GLM-5.3-Flash는 320B 오픈웨이트 멀티모달이다
8월 26일(현지) Z.ai가 Bloomberg에 Ox Alpha가 GLM 시리즈 신규작이라고 확인한 뒤, 같은 날 공식 블로그와 Hugging Face에 GLM-5.3-Flash 웨이트를 올렸다. 약 엿새간 이름 없이 OpenRouter·OpenCode를 장악했던 모델이, MIT 라이선스·100만 토큰 컨텍스트·중국 AI 칩 추론이라는 세 가지를 한꺼번에 들고 나왔다.
핵심은 “더 큰 모델”이 아니다. 12일 전 나온 대형 GLM-5.3(약 743B급, 텍스트 중심)의 동생격으로, 총 파라미터는 320B지만 활성은 180억(18B)이다. 회사는 이를 GLM-5 시리즈 첫 네이티브 멀티모달로 규정했다.
무엇이 확인됐는가
스펙
- 개발사: Z.ai(베이징 지푸/Zhipu). 국제 브랜드는 Z.ai, 시리즈명은 GLM.
- 규모: MoE 320B 총파라미터, 토큰당 활성 18B. Hugging Face 카드 기준 약 321B.
- 컨텍스트: 1,048,576 토큰 입력, 최대 출력 131,072 토큰.
- 입출력: 텍스트·이미지·비디오 입력, 텍스트 출력. 사고(reasoning)는 끌 수 없고 Low/High/Max만 조절.
- 사전학습: 회사 발표 기준 30T 토큰 멀티모달 코퍼스.
- 라이선스: MIT. 웨이트는
zai-org/GLM-5.3-Flash. SGLang, vLLM, TokenSpeed, KTransformers가 출시 당일 지원 대상으로 명시됐다.
가격
정가는 입력 100만 토큰당 0.15달러, 출력 0.50달러, 캐시 입력 0.03달러다. 출시 프로모션(9월 9일까지)은 50%로 입력 0.075·출력 0.25달러이며, OpenRouter 경로도 이 할인 가격과 맞춰졌다.
잠행 기간(8월 20–26일)에는 무료였다. 정체가 밝혀지며 무료 슬러그 stealth/ox-alpha는 내려갔고, 공식 ID는 z-ai/glm-5.3-flash / glm-5.3-flash로 바뀌었다.
잠행에서 공식 발표까지
Bloomberg는 8월 26일 오전 Z.ai가 Ox Alpha를 GLM 신규 이터레이션으로 확인했다고 보도했고, 당일 저녁 웨이트 공개가 뒤따랐다. TechCrunch도 같은 확인을 전했다. 커뮤니티는 이미 토크나이저·비디오 인코딩·에러 문자열로 GLM 계열을 지목한 상태였다.
회사 측 설명은 명확하다. 출시 전 OpenCode·OpenRouter에 익명 배포해 실사용 피드백을 모았고, “그 주 가장 인기 있는 모델”이 됐으며 트래픽 전부는 중국 AI 칩에서 처리했다고 밝혔다.
성능, 숫자가 말하는 것과 말하지 않는 것
독립 지표
Artificial Analysis Intelligence Index v4.1.1에서 GLM-5.3-Flash는 57점이다. 같은 랩의 GLM-5.3(max) 60점에 3점 뒤지고, GPT-5.6 Terra·Gemini 3.7 Flash·Qwen 3.8 2.4T A95B와 같은 구간에 놓인다. 과제당 비용은 약 0.09달러로, GLM-5.3(max)의 0.68달러보다 크게 낮다.
같은 평가에서 약점도 드러난다.
- 생성 속도 초당 약 48.7토큰. 유사 규모 오픈웨이트 중앙값(약 67t/s)보다 느리다.
- 말이 많다. 인덱스 평가에 약 1억 5천만 출력 토큰을 썼고, 그중 상당수가 추론 토큰이다.
즉 “같은 지능을 더 싸게”는 맞지만, “더 빠르고 더 절제된 프론티어”는 아직 아니다.
회사 벤치와 비교 구도
Z.ai가 내놓은 코딩·에이전트 숫자는 GLM-5.2 대비 큰 폭 개선을 강조한다. DeepSWE v1.1 63.4(GLM-5.2 46.2), AutomationBench 48.8(26.2), Toolathlon Verified 78.4(59.9). 사내 Code Bench 최대 노력 설정에서는 Claude Opus 4.8에 근접(29.0 vs 29.5)하다고 적었다.
다만 같은 표 안에서 GPT-5.6 Terra나 Gemini 3.7 Flash에 밀리는 항목도 있다. Terminal Bench 2.1은 84.3으로 Opus 4.8(85.0)·Terra(87.4)에 못 미친다. The New Stack은 초기 일부 반응이 Claude Fable 5급으로 과장됐다고 보고, 실제 위치는 Opus 4.8·Terra 근처의 맥스 추론 모드라고 정리했다.
사내 벤치와 “체감 Opus급”은 아직 독립 감사와 구분해야 한다. 잠행 기간 실사용량이 많았다는 점은 수요 신호이지, 품질 보증은 아니다.
왜 이 모델이 싼가
하이브리드 어텐션
회사는 GLM 시리즈 처음으로 희소 어텐션과 선형 어텐션을 섞었다고 한다. 긴 문맥에서 전체를 매번 두드리지 않고, 지역 의존은 상태로, 전역은 가벼운 인덱서로 처리하는 구조다. GLM-5.3 대비 어텐션 연산 약 3.01배, KV 캐시 약 4.44배 축소가 공식 수치다. IndexPool로 인덱서 키 벡터를 압축하고, Manifold-Constrained Hyper-Connections(mHC)로 스케일링 효율을 보탰다고 설명한다.
GLM-4.5와 비교하면 총파라미터는 비슷(320B vs 355B)하지만 활성은 32B→18B, 레이어는 92→45로 거의 반이다. “작은 활성 + 얕은 깊이 + 싼 장문맥”이 Flash라는 이름의 실체다.
로컬 구동의 현실
MIT라서 받을 수는 있다. 다만 320B MoE를 4비트로 올려도 대략 192GB급 VRAM이 거론된다. 개인 GPU 한 대로 “로컬 프론티어”를 쓰는 그림은 아직 데이터센터·멀티GPU·클라우드 추론에 가깝다. Unsloth 등 양자화 지원은 출시 직후 작업 중으로 안내됐다.
API가 싼 이유와 로컬이 쉬운 이유는 다르다. 전자는 활성 파라미터와 서빙 최적화, 후자는 총 가중치 부피의 문제다.
세 가지가 한 토픽으로 묶인 이유
1. 오픈웨이트가 먼저 나온 Flash
GLM-5.3 본편은 8월 14일 출시 후 안전 점검 이유로 웨이트가 늦어졌다. Flash는 그 반대다. 더 작은 추론용 모델을 먼저 MIT로 풀었다. MiniMax 일부 라이선스처럼 미국·EU·한국을 제외하는 조건도 없다. 개발자 입장에선 “받을 수 있는가”가 이미 갈린다.
2. 폐쇄형 API의 가격 방어선
입력 0.15·출력 0.50달러는 Opus급 체감 구간을 노리는 모델치고 이례적으로 낮다. Artificial Analysis 기준으로 같은 57점대 모델보다 과제당 비용이 수 배 싸다. 에이전트가 툴을 수십 번 돌리는 워크로드에서는 토큰 단가가 모델 선택 자체를 바꾼다.
공짜 엿새가 끝난 지금, 질문은 “무료가 유지되는가”가 아니라 “유료여도 기본 스택을 옮길 만큼 싼가”다.
3. 중국 칩으로 프론티어 추론을 버텼다는 주장
Z.ai는 잠행 트래픽 전부가 중국산 AI 칩 대규모 클러스터에서 처리됐다고 썼다. Analytics India Mag는 회사 설명을 인용해 “수만 개 칩” 규모라고 전했다. 이는 학습 칩이 아니라 서빙 칩에 대한 주장이다. 구체 벤더(예: 특정 Ascend 세대)는 회사가 단정하지 않았고, 외신 추정에 가깝다.
토큰 규모 숫자도 출처가 갈린다. 일부 보도는 OpenRouter 기준 6일간 20조 토큰 이상을 인용한다. 일 100조 토큰 같은 수치는 회사·플랫폼 발표를 확대한 보도에 보이며, 독립 감사는 공개되지 않았다. “많이 썼다”는 방향만 확실하다.
지정학적으로는 메시지가 분명하다. 수출 통제 이후에도 중국 랩이 프론티어급 추론을 국내 실리콘으로 소화할 수 있음을, 가장 눈에 잘 띄는 익명 리더보드로 보여줬다.
검열·데이터·안정성
연구그룹 CTGT는 잠행 기간 모델이 GLM-5.x 토크나이저와 11개 프로브에서 일치하고, 온도 상한 1.0·추론 비활성 불가·특정 역할 오류 문구가 Zhipu 호스팅과 같다고 봤다. 검열 패턴은 넓지 않다. 신장·대만 질문에는 미국 모델처럼 상세히 답하는 반면, 시진핑 개인과 국내 체제 정당성에서는 DeepSeek V4 Flash와 통계적으로 구분이 어려웠다. 76개 민감 쌍 중 7개 주제가 점수 대부분을 만든 “좁은 블랙리스트”라는 해석이다.
오픈웨이트면 가드레일은 로컬에서 걷어낼 수 있다. 반대로 공식 API를 쓰면 프롬프트·로그·거주 데이터가 어디에 남는지가 기업 도입의 별도 장벽이 된다. 코딩 안정성·환각·툴 호출 실패율은 출시 하루 차로 아직 장기 관측이 없다.
사고 모드를 끌 수 없다는 설계는 벤치 점수를 받쳐 주지만, 짧은 답과 낮은 지연이 필요한 제품에는 거스른다. “항상 생각하게 만든 싼 모델”은 에이전트에는 이득, 챗봇 기본값에는 비용이다.
경쟁 판에 남기는 자리
개발자 스택
코딩 에이전트, 1M 컨텍스트 레포, 스크린샷·브라우저 루프가 필요한 팀에 바로 꽂힌다. 공식 문서도 시각 피드백으로 코드·GUI를 닫는 루프를 제품 이야기의 중심에 둔다. ZCode, Coding Plan, chat.z.ai, AutoClaw, 주요 게이트웨이가 당일 열렸다.
미국 폐쇄형 랩
성능 palettes를 흔든다기보다 가격표를 흔든다. 같은 일을 10분의 1 근처 비용으로 돌릴 수 있으면, “최고점 모델만 쓴다”는 습관이 “기본은 싼 오픈, 난구간만 폐쇄형”으로 갈라질 여지가 크다. TechCrunch가 지적한 대로 중국발 저가 고성능 모델의 시장 점유 압박 서사와 맞닿는다.
중국 랩 내부
DeepSeek·Qwen·Kimi와 비교하면 Z.ai의 수는 “익명으로 수요를 증명한 뒤, Flash를 먼저 연다”는 출시 기법이다. 본편 GLM-5.3은 더 크고 비싸며 웨이트가 늦다. Flash는 점유율과 서빙 효율을 가져가는 칼이다.
앞으로 48시간이 가리는 것
- 독립 코딩 하네스(터미널, SWE, 멀티스텝 리팩터)에서 점수가 유지되는지.
- 프로모션이 끝난 9월 9일 이후에도 트래픽이 남는지.
- 양자화·멀티노드 레시피가 실제로 로컬 재현 가능한지.
- 중국 칩 서빙 주장이 벤더·대여 효율 숫자로 구체화되는지.
- API 경로의 데이터 처리 조항이 서방 기업 보안 심사를 통과하는지.
잠행의 미스터리는 끝났다. 남은 쟁점은 이름값이 아니라, 싼 오픈웨이트가 에이전트 기본값 자리를 얼마나 오래 지키느냐다.