Databricks는 어떻게 Z.ai의 GLM 5.3을 이틀 만에 기업용 AI 엔드포인트로 만들었나

핵심은 ‘새 모델 개발’이 아니라 ‘빠른 유통’이었다

Databricks가 Z.ai의 GLM 5.3 제품군을 빠르게 제공할 수 있었던 이유는 모델을 새로 개발했기 때문이 아니라, 기존의 호스팅 모델과 Foundation Model API 인프라에 연결했기 때문으로 보입니다. GLM 5.3 Flash는 2026년 8월 26일 Databricks 호스팅 모델로 등록됐고, 정식 GLM 5.3은 8월 28일 ‘출시 당일(day zero)’ 모델로 소개됐습니다. 314

공개된 자료에는 내부 엔지니어링 작업, 모델 변환 과정, 실제 배포에 걸린 시간이 구체적으로 설명돼 있지 않습니다. 다만 기업 고객이 모델 가중치를 직접 내려받아 추론 스택을 구축하는 대신, Databricks 워크스페이스 안에서 관리형 종량제 엔드포인트를 호출할 수 있게 됐다는 점은 확인됩니다.

즉, Databricks는 모델 개발사와 기업용 배포 플랫폼의 역할을 분리했습니다. Z.ai가 GLM 모델을 개발하고, Databricks가 이를 Model Serving 및 Foundation Model API 환경을 통해 제공한 구조입니다.

Databricks에 통합된 GLM 5.3 Flash

Azure Databricks에서 GLM 5.3 Flash는 ADI Services를 통해 databricks-glm-5-3-flash라는 엔드포인트로 제공됩니다. 텍스트와 이미지 입력을 지원하며, 같은 모델 카탈로그에는 GLM 5.2, Moonshot AI의 Kimi K3, DeepSeek V4 Flash 등도 포함돼 있습니다. 5

Databricks 문서는 AWS와 Google Cloud의 모델 카탈로그에도 GLM 5.3 Flash를 등재하고 있습니다. 1718 고객은 Databricks 워크스페이스 내부의 토큰당 과금 엔드포인트를 이용할 수 있으며, 반드시 Z.ai API를 직접 호출하거나 모델 가중치를 독립적으로 운영해야 하는 것은 아닙니다. 5

이것이 이틀 만에 이뤄진 통합의 실질적인 의미입니다. 모델 출시와 기업 실험 사이의 시간을 줄이고, 기존 접근제어·청구·API 운영 체계 안에서 새 모델을 시험할 수 있도록 한 것입니다.

GLM 5.3 Flash의 구조와 기능

GLM 5.3 Flash는 두 모델 중 더 작고 저렴한 제품군이지만, 전체 파라미터 규모는 여전히 상당합니다.

• 총 파라미터 약 3,200억 개
• 토큰당 활성 파라미터 약 180억 개
• Mixture-of-Experts(MoE) 구조
• 텍스트와 이미지를 처리하는 네이티브 멀티모달 입력
• 1,048,576토큰 컨텍스트 윈도
• 추론, 코딩, 에이전트형 도구 사용에 최적화 317

GLM 5.3 Flash의 가중치는 MIT 라이선스로 공개된 것으로 보고됐습니다. 따라서 자체 호스팅을 검토하는 조직에도 비교적 접근성이 높은 선택지입니다. 다만 허용적인 라이선스라고 해서 세부 조건, 보안 위험, 파생 서비스 의무, 조달 규정 검토가 사라지는 것은 아닙니다. 67

Databricks는 자체 OfficeQA Pro v2 비교에서 GLM 5.3 Flash가 GLM-5.2보다 품질은 약 10% 높고 비용은 10분의 1 수준이라고 주장했습니다. 이는 Databricks가 제시한 내부 평가 결과이며, 검토된 자료에서 독립적으로 발표된 결과는 아닙니다. 13

가격은 제공업체마다 다르다

공개 가격표는 공급자에 따라 다릅니다. 한 가격표는 GLM 5.3 Flash의 입력 토큰 100만 개당 0.15달러, 출력 토큰 100만 개당 0.50달러를 제시합니다. 9 OpenRouter에는 입력 0.05달러, 출력 0.1667달러라는 더 낮은 요금이 표시돼 있습니다. 12

이 수치를 Databricks의 기업 계약 가격으로 받아들여서는 안 됩니다. 실제 도입 전에는 Databricks 환경의 요금표, 캐시 토큰 처리 방식, 최소 약정, 할당량과 청구 기준을 별도로 확인해야 합니다.

정식 GLM 5.3은 더 큰 추론 모델

정식 GLM 5.3은 제품군의 플래그십 모델로 포지셔닝됩니다. 공개 문서에 따르면 GLM-5.2에서 파생된 MoE 기반을 유지하며, 총 파라미터는 약 7,440억 개, 활성 파라미터는 약 400억 개, 컨텍스트 윈도는 약 100만 토큰입니다. 보고된 성능 향상은 새로운 기반 아키텍처보다는 강화학습 중심의 추가 사후훈련에서 비롯된 것으로 설명됩니다. 1

공개 API 가격표는 입력 토큰 100만 개당 1.40달러, 출력 토큰 100만 개당 4.40달러를 제시합니다. 이 역시 공개 API 기준일 뿐 Databricks의 실제 기업용 가격을 확인해 주는 자료는 아닙니다. 1

Z.ai와 관련된 보고에서는 GLM 5.3이 CyberGym에서 84.5%를 기록했고 코딩 및 터미널 사용 벤치마크에서도 크게 개선됐다고 설명합니다. 그러나 검토된 자료만으로는 해당 결과가 관련 테스트 전반에서 독립 검증됐다고 보기 어렵습니다. 따라서 확정적인 순위라기보다 출시 당시의 주장 또는 보고 수치로 해석하는 편이 안전합니다. 7

기업 고객에게 중요한 것은 공개 벤치마크 점수와 실제 업무 성능이 항상 일치하지 않는다는 점입니다. 사내 코드 저장소, 규제 문서, 비공개 데이터, 운영 환경의 도구 호출에서는 다른 결과가 나올 수 있습니다. 도입 판단에는 자체 업무 데이터와 과제를 활용한 평가가 포함돼야 합니다.

AWS·Azure·Google Cloud에서의 제공 방식

Databricks 문서는 AWS와 Google Cloud 모델 카탈로그에서 GLM 5.3 Flash를 지원한다고 밝히고 있으며, Azure Databricks에서는 ADI Services를 통해 Flash를 제공합니다. 51718 접근 방식은 Databricks의 토큰당 과금 모델 서빙 인터페이스입니다. 5

플랫폼의 가치는 모델 자체를 바꾸는 데 있다기보다 기업이 모델을 소비하는 방식을 바꾸는 데 있습니다. Databricks 호스팅 엔드포인트는 기존 워크스페이스, API, 청구 체계와 연결하기 쉽고, 여러 모델을 같은 인터페이스에서 비교할 수 있게 합니다. Azure 카탈로그에는 OpenAI, Google, Zhipu AI, Moonshot AI, DeepSeek 등 다양한 제공업체의 모델이 함께 포함돼 있습니다. 5

다만 Databricks를 거친다고 해서 국경 간 데이터 이동이나 규제 위험이 자동으로 해소되는 것은 아닙니다. 기업은 다음 항목을 별도로 검토해야 합니다.

• 모델 및 가중치 라이선스
• 데이터 저장 지역과 국외 이전 요건
• 수출통제 적용 가능성
• 국가안보 및 조달 정책
• 공급업체와 하위 처리업체의 계약 조건
• 보안 테스트와 악용 방지 통제
• 엔드포인트의 보존·로깅 방식이 내부 정책에 부합하는지 여부

관리형 엔드포인트는 배포 장벽을 낮출 수 있지만, 그 자체가 법률 또는 컴플라이언스 판단을 대신하지는 않습니다.

중국계 오픈 웨이트 모델의 기업 접근성을 높이다

Databricks는 빠르게 출시되는 오픈 웨이트 및 프런티어 모델의 기업용 유통 계층으로 자리매김하려는 모습입니다. 회사는 GLM 5.3 Flash가 플랫폼에서 제공되는 30개 이상의 오픈소스·프런티어 모델에 합류한다고 밝혔습니다. 13

이는 긴 컨텍스트, 코딩 및 에이전트 기능, 상대적으로 낮은 공개 추론 비용을 앞세운 중국계 AI 모델이 늘어나는 흐름과 맞물립니다. Azure 카탈로그에 Zhipu AI, Kimi K3, DeepSeek가 함께 올라온 것은 기업이 각각 별도의 공급업체 계약과 인프라 결정을 거치지 않고 여러 모델을 비교할 수 있게 하려는 전략을 보여줍니다. 5

2026년 8월의 경쟁 구도는 이 흐름을 더욱 분명하게 보여줍니다. 보고된 자료에 따르면 DeepSeek V4 Pro는 총 1조 6,000억 개·활성 490억 개 파라미터의 MoE 모델과 100만 토큰 컨텍스트를 내세웠고, Qwen3.8-Max는 총 2조 4,000억 개·활성 950억 개 파라미터의 MoE 모델로 소개됐습니다. Grok 4.6은 50만 토큰 컨텍스트를 지원하는 추론 모델로 보고됐습니다.

다만 이 비교에는 공식 발표, 제3자 평가, 기업 자체 주장이 섞여 있으며, 모델마다 프롬프트·추론 설정·도구 환경이 동일하지 않을 수 있습니다. 따라서 수치 자체보다 긴 컨텍스트, 에이전트형 워크플로, 공개 또는 부분 공개 가중치, 저비용 추론이 동시에 경쟁 요소가 되고 있다는 점에 의미가 있습니다.

도입 전 기업이 확인할 네 가지

Databricks가 빠르게 제공한다는 사실은 GLM 5.3을 시험하기 쉽게 만들지만, 평가 절차를 생략하게 하지는 않습니다.

1. 업무 적합성: 자체 코딩, 문서 처리, 추론, 도구 사용 과제에서 Flash와 정식 GLM 5.3을 비교합니다.
2. 비용 구조: 실제 트래픽을 기준으로 입력·출력·캐시 토큰 비용을 계산합니다. 공개 제공업체 가격이 Databricks 가격과 같다고 볼 수는 없습니다.
3. 운영 통제: 엔드포인트 지역, 로깅, 보존 기간, 접근제어, 할당량과 사고 대응 절차를 확인합니다.
4. 법률·보안 검토: 모델 라이선스, 데이터 라우팅 조건, 수출통제 가능성, 개인정보 요건과 적대적 사용 위험을 검토합니다.

결론

Databricks는 Z.ai의 GLM 5.3 제품군을 자체적으로 다시 배포한 것이 아니라, 기존 관리형 서빙 및 API 계층에 연결해 기업 고객에게 제공했습니다. GLM 5.3 Flash는 2026년 8월 26일, 정식 GLM 5.3은 8월 28일 Databricks에서 이용 가능해졌습니다. 314

GLM 5.3 Flash는 3,200억 개·활성 180억 개의 MoE 구조, 네이티브 멀티모달 입력, 1,048,576토큰 컨텍스트를 갖췄고, 정식 GLM 5.3은 약 7,440억 개·활성 400억 개의 MoE 모델과 약 100만 토큰 컨텍스트를 제공하는 것으로 보고됐습니다. 13

기업 입장에서는 중국계 오픈 웨이트 모델을 곧바로 직접 운영하지 않고도 익숙한 클라우드 플랫폼에서 평가할 수 있다는 점이 가장 큰 장점입니다. 그러나 Databricks가 제공하는 것은 접근성과 운영 편의성이지, 벤치마크의 신뢰성·라이선스·데이터 주권·수출통제 문제에 대한 자동 해답은 아닙니다. 최종 도입 여부는 각 기업의 업무 평가와 거버넌스 절차에 달려 있습니다.