GLM-5.3-Flash: Z.ai의 멀티모달 모델, 10분의 1 가격으로

Z.ai는 2026년 8월 26일 GLM-5.3-Flash를 출시했습니다 — GLM-5 시리즈 최초의 네이티브 멀티모달 모델로, MIT 라이선스와 1M 토큰 컨텍스트 윈도우를 갖추고 있습니다 (Z.ai on X). 320B-A18B 모델로, Z.ai에 따르면 코딩 및 에이전트 테스트에서 GLM-5.2를 능가하면서도 가격은 약 10분의 1 수준입니다. 실제로 무엇이 새로워졌는지, 에이전트에 중요한 벤치마크, 비용, 그리고 GLM-5.3과의 차이점을 살펴보겠습니다.

GLM-5.3-Flash란?

GLM-5.3-Flash는 토큰당 총 3,200억 개의 파라미터와 180억 개의 활성 파라미터를 갖춘 Mixture-of-Experts (전문가 혼합) 모델입니다 (TestingCatalog). Z.ai는 이 모델을 GLM-5 패밀리의 저비용·고효율 티어로 포지셔닝합니다: 강력한 코딩 및 에이전틱 성능을 갖추면서도 저렴하게 실행하고 빠르게 응답하도록 설계되었습니다.

기존 GLM 릴리스와 구별되는 두 가지 특징이 있습니다. 시리즈 최초의 네이티브 멀티모달 모델로 — 비전 기능이 사후에 추가된 것이 아니라 학습 과정에 내재되어 있으며 — MIT 라이선스 하에 Hugging Face에서 오픈 웨이트로 제공됩니다. "Ox Alpha"라는 이름이 익숙하게 들린다면, 이 모델이 공개 전 약 일주일간 OpenCode와 OpenRouter에서 ox-alpha라는 익명으로 실행되었기 때문입니다.

하이브리드 아키텍처: 1M 토큰에서의 저비용 어텐션

효율성의 핵심은 어텐션 설계에 있습니다. Z.ai에 따르면 GLM-5.3-Flash는 희소 어텐션(sparse attention)과 선형 어텐션(linear attention)을 하나의 하이브리드 아키텍처로 결합한 최초의 오픈소스 프론티어 모델입니다 — 로컬 의존성에는 선형 어텐션을, 관련 글로벌 컨텍스트에는 희소 어텐션을 사용합니다 (Z.ai docs).

그 효과는 구체적입니다. GLM-5.3과 비교해 Z.ai는 어텐션 연산량 약 3배 감소, KV 캐시 4.4배 축소를 보고합니다 (TestingCatalog). 컨텍스트 길이가 100만 토큰에 달할 때, Z.ai가 IndexPool이라고 부르는 구성 요소가 인덱서 키 벡터 그룹을 압축하여 지연 시간과 메모리를 억제합니다. 이것이 1M 토큰 윈도우를 단순한 스펙 수치가 아닌 실제로 사용 가능하게 만드는 요소입니다 — 장기 실행 에이전트가 비용 폭증 없이 더 많은 컨텍스트를 유지할 수 있습니다.

이 모델은 30조 토큰 규모의 멀티모달 코퍼스로 학습되었으며, Z.ai는 GLM-5.2 베이스를 재사용하고 포스트 트레이닝만 확장한 GLM-5.3 방식과 달리, 새롭게 학습된 베이스에서 시작했다고 밝혔습니다.

GLM-5.3-Flash 벤치마크

아래의 모든 수치는 벤더 보고 또는 서드파티 트래커 기준입니다. 테스트 환경과 설정이 다르므로 직접 비교보다는 방향성 지표로 읽어주세요.

GLM-5.2 대비 코딩 및 에이전트 테스트에서의 성능 향상은 점진적이 아닌 대폭적인 수준입니다 (OfficeChai):

• DeepSWE v1.1: 46.2 → 63.4
• AutomationBench: 26.2 → 48.8 (거의 두 배)
• Terminal-Bench 2.1: 84.3 — DeepSeek-V4-Vision-Exp를 앞서고 Claude Opus 4.8의 85.0에 근접

동일한 Terminal-Bench 테스트에서 GPT-5.6 Terra(87.4)와 Gemini 3.7 Flash(85.8)가 여전히 앞서지만, GLM-5.2 대비 격차는 크게 줄었습니다. Z.ai의 자체 내부 Code Bench v1.0 — Claude Code 내에서 실행 — 에서 GLM-5.3-Flash는 최대 노력 기준 29.0으로 Opus 4.8의 29.5에 근접하며, 회사는 이를 플래시 티어 모델이 코딩에서 프론티어 모델과 대등하게 경쟁한다는 근거로 제시합니다.

독립 평가 기관 Artificial Analysis의 Intelligence Index에서 GLM-5.3-Flash는 57점을 기록했습니다 — 동일 가격대 추론 모델 중 중앙값을 크게 상회합니다. 솔직한 주의사항: Code Bench와 같은 내부 벤치마크는 독립적으로 재현할 수 없으며, 이 모델이 가장 어려운 공개 테스트에서 GPT-5.6 Sol이나 Fable 5를 능가한다고 주장하지도 않습니다. 이 모델은 리더보드 1위가 아닌 가성비를 위한 선택입니다.

네이티브 멀티모달: 코딩 루프 안의 비전

멀티모달 기능은 별도의 기능이 아니라 모델의 작동 방식에 내재되어 있습니다. Z.ai는 GLM-5.3-Flash를 렌더링된 인터페이스, 게임플레이, 3D 출력물을 검사하고, 그 시각적 피드백을 바탕으로 자체 작업을 평가하고 수정하도록 학습시켰습니다 (TestingCatalog).

"결과를 보고 수정하는" 이 루프는 UI나 대시보드를 구축하는 에이전트에 중요합니다: 모델이 렌더링된 페이지를 보고 오류를 발견하여 반복 수정할 수 있습니다. 동일한 접근 방식이 코드를 넘어 문서, 스프레드시트, 프레젠테이션, 회의 자료까지 확장됩니다 — 모델이 텍스트, 이미지, 구조를 넘나들며 추론하고 PPTX, PDF, DOCX, XLSX 파일을 처음부터 끝까지 완성된 형태로 제공할 수 있습니다 (Z.ai docs).

GLM-5.3-Flash 가격은?

가격이 핵심입니다. Z.ai의 표준 API 요금은 입력 토큰 1M당 $0.15, 출력 토큰 1M당 $0.50이며, 캐시된 입력은 $0.03입니다 (Z.ai on X). 서드파티 제공업체는 더 낮은 가격을 제시합니다 — OpenRouter 기준 입력 $0.075 / 출력 $0.25 (OpenRouter).

GLM Coding Plan 구독자에게는 이미 GLM-5.3 대비 3배의 사용 가능 쿼터로 제공됩니다 (TestingCatalog). 이것이 고가 티어와의 실질적인 차이입니다: 토큰 미터를 신경 쓰지 않고 긴 에이전트 루프를 실행할 수 있습니다.

GLM-5.3-Flash vs GLM-5.3

두 모델은 서로 다른 용도를 위해 설계되었습니다. GLM-5.3은 추론 중심의 코딩 모델로 — 예상치 못한 사이버보안 능력이 발현되어 안전 검토를 위해 웨이트 공개가 단계적으로 진행된 모델입니다. GLM-5.3-Flash는 대규모로 저렴하게 실행하기 위한 효율적이고 멀티모달이며 MIT 라이선스를 갖춘 변형입니다.

간략한 비교:

• 모달리티: GLM-5.3은 텍스트 중심; GLM-5.3-Flash는 네이티브 멀티모달.
• 아키텍처: GLM-5.3은 GLM-5.2 베이스를 재사용; GLM-5.3-Flash는 희소 + 선형 어텐션 하이브리드를 갖춘 새로 학습된 베이스 사용.
• 효율성: GLM-5.3-Flash는 GLM-5.3 대비 어텐션 연산량 약 3배 감소, KV 캐시 4.4배 축소.
• 라이선스 및 웨이트: GLM-5.3-Flash는 출시 첫날부터 MIT 라이선스로 오픈 웨이트 제공; GLM-5.3의 웨이트는 단계적으로 공개.
• 비용: GLM-5.3-Flash는 대용량 사용을 위한 가격 — Z.ai에 따르면 GLM-5.2 비용의 약 10분의 1.

어려운 문제에 대한 깊은 추론이 필요하다면 GLM-5.3이 적합합니다. 비용 대비 효율이 워크플로우 실행 가능성을 결정하는 멀티모달 또는 장기 실행 에이전트를 운영한다면 GLM-5.3-Flash를 테스트해 보세요.

AI 에이전트 개발자에게 의미하는 것

몇 가지 실용적인 시사점:

• 하루 종일 실행되는 에이전트를 위한 비용 레버입니다. 실제 1M 토큰 윈도우와 함께 입력 토큰 1M당 $0.075–$0.15의 가격으로, GLM-5.3-Flash는 프론티어 모델로는 불가능했던 방식으로 장기 실행 에이전트 루프를 경제적으로 만들어 줍니다.
• 멀티모달은 에이전트가 검증할 수 있는 것을 바꿉니다. 렌더링된 인터페이스를 보고 수정할 수 있는 모델은 텍스트 전용 에이전트가 닫을 수 없는 루프를 완성합니다 — UI, 대시보드, 문서 작업에 유용합니다.
• MIT 라이선스는 마찰을 제거합니다. 허용적 라이선스 하의 오픈 웨이트는 데이터 거주지 또는 벤더 검토 규정이 있는 팀이 첫날부터 자체 호스팅할 수 있음을 의미합니다; 로컬 배포는 SGLang, vLLM, TokenSpeed를 지원합니다.
• 내부 벤치마크는 출발점으로 삼으세요. Code Bench 수치는 비공개이며 최신 데이터입니다. 웨이트가 공개된 지금 독립적인 테스트가 막 시작되고 있습니다.

GLM-5.3-Flash 같은 모델을 나만의 AI 인력으로 실행하기

GLM-5.3-Flash는 Eigent가 오케스트레이션하는 작업을 위해 설계되었습니다: 단일 프롬프트에 답하는 것이 아니라 처음부터 끝까지 실행되는 저비용·장기 실행·멀티모달 에이전트 루프. Eigent는 이러한 모델을 멀티 에이전트 인력으로 전환하는 오픈소스 로컬 "Cowork" 데스크톱 앱입니다 — GitHub PR 검토부터 완전히 소유할 수 있는 자체 호스팅 AI 코딩 에이전트 실행까지. 원하는 모델을 가져와 작업을 내 머신에서 유지하세요. Eigent 다운로드하고 오늘 나만의 에이전트 워크플로우를 구축하세요.