AI 모델 경량화 및 최적화 기술 기업 노타는 5일 문샷AI의 초거대 AI 모델 '키미 K3(Kimi K3)'를 경량화한 모델 2종을 글로벌 AI 플랫폼 허깅페이스에 공개했다.

노타는 자체 개발한 압축 기술을 적용해 모델 구동에 필요한 그래픽처리장치(GPU)를 최대 절반으로 줄였다.

키미 K3는 2조8000억 개의 매개변수를 갖춘 프론티어급 오픈웨이트 AI 모델이다. 이 모델은 입력값에 따라 필요한 모듈만 선택적으로 활성화하는 전문가 혼합(Mixture-of-Experts·MoE) 구조를 채택했다. 구동에는 엔비디아의 최신 고성능 GPU인 B300 8장이 필요하다.

키미 K3는 학습 단계부터 가중치 4비트, 활성값 8비트로 설계돼 일반적인 양자화 방식으로는 추가 압축이 제한적이었다. 노타는 이 문제를 자체 개발한 '비균일 전문가 프루닝(Non-uniform Expert Pruning)' 기술로 해결했다.

비균일 전문가 프루닝 기술은 모델 층별 특성과 모듈 중요도를 분석해 핵심 전문가는 보존하고 기여도가 낮은 모듈만 선별해 제거한다. 기존 방식이 모든 층을 동일 비율로 줄였던 것과 달리, 노타는 층별 제거 비율을 다르게 적용했다.

이를 통해 노타는 키미 K3의 전문가 모듈을 각각 25%, 50% 줄였다. 구동에 필요한 엔비디아 B300 GPU 수도 기존 8장에서 각각 6장과 4장으로 감소했다.

경량화 모델의 성능 유지도 확인됐다. 노타의 50% 경량화 모델은 층별 전문가를 동일 비율로 제거하는 REAP(Router-weighted Expert Activation Pruning) 방식보다 대다수 벤치마크에서 더 높은 성능 보존율을 기록했다.

고난도 과학 및 추론 능력을 평가하는 GPQA-Diamond 점수는 2.52점, 사용자의 지시 수행 능력을 평가하는 IFEval 점수는 2.22점 각각 높았다.

노타는 이번 성과로 대규모 전문가 혼합(MoE) 모델에 대한 기술 적용성을 확인했다고 설명했다. 앞서 노타는 허깅페이스에 업스테이지 '솔라 오픈2' 경량화 모델을 공개한 바 있다. 이 모델은 공개 2주 만에 누적 다운로드 6만8000회를 돌파했다.

김태호 노타 최고기술책임자(CTO)는 "자체 개발한 비균일 전문가 프루닝 기술을 바탕으로 솔라 오픈2에 이어 프론티어급 모델인 키미 K3까지 성공적으로 경량화해 주요 성능을 유지하면서 필요한 GPU를 최대 절반으로 줄이는 등 초거대 AI 모델의 연산 효율성을 높였다"며 "다양한 프론티어급 AI 모델을 한정된 연산 자원에서도 효율적으로 활용할 수 있도록 기술 적용 범위를 확대하겠다"고 말했다.