---
title: "미니맥스, 20억 달러 조달 추진…4270억 파라미터 M3로 오픈소스 AI 판 키운다"
published: 2026-07-10T23:05:03.133Z
canonical: https://jeff.news/article/4919
---
# 미니맥스, 20억 달러 조달 추진…4270억 파라미터 M3로 오픈소스 AI 판 키운다

중국 상하이 AI 개발사 미니맥스가 20억 달러 규모 자금 조달에 나섰다. 이 회사는 오픈소스 대형언어모델 미니맥스-M3를 앞세우고 있으며, 4270억 개 매개변수와 최대 100만 토큰 컨텍스트를 내세운다.

- 중국 상하이 AI 개발사 미니맥스가 20억 달러 규모 자금 조달에 나섬
  - 절반 이상은 신주 발행, 나머지는 전환사채 발행으로 마련할 계획이라고 함
  - 별도로 65억 달러 규모 전환사채 발행도 추진 중이며, 만기는 2027년
  - 투자자는 목요일 종가보다 12.6% 높은 가격으로 1940만 주를 확보할 수 있는 구조로 소개됨

- 시장 반응은 일단 차가웠음
  - 자금 조달 소식 이후 미니맥스 주가는 9.8% 하락함
  - 회사는 올해 초 홍콩 증시 상장을 통해 약 6억1900만 달러를 이미 조달한 상태
  - AI 모델 개발이 돈을 엄청 먹는다는 건 다들 알지만, 희석과 부채 부담은 투자자 입장에서 별개 문제임

- 미니맥스가 내세우는 기술 카드는 오픈소스 대형언어모델 미니맥스-M3임
  - M3는 4270억 개 매개변수를 가진 모델로 공개됨
  - 최대 100만 토큰 길이의 프롬프트를 처리할 수 있다고 함
  - 긴 문서, 코드베이스, 멀티턴 작업을 한 번에 넣고 돌리는 쪽을 겨냥한 스펙으로 읽힘

> [!IMPORTANT]
> 미니맥스는 M3가 이전 주력 모델보다 프리필 단계는 9배, 디코드 단계는 15배 빠르다고 주장함. 대형언어모델 운영에서는 이 속도 차이가 곧 GPU 비용과 사용자 대기시간 차이로 이어짐.

- 속도 개선의 핵심에는 미니맥스 스파스 어텐션이 있음
  - 이 기술은 플래시어텐션 기반 기법으로, 추론 중 SRAM과 HBM 사이의 데이터 이동을 줄인다고 설명됨
  - 데이터 이동은 대형 모델 추론에서 병목이 되기 쉬워서, 단순 연산량보다 실제 속도에 큰 영향을 줄 수 있음
  - M3에는 긴 입력을 더 빨리 처리하는 블록 스파스 프리필 기법도 들어감

- 메모리 부담을 낮추기 위한 양자화 모듈도 적용됨
  - 일부 생성 데이터를 압축해 메모리 요구량을 줄이는 방식으로 소개됨
  - 4270억 파라미터급 모델에 100만 토큰 컨텍스트까지 얹으면, 메모리 최적화 없이는 운영비가 바로 터짐
  - 결국 미니맥스의 메시지는 ‘큰 모델이지만 추론 비용을 낮춰 실서비스에 맞췄다’에 가까움

- 미니맥스는 텍스트 모델만 하는 회사는 아님
  - 이미지를 벡터로 바꿔 다른 모델이 쉽게 처리하도록 돕는 오픈소스 비주얼 토크나이저 VTL 시리즈도 개발함
  - 모델 호스팅 서비스와 소비자용 유료 멀티미디어 생성 앱으로 매출을 올리고 있음
  - CEO 얀쥔제는 범용인공지능을 개발할 때까지 급여를 받지 않겠다고 밝혔고, 보유 지분 5%를 임직원 인센티브와 오픈소스 프로젝트 재원으로 내놓겠다고도 함

- 이 뉴스의 포인트는 ‘또 AI 회사가 돈 모은다’에서 끝나지 않음
  - 오픈소스 모델 경쟁도 결국 대규모 자본, 추론 최적화, 멀티모달 생태계가 같이 필요하다는 얘기
  - 모델을 공개해 개발자 채택을 늘리면서도, 호스팅과 앱으로 매출을 만들어야 지속 가능함
  - 한국 개발자 입장에서는 중국 오픈소스 모델들이 긴 컨텍스트와 저비용 추론 쪽에서 얼마나 빨리 따라오는지 볼 만한 사례임

---

## 기술 맥락

- 미니맥스-M3의 핵심 선택은 큰 모델을 만들되, 추론 단계 병목을 줄이는 쪽에 강하게 투자한 거예요. 4270억 파라미터와 100만 토큰 컨텍스트는 멋진 숫자지만, 실제 서비스에서는 이걸 얼마나 빠르고 싸게 돌리느냐가 더 중요하거든요.

- 프리필과 디코드는 LLM 추론에서 비용이 생기는 위치가 달라요. 긴 프롬프트를 처음 읽는 프리필은 문서 분석이나 코드베이스 입력에서 커지고, 디코드는 답변을 길게 생성할수록 사용자 대기시간에 영향을 줘요.

- 스파스 어텐션과 양자화가 같이 언급된 이유도 여기에 있어요. 모든 토큰 관계를 빽빽하게 계산하지 않고, 메모리 이동과 저장 비용을 줄여야 대형 모델을 호스팅 서비스로 팔 수 있어요.

- 그래서 이번 자금 조달은 단순한 재무 이벤트라기보다, 오픈소스 모델 회사가 성능 경쟁과 인프라 비용 경쟁을 동시에 치르는 장면으로 보는 게 맞아요. 모델을 공개해 생태계를 키우려면, 뒤에서는 계속 GPU와 엔지니어링 비용을 감당해야 하니까요.

## 핵심 포인트

- 미니맥스는 신주와 전환사채를 섞어 20억 달러 조달을 추진 중이다.
- 최신 모델 미니맥스-M3는 4270억 개 매개변수와 최대 100만 토큰 입력을 지원한다.
- M3는 이전 주력 모델보다 프리필 9배, 디코드 15배 빠르다고 회사가 밝혔다.

## 인사이트

AI 모델 회사의 경쟁은 모델 성능표만이 아니라 자본 조달, 추론 비용 절감, 배포 생태계까지 한꺼번에 굴러가는 게임이 됐다. 미니맥스 사례는 오픈소스 모델도 결국 큰돈과 인프라 효율 없이는 버티기 어렵다는 걸 보여준다.