미니맥스의 M3 플래그십 모델과 그 표시기는 호평을 받았지만, 논란을 불러일으키기도 했다
대규모 언어 모델 경쟁이 계속해서 치열해지는 가운데, AI 스타트업 미니맥스(MiniMax)가 최근 새로운 플래그십 모델인 M3를 공개했습니다. 기술 보고서의 벤치마크 결과에 따르면, 이 모델은 실제 소프트웨어 엔지니어링 작업을 시뮬레이션한 테스트에서 59%의 점수를 기록하며 GPT-5.5를 능가하고 Opus4.7에 근접하는 등 인상적인 성능을 보여주었습니다. 또한 백만 토큰 규모의 컨텍스트 처리 능력과 네이티브 멀티모달 기능을 제공합니다. 그러나 이러한 뛰어난 기술적 성과에도 불구하고, 이번 출시 소식은 개발자 커뮤니티로부터 상당한 반발을 불러일으켰으며, 특히 중국 온라인 포럼에서는 매우 거센 비판이 쏟아지고 있습니다.
회의론의 주된 원인은 평가 방법론에 있습니다. 기술적 세부 사항에 따르면, M3는 코딩 능력 테스트를 위한 평가 프레임워크로 경쟁 모델인 ‘Claude Code’를 사용했습니다. 에이전트 평가에 기존 툴체인을 사용하는 것은 일반적인 관행이지만, 비평가들은 MiniMax가 본질적으로 자사 모델을 경쟁사의 프레임워크를 기준으로 테스트한 뒤 높은 점수를 직접 주장했으며, 공개 홍보에서 동일한 경쟁사와 자신을 비교했다고 지적합니다. 많은 개발자들은 이러한 접근 방식이 모델의 본연의 능력과 프레임워크가 제공하는 향상된 성능을 구분하기 어렵게 만든다며, 이를 ‘위선적’이라고 규정했다.

또 다른 논란의 초점은 오픈소스 약속의 진정성이다. 가중치를 모두 공개하며 오픈소스 모델을 출시하는 다른 업체들과 달리, MiniMax는 M3의 규모를 공개하지 않았고 가중치도 제공하지 않았다. 이 회사는 출시 시점에 API 접근 권한만 제공하며, 10일 이내에 모델을 오픈소스로 공개하겠다고만 밝혔습니다. 재현성과 검증 가능성은 오픈소스 커뮤니티의 핵심 가치인 만큼, 상업적 관점에서는 이해할 수 있더라도 가중치를 공개하지 않은 채 오픈소스를 홍보하는 행위는 투명성과 실용성을 기대하는 개발자 커뮤니티의 반발을 불러일으켰습니다.

중량 사용자들이 가장 불만을 느낀 점은 청구 규칙의 갑작스러운 변경이다. 이전까지 MiniMax는 월간 토큰 한도 없이 요청 횟수로만 제한하는 관대한 사용 한도로 유명했다. 그러나 M3 출시와 함께, 회사는 총 사용량에 따라 요금을 부과하는 새로운 토큰 기반 요금제를 도입했다. 공식 입장은 Plus 요금제가 뛰어난 토큰 가치를 제공한다는 것이지만, 헤비 유저들—특히 백만 토큰 규모의 컨텍스트를 다루는 사용자들—은 각 호출마다 많은 양의 토큰이 소모되어 패키지 할당량이 금세 소진된다는 사실을 깨닫고 있습니다. 이로 인해 오랜 기간 서비스를 이용해 온 사용자들로부터 광범위한 불만이 제기되고 있습니다.
운영상의 논란을 제쳐두고 보면, M3는 아키텍처 수준에서 주목할 만한 혁신을 보여줍니다. 이 모델은 MSA(MiniMax Sparse Attention)라고 불리는 자체 개발된 스파스 어텐션 메커니즘을 도입했는데, 이는 키-값 쌍에 고정밀 블록 분할 및 스파스화를 적용함으로써 기존 트랜스포머의 2차적 계산량 급증을 완화합니다. 저수준 연산자 수준에서 이 모델은 메모리 액세스 연속성을 개선하는 새로운 집계 계산 방식을 채택하여, 오픈소스인 Flash-Sparse-Attention보다 4배 빠른 속도를 달성합니다. 그 결과, M3는 백만 토큰 규모의 컨텍스트에서 전방 전파 및 디코딩 속도를 각각 9배와 15배 향상시켰으며, 단일 토큰당 계산량을 이전 세대 대비 절반으로 줄였습니다.
관련 기사
구글, 사용자 제어 강화에 맞춰 제미니용 레미 AI 에이전트 테스트
비즈니스 인사이더에 따르면, 구글은 제미나이를 위한 새로운 AI 개인 에이전트인 레미를 테스트하고 있습니다. 이 도구는 사용자를 대신하여 작업을 실행하여 전문적인 워크플로우와 일상적인 루틴을 모두 간소화하는 것을 목표로 합니다.현재 레미는 제미나이 애플리케이션의 내부 직원 전용 버전에서 테스트 중입니다. 이 보고서는 내부 문서와 프로젝트에 정통한 두 명의 인물과의 인터뷰를 인용합니다. 내부 자료는 레미를 “24/7 개인 에이전트”로 묘사하며,
Core Web Vitals를 수정하여 SEO 순위 향상을 위한 방법
AI 도구를 활용한 성적표 코멘트 작성 간소화서론성적표 코멘트 생성을 위한 AI 도구매직 스쿨(Magic School)알마낙 AI(Almanac AI)챗 GPT(Chat GPT)매직 스쿨을 사용하여 성적표 코멘트 생성하기매직 스쿨 로그인성적표 코멘트 도구 선택학생별 코멘트 맞춤 설정알마낙 AI를 사용하여 성적표 코멘트 생성하기과정 및 평가 체계 설정성적표 분량 및 학생 정보 구성알마낙 AI를 통한 코멘트 생성매직 스쿨과
Slackbot이 AI 에이전트가 됩니다
Salesforce의 기업용 메시징 플랫폼인 Slack에 내장된 자동 비서 Slackbot이 AI 에이전트로 진화하고 있습니다. Salesforce의 CTO인 Parker Harris는 이것이 OpenAI의 ChatGPT에 버금가는 바이럴 현상을 달성할 것으로 전망합니다.클라우드 소프트웨어 거대 기업인 Salesforce는 화요일 업데이트된 Slackbot을 출시했습니다. Business+ 및 Enterprise+ 고객에게 제공되는 이 새로운
관련 특별 주제 추천
의견 (0)
0/500
대규모 언어 모델 경쟁이 계속해서 치열해지는 가운데, AI 스타트업 미니맥스(MiniMax)가 최근 새로운 플래그십 모델인 M3를 공개했습니다. 기술 보고서의 벤치마크 결과에 따르면, 이 모델은 실제 소프트웨어 엔지니어링 작업을 시뮬레이션한 테스트에서 59%의 점수를 기록하며 GPT-5.5를 능가하고 Opus4.7에 근접하는 등 인상적인 성능을 보여주었습니다. 또한 백만 토큰 규모의 컨텍스트 처리 능력과 네이티브 멀티모달 기능을 제공합니다. 그러나 이러한 뛰어난 기술적 성과에도 불구하고, 이번 출시 소식은 개발자 커뮤니티로부터 상당한 반발을 불러일으켰으며, 특히 중국 온라인 포럼에서는 매우 거센 비판이 쏟아지고 있습니다.
회의론의 주된 원인은 평가 방법론에 있습니다. 기술적 세부 사항에 따르면, M3는 코딩 능력 테스트를 위한 평가 프레임워크로 경쟁 모델인 ‘Claude Code’를 사용했습니다. 에이전트 평가에 기존 툴체인을 사용하는 것은 일반적인 관행이지만, 비평가들은 MiniMax가 본질적으로 자사 모델을 경쟁사의 프레임워크를 기준으로 테스트한 뒤 높은 점수를 직접 주장했으며, 공개 홍보에서 동일한 경쟁사와 자신을 비교했다고 지적합니다. 많은 개발자들은 이러한 접근 방식이 모델의 본연의 능력과 프레임워크가 제공하는 향상된 성능을 구분하기 어렵게 만든다며, 이를 ‘위선적’이라고 규정했다.

또 다른 논란의 초점은 오픈소스 약속의 진정성이다. 가중치를 모두 공개하며 오픈소스 모델을 출시하는 다른 업체들과 달리, MiniMax는 M3의 규모를 공개하지 않았고 가중치도 제공하지 않았다. 이 회사는 출시 시점에 API 접근 권한만 제공하며, 10일 이내에 모델을 오픈소스로 공개하겠다고만 밝혔습니다. 재현성과 검증 가능성은 오픈소스 커뮤니티의 핵심 가치인 만큼, 상업적 관점에서는 이해할 수 있더라도 가중치를 공개하지 않은 채 오픈소스를 홍보하는 행위는 투명성과 실용성을 기대하는 개발자 커뮤니티의 반발을 불러일으켰습니다.

중량 사용자들이 가장 불만을 느낀 점은 청구 규칙의 갑작스러운 변경이다. 이전까지 MiniMax는 월간 토큰 한도 없이 요청 횟수로만 제한하는 관대한 사용 한도로 유명했다. 그러나 M3 출시와 함께, 회사는 총 사용량에 따라 요금을 부과하는 새로운 토큰 기반 요금제를 도입했다. 공식 입장은 Plus 요금제가 뛰어난 토큰 가치를 제공한다는 것이지만, 헤비 유저들—특히 백만 토큰 규모의 컨텍스트를 다루는 사용자들—은 각 호출마다 많은 양의 토큰이 소모되어 패키지 할당량이 금세 소진된다는 사실을 깨닫고 있습니다. 이로 인해 오랜 기간 서비스를 이용해 온 사용자들로부터 광범위한 불만이 제기되고 있습니다.
운영상의 논란을 제쳐두고 보면, M3는 아키텍처 수준에서 주목할 만한 혁신을 보여줍니다. 이 모델은 MSA(MiniMax Sparse Attention)라고 불리는 자체 개발된 스파스 어텐션 메커니즘을 도입했는데, 이는 키-값 쌍에 고정밀 블록 분할 및 스파스화를 적용함으로써 기존 트랜스포머의 2차적 계산량 급증을 완화합니다. 저수준 연산자 수준에서 이 모델은 메모리 액세스 연속성을 개선하는 새로운 집계 계산 방식을 채택하여, 오픈소스인 Flash-Sparse-Attention보다 4배 빠른 속도를 달성합니다. 그 결과, M3는 백만 토큰 규모의 컨텍스트에서 전방 전파 및 디코딩 속도를 각각 9배와 15배 향상시켰으며, 단일 토큰당 계산량을 이전 세대 대비 절반으로 줄였습니다.
Core Web Vitals를 수정하여 SEO 순위 향상을 위한 방법
AI 도구를 활용한 성적표 코멘트 작성 간소화서론성적표 코멘트 생성을 위한 AI 도구매직 스쿨(Magic School)알마낙 AI(Almanac AI)챗 GPT(Chat GPT)매직 스쿨을 사용하여 성적표 코멘트 생성하기매직 스쿨 로그인성적표 코멘트 도구 선택학생별 코멘트 맞춤 설정알마낙 AI를 사용하여 성적표 코멘트 생성하기과정 및 평가 체계 설정성적표 분량 및 학생 정보 구성알마낙 AI를 통한 코멘트 생성매직 스쿨과
Slackbot이 AI 에이전트가 됩니다
Salesforce의 기업용 메시징 플랫폼인 Slack에 내장된 자동 비서 Slackbot이 AI 에이전트로 진화하고 있습니다. Salesforce의 CTO인 Parker Harris는 이것이 OpenAI의 ChatGPT에 버금가는 바이럴 현상을 달성할 것으로 전망합니다.클라우드 소프트웨어 거대 기업인 Salesforce는 화요일 업데이트된 Slackbot을 출시했습니다. Business+ 및 Enterprise+ 고객에게 제공되는 이 새로운





집






