AI·업무운영 · 신모델

정체불명 모델 '옥스 알파'가 뒤집은 것 — GLM-5.3-Flash 구조와 가격

미국 리더보드를 휩쓴 익명 모델의 정체가 중국 Z.ai의 GLM-5.3-Flash로 공개됐다. 개발자 커뮤니티의 검증 경험과 공식 기술 요약·요금표를 대조해, 이 모델을 어디에 쓰고 어디에 쓰지 않을지의 기준을 정리한다.

기준일 2026-08-28자료 공개자료·커뮤니티

먼저 결론

  • 옥스 알파 = Z.ai의 GLM-5.3-Flash다. 320B 총 파라미터에 활성 18B인 MoE, GLM-5 시리즈 최초의 네이티브 멀티모델.
  • 가격은 GLM-5.3의 10% 수준(입력 $0.075/1M토큰, 9월 9일까지 프로모션). 성능 주장(Opus급 코딩)은 개발사 발표라 독립 검증과 분리해서 본다.
  • 커뮤니티 검증으로 확인된 것은 처리 속도와 응답 필터링 잔존. 반복·대량 작업엔 유리하고, 민감 주제·최종 품질 작업은 분업 대상이다.

주의할 해석: 가격이 크게 낮다는 것만으로 기존 모델을 대체할 근거가 되지는 않는다. 사용할 작업 유형에서의 출력 품질을 먼저 확인한다.

총 파라미터320B활성 18B MoE
API 가격$0.075입력 1M토큰 프로모션가
라이선스MITHF 공개 2026-08-25
시리즈 최초멀티모달GLM-5 계열 네이티브
익명 모델 "옥스 알파" 리더보드 상위 정체 비공개 정체 공개 GLM-5.3-Flash Z.ai 공개 08-25 HF 등록 구조 확인 320B MoE 활성 18B · 멀티모달 희소+선형 하이브리드 가격 — GLM-5.3 대비 1/10 입력 $0.075 · 출력 $0.25 (1M토큰) 프로모션 50% 적용가 성능 — Opus급 코딩·에이전트 GLM-5.2 대비 벤치마크 우위 긴 문맥 처리 비용 절감 익명 릴리스가 만든 효과 — 커뮤니티가 먼저 성능을 검증하고 정체가 뒤에 공개됐다중국 관련 질문 필터링 등 기존 GLM 계열 특성은 그대로 남아 확인됐다
그림 1 — 옥스 알파의 정체 공개 과정. 익명 릴리스로 검증이 먼저 이뤄지고 GLM-5.3-Flash라는 이름이 뒤따랐다.

1. 무슨 일이 있었나 — 익명 모델의 정체

미국 AI 커뮤니티에서 리더보드 상위권을 휩쓸던 익명 모델 "옥스 알파(Ox Alpha)"의 제작사가 중국 Z.ai(즈푸AI)로 확인됐다. 국내외 보도가 이 사실을 일제히 전했고, 모델의 정식 이름은 GLM-5.3-Flash다. 휴고페이스 허브에는 zai-org/GLM-5.3-Flash로 2026년 8월 25일 등록돼 있고, MIT 라이선스로 공개됐다.

개발자 커뮤니티의 반응은 흥미롭게 갈렸다. 성능 자체에 대한 호평과 함께, 기존 GLM 계열의 특성 — 중국 관련 질문에서 응답을 거르는 경향 — 이 그대로 남아 있다는 확인이 함께 공유됐다. 익명으로 출시해 성능만으로 평가받게 한 다음, 정체를 공개하는 방식은 마케팅이면서 동시에 실력 검증이기도 했다.

2. 구조 — 320B 파라미터, 활성은 18B

공개된 기술 요약에 따르면 GLM-5.3-Flash는 GLM-5 시리즈 최초의 네이티브 멀티모달 모델이다. 총 파라미터 320B 중 활성 파라미터는 18B인 mixture-of-experts 구조다. 희소 어텐션과 선형 어텐션을 결합한 하이브리드 구조로 긴 문맥 서빙 비용을 낮췄고, 30조 토큰 규모의 멀티모달 사전학습 코퍼스를 사용했다.

성능 주장은 구체적이다. GLM-5.2를 벤치마크와 실작업에서 넘어서고, 코딩·에이전트 벤치마크에서 Claude Opus 4.8에 근접한다는 것. 단, 이는 개발사가 제시한 수치라는 점은 분리해 둬야 한다. 독립 검증은 아직 누적 중이다.

구조가 시사하는 것은 비용 효율의 방향이다. 활성 파라미터 18B는 응답 생성에 실제로 움직이는 규모이고, 나머지 302B는 전문가 집합으로 존재한다. 이는 큰 지식을 보유하면서도 토큰당 계산량은 중형 모델 수준으로 유지하는 설계다. 긴 문맥 처리에 선형 어텐션을 섞은 것도 같은 방향 — 컨텍스트가 길어질 때 비용이 폭증하지 않게 하는 장치다. "고성능과 저비용을 동시에"라는 표현이 마케팅이 아니라 구조의 결과라는 뜻이다.

3. 가격 — 왜 "오퍼스급 성능에 10% 비용"이 나오나

Z.ai 공식 요금표에서 GLM-5.3-Flash는 1백만 토큰당 입력 $0.075, 출력 $0.25다(2026년 9월 9일까지 50% 프로모션 적용가, 정가는 입력 $0.15·출력 $0.50). 같은 표의 GLM-5.3이 입력 $1.4·출력 $4.4이므로, 같은 계열 내에서도 10분의 1 수준인 셈이다. "오퍼스급 성능에 비용은 10%"라는 보도 제목은 이 가격 구조에서 나온다.

로컬 실행도 설계돼 있다. SGLang, vLLM, KTransformers 등의 배포 프레임워크를 공식 지원하고, 변환 스크립트와 요리책(cookbook)을 함께 제공한다. 개인 워크스테이션에서 돌리기엔 320B 총량이 부담스럽지만, 양자화와 MoE 구조로 실효 메모리는 그보다 낮게 계산된다.

4. 실무 판단 — 무엇을 믿고 무엇을 남겨둘까

커뮤니티 경험을 모으면 실무 판단의 윤곽이 나온다.

  • 속도는 검증됐다 — 고속 추론 설정에서 1분 남짓으로 작업을 끝낸 사례가 공유됐다. 처리량형 작업에 유리하다.
  • 응답 필터링은 남아 있다 — 중국 관련 민감 질문에서 거르는 경향은 기존 GLM 계열과 같다. 정치·이슈성 콘텐츠 생성엔 제약이 될 수 있다.
  • 벤치마크 수치는 개발사 발표다 — Opus급 비교는 자체 측정 기준이므로, 도입 판단은 쓰려는 작업 유형으로 직접 검증하는 것이 원칙이다.
  • 익명 릴리스는 앞으로도 나올 것이다 — 편향 없는 평가를 만드는 장치로 기능하는 만큼, "누가 만들었는가"보다 "무엇이 검증됐는가"를 먼저 보는 습관이 유용하다.
GLM-5.3 시리즈 가격·구조 비교 (Z.ai 공식 요금표 기준, 1M 토큰당)
모델입력출력위치
GLM-5.3-Flash$0.075$0.25대량 처리·초고속 — 320B MoE(활성 18B)
GLM-5.3$1.4$4.4플래그십 — 최종 품질 작업
GLM-4.7-Flash무료무료경량 실험·개인 학습

이 표에서 보이는 것은 계층이다. 같은 회사 안에서 무료 경량 → 저가 대용량 → 플래그십의 사다리가 완성돼 있어, 작업 등급에 따라 모델을 옮겨가는 운영이 자연스럽다. 옥스 알파로 화제가 된 지점은 정확히 이 사다리의 중간 — 플래그십급 성능 주장에 저가층 가격 — 이다.

모델 선택의 기준은 결국 작업별이다. 반복 처리량과 비용이 중요한 1차 문서·요약·분류 작업이라면 가격 대비 성능이 매력적이고, 최종 품질이 우선인 확인·합의 문서라면 상위 모델과의 분업이 자연스럽다.

5. 도입 전 확인할 세 가지

  • 데이터 처리 지역 — 중국 사업자가 운영하는 API에 회사 문서를 보내는 경우, 사내 데이터 취급 기준과 맞는지 확인한다.
  • 응답 일관성 — 같은 지시문에 대한 응답 편차를 실제 업무 샘플로 10회 이상 비교해 본다.
  • 프로모션 종료 시점 — 50% 할인은 한시적이므로, 정가 기준으로도 예산이 성립하는지 계산해 둔다.

실무 배분의 예를 들면 이렇다. 회사 보고서 작성 파이프라인에서 1차 문서 생성은 GLM-5.3-Flash급 대용량 모델에 맡기고, 법령·수치가 들어가는 확인 단계는 플래그십 모델 또는 사람 검토로 분리한다. 이렇게 나누면 대량 처리의 비용 이점과 최종 품질의 안정성을 같이 가져간다. 하나의 모델로 전 단계를 처리하려는 것이 오히려 비용과 품질을 모두 흔든다.

  • 실험 기준 문서화 — 시범 도입 시 어떤 작업·어떤 지표로 판단했는지 기록해 둔다. 다음 신모델이 나왔을 때 같은 기준으로 비교할 수 있다.

참고로 이런 검증 구조는 옥스 알파뿐 아니라 모든 신모델에 재사용된다. 정체가 공개됐든 익명이든, 총·활성 파라미터, 가격, 라이선스, 지원 프레임워크, 응답 특성의 다섯 항목만 채우면 도입 검토의 첫 페이지가 완성된다. 모델 이름이 바뀌어도 양식은 바뀌지 않는다.

새 모델 발표는 매주 이어진다. 이름이 아니라 구조(MoE·활성 파라미터·가격·라이선스)와 검증 상태를 보면, 발표 속도에 흔들리지 않고 도입 판단을 내릴 수 있다.

다음에 확인할 체크리스트

  • 새 모델을 도입할 때는 실제 사용할 작업 유형으로 직접 테스트해 본 뒤 판단하는지 확인한다.
  • 가격 정책이 프로모션 기간인지 정가인지 확인하고 기록해 두는지 점검한다.
  • 동일한 입력으로 기존 모델과 출력을 나란히 비교해 보았는지 확인한다.
  • 새 모델을 도입할 때는 실제 사용할 작업 유형으로 직접 테스트해 본 뒤 판단하는지 확인한다.

출처 및 확인 기준

방문 통계오늘 -7일 -30일 -1시간 단위 갱신