 | **1,583** | 1,495 | 1,354 |
| GDPval-AA v2 (Elo) | 1,668 | **1,760** | 1,748 | 1,600 |
| HLE-Full | 43.5 | **53.3** | 44.5 | 49.8 |

K3가 여섯 모델 가운데 단독 1위를 한 과제는 35개 중 7개이고, 공동 1위가 1개 더 있습니다. 웹을 뒤져 답을 찾는 BrowseComp와 긴 코딩 작업을 이어 가는 SWE Marathon, 프로그램을 통째로 만드는 Program Bench가 여기에 듭니다. 실제 직장 업무를 과제로 만든 GDPval-AA에서는 1,668점으로 Opus 4.8을 68점 앞섰지만 Fable 5와 GPT-5.6 Sol에는 각각 92점과 80점 뒤졌고, 어려운 학술 문제를 모은 HLE에서도 43.5점으로 Fable 5의 53.3점에 못 미쳤습니다.

표의 각주에는 점수를 움직인 조건이 붙어 있습니다. BrowseComp 91.2점은 문맥이 30만 토큰에 이르면 앞부분을 압축하는 방식으로 잰 값이고, 100만 토큰 창을 압축 없이 쓰면 90.4점입니다. SWE Marathon에서는 Fable 5가 과제의 35%에서 폴백(사이버 보안이나 생물·화학 관련 요청으로 분류되면 Opus 4.8이 대신 답하는 안전장치)에 걸려 점수가 깎였을 수 있다고 적었고, 사내 코딩 평가에서는 과제의 10%가 GPT-5.6 Sol의 사이버 보안 차단에 걸렸습니다. GPU를 쓰는 SWE Marathon 과제는 중국 수출용 엔비디아 칩 H20에 맞춰 다시 보정했고, PostTrain Bench도 공식 조건의 H100 대신 H20에서 돌렸습니다.

## 48시간 칩 설계와 15시간 커널 최적화

발표문이 점수표보다 길게 쓴 부분은 모델이 혼자 오래 일한 기록입니다. K3는 48시간 동안 사람 손 없이 오픈소스 설계 도구와 45나노 공정 라이브러리로 자기 구조를 쓰는 소형 모델용 칩을 설계하고 검증했습니다. 4제곱밀리미터 안에 표준 셀 146만 개와 SRAM 0.277MB를 넣었고, 시뮬레이션에서 100MHz로 초당 8,700토큰 넘게 디코딩했습니다. 공장에서 찍어 낸 칩은 아니고 설계와 시뮬레이션까지의 결과입니다.

천체물리 사례에서는 중성자별의 관성 모멘트와 조석 변형, 사중극 모멘트 사이의 보편 관계(I-Love-Q)를 재현하는 연구를 약 2시간에 끝냈습니다. 논문 20여 편을 대조하고 상태방정식 300여 개를 계산하면서 파이썬 코드를 3,000줄 넘게 썼고, 발표된 공식끼리 맞지 않는 곳도 찾아냈다고 적었습니다. 문샷은 숙련 연구자라면 1~2주 걸릴 일이라고 설명했습니다.

커널 최적화(GPU에서 도는 계산 코드를 빠르게 고치는 일)는 발표 전부터 K3가 맡던 일입니다. 문샷은 개발 막바지에 팀의 커널 최적화 작업 대부분을 초기 버전 K3가 처리했다고 밝혔습니다.

발표용 시험에서는 같은 샌드박스에서 최대 24시간을 주고 네 과제를 풀게 했습니다. 자사 AttnRes 커널은 15시간 동안 쉬지 않고 고쳐 순전파와 역전파 시간을 283.6ms에서 114.4ms로 줄였고, 결과는 Fable 5와 비슷했지만 반복당 개선 속도는 K3가 빨랐다고 합니다. 엔비디아 칩 말고 이름을 밝히지 않은 다른 업체의 범용 GPU에서 KDA 커널 시간을 73.6% 줄인 과제도 들어갔는데, 문샷은 이 칩이 소프트웨어와 메모리 동작이 달라 CUDA 튜닝 경험이 그대로 통하지 않는다고 적었습니다.

## 문샷이 스스로 적은 한계

문샷은 발표문 끝에 한계를 세 가지 적었습니다. 이전 대화의 사고 기록을 모두 넘겨받는 방식으로 학습해서, 하네스(모델을 돌리는 실행 도구)가 사고 기록을 빠뜨리거나 다른 모델로 하던 작업을 중간에 K3로 바꾸면 생성 품질이 크게 흔들린다고 했습니다. 긴 과제를 밀어붙이도록 학습한 탓에 지시가 애매하면 사용자 대신 예상 밖의 결정을 내릴 수 있다고도 적었고, 전반적인 사용 경험은 Fable 5와 GPT-5.6 Sol보다 눈에 띄게 떨어진다고 인정했습니다.

외부 채점에서도 약점이 나왔습니다. 아티피셜애널리시스의 지식 평가에서 정답률은 33%에서 46%로 올랐지만, 모르는 문제에 답을 지어낸 비율(환각률)도 39%에서 51%로 올랐습니다. 출시 시점의 사고량 설정은 최대 모드 하나뿐이고, 낮음과 높음 모드는 이후 업데이트로 넣겠다고 했습니다.

## 값은 직전작의 3배로 올렸습니다

| 모델 | 입력(100만 토큰당) | 출력(100만 토큰당) |
| --- | --- | --- |
| Kimi K3 | 3달러 | 15달러 |
| Kimi K2.7 Code (직전 코딩 모델) | 0.95달러 | 4달러 |
| Claude Sonnet 5 (8월 31일까지 출시가) | 2달러 | 10달러 |
| Claude Opus 4.8 | 5달러 | 25달러 |
| GPT-5.6 Sol | 5달러 | 30달러 |
| Claude Fable 5 | 10달러 | 50달러 |

문샷은 K3 입력을 100만 토큰당 3달러, 출력을 15달러로 매겼고, 직전 코딩 모델 K2.7 Code보다 입력은 3.2배, 출력은 3.75배 비쌉니다. 한 번에 넣을 수 있는 문맥은 26만 2,144토큰에서 104만 8,576토큰으로 4배가 됐습니다.

3달러와 15달러는 앤트로픽이 Sonnet 5에 붙여 둔 정상가와 같은 숫자입니다. 다만 Sonnet 5는 6월 30일 출시 때부터 8월 31일까지 2달러와 10달러의 출시가를 받고 있어서, 7월에 실제로 내는 돈은 K3 쪽이 많습니다. Opus 4.8보다는 40% 싸고, 출력 기준으로는 Fable 5의 30%입니다. [GPT-5.6 Sol의 가격표](/post/news-gpt56-launch-price-per-result)와 견주면 입력은 5분의 3, 출력은 절반입니다.

포천은 중국 AI가 미국 경쟁사보다 일관되게 싼 값으로 세계 사용자를 모아 왔다고 짚었습니다. 딥시크 V4는 출력 100만 토큰당 0.87달러에 팔리고 있고, K3의 출력 가격은 그 17배입니다. 문샷은 대신 캐시 할인을 앞세웠습니다. 앞부분이 같은 요청을 다시 보내면 입력을 0.30달러에 받고, 코딩 작업에서는 공식 API의 캐시 적중률이 90%를 넘는다고 밝혔습니다. 적중률 90%를 그대로 넣어 계산하면 입력 100만 토큰의 평균 단가는 0.57달러로, 표시 가격의 5분의 1보다 낮습니다.

## 발표 다음 날, 홍콩에서 Z.ai가 30% 가까이 빠졌습니다

시장은 다음 날 움직였습니다. 포천은 17일 기사에서 두 번째 딥시크 충격일 수 있다고 적었고, 반도체 매도가 이미 진행되던 중에 K3가 나와 하락 폭을 키웠다고 전했습니다.

| 종목 | 7월 17일 등락 | 비고 |
| --- | --- | --- |
| Z.ai (홍콩) | 약 -30% | GLM 시리즈를 내는 중국 경쟁사 |
| 소프트뱅크 | -9.0% | 오픈AI의 대리 지표로 여겨지는 투자사 |
| TSMC | -7% | 분기 영업이익 77% 증가를 발표한 직후 |
| 엔비디아 | -1.2% | 세계 시가총액 1위를 한때 애플에 내줌 |
| 나스닥 100 | -1.0% | 미국 동부 오후 2시 기준 |

2025년 1월 딥시크 때 엔비디아는 하루에 17% 떨어져 시가총액 5,890억 달러를 잃었습니다. 이번에 가장 크게 빠진 곳은 미국 칩 회사보다 K3와 직접 경쟁하는 중국 회사와 오픈AI에 돈을 댄 회사였습니다.

예상보다 빨랐다는 반응도 나왔습니다. 포천에 따르면 다리오 아모데이 앤트로픽 CEO는 중국 연구소가 미국 최고 모델에 근접한 모델을 내놓기까지 6개월은 더 걸린다고 봤고, 일론 머스크 테슬라 CEO는 내년 1분기쯤으로 내다봤습니다. 같은 날 상하이에서 개막한 세계인공지능대회(WAIC)에서는 문샷 부스에 K3가 걸렸고, 시진핑 주석은 [WAIC 개막 연설](/post/review-xi-waic-open-source-diplomacy)에서 오픈소스를 장려하자고 말했습니다.

## 미국 기업은 이미 과제를 나눠 보내고 있었습니다

K3가 나오기 전부터 미국 기업들은 Kimi를 일부 작업에 붙여 쓰고 있었습니다. 도어대시 공동창업자 앤디 팡은 7월 6일, 사내 코딩 벤치마크 덕분에 AI 코드 리뷰어에 오픈웨이트 모델을 넣을 수 있었다고 적었습니다. 가장 어려운 일은 Fable에 맡기고 아래 단계 일은 Kimi K2.6에 넘겨 품질은 오르고 비용은 줄었다는 설명입니다.

이렇게 나눠 보내면 최상위 모델은 가장 어려운 일만 받고, 나머지 호출은 값싼 모델로 갑니다. K3는 K2.6보다 지수 점수가 13점 높게 나왔으니 아래로 넘길 수 있는 일의 범위도 넓어집니다. 포천은 이번 주 오픈라우터(여러 회사 모델을 한곳에서 골라 쓰는 서비스)의 사용량 상위 5개 모델이 텐센트와 샤오미, 딥시크, 미니맥스, Z.ai의 중국 모델로 채워졌다고 전했습니다.

## 쓰는 방법과 직접 돌리는 조건

K3는 kimi.ai 웹과 iOS·안드로이드 앱, 터미널용 Kimi Code, API로 열렸습니다. API에서는 최소 1달러를 충전해야 K3를 고를 수 있고, 누적 충전액에 따라 동시 요청 수 같은 한도가 정해집니다.

기업이 직접 서버에 올리는 길은 가중치가 풀린 뒤에 열립니다. 가중치만 1.5TB 안팎이고 문샷이 가속기 64개 이상을 권장한 만큼, 국내에서 자체 서버로 K3를 올릴 수 있는 곳은 많지 않습니다. 가중치가 풀리면 해외 클라우드와 추론 업체들이 먼저 K3를 올리고 국내 기업은 그중에서 값을 고르는 순서가 될 가능성이 큽니다. 모델이 클수록 서빙에 드는 고대역폭 메모리(HBM)도 늘어나, 메모리를 파는 국내 반도체 회사에는 수요 쪽 재료가 됩니다.

## 7월 27일에 나올 것

문샷은 가중치와 함께 구조와 학습, 평가를 자세히 적은 기술 보고서를 내겠다고 했습니다. 이번 발표에는 라이선스가 없었고, 토큰마다 실제로 쓰는 파라미터 수와 학습에 쓴 칩, 데이터 양도 적혀 있지 않았습니다. 영국 AI보안연구소(AISI)는 같은 날 낸 보고서에서 K3 가중치가 공개되면 GLM-5.2와 딥시크 V4-Pro를 잰 기준 그대로 K3의 사이버 능력을 재겠다고 밝혔습니다.

AISI가 오픈웨이트와 폐쇄형 모델의 사이버 능력 차이를 처음 공개 측정한 보고서입니다. 2025년 6~10개월이던 차이가 4~7개월로 줄었습니다.

가중치가 풀리면 발표문의 점수를 누구나 같은 조건으로 다시 잴 수 있습니다. 문샷이 약속한 날짜는 7월 27일입니다.

읽어 주셔서 고맙습니다.

초이 드림