오픈 웨이트 모델의 반란: Z.ai의 GLM-5.2, GPT-5.5를 넘어 클로드에 도전하다

2026년 6월 16일, 중국 AI 연구소 Z.ai(구 즈푸 AI)가 오픈 웨이트 대형 언어 모델 'GLM-5.2'를 공개하며 AI 최전선의 판도를 뒤흔들었습니다. 이 모델이 단숨에 주목받는 이유는 간단합니다. 핵심 코딩 및 수학 벤치마크에서 오픈AI의 GPT-5.5를 능가하면서도, 비용은 약 6분의 1에 불과하고 누구나 상업적으로 이용 가능한 MIT 라이선스로 풀렸기 때문입니다 . 여기에 더해, 현존 최강자로 꼽히는 앤트로픽의 '클로드 오푸스 4.8'과의 격차를 주요 장기 에이전트 작업에서 약 1% 포인트 차이까지 바짝 추격했습니다 .

아키텍처 개요 및 핵심 사양

GLM-5.2는 혼합 전문가(Mixture-of-Experts, MoE) 아키텍처를 기반으로 설계되었습니다. 이는 모델의 성능과 추론 효율성을 동시에 잡기 위한 전략적 선택입니다. 공식 사양에 따르면 총 약 7,530억 개의 파라미터를 가지고 있지만, 토큰 하나를 처리할 때마다 활성화되는 파라미터는 약 400억 개에 불과합니다 . 바로 이 희소 활성화(sparse activation) 방식 덕분에 파격적인 가성비가 가능해진 것입니다.

핵심 사양 요약:

• 파라미터: 총 약 7,530억 개, 토큰당 약 400억 개 활성
• 컨텍스트 윈도우: 1,048,576 토큰 (실사용 가능한 100만 토큰)
• 최대 출력 토큰: 128K–131K (소스별로 약간의 차이 존재)
• 라이선스: MIT (상업적 이용 및 연구 목적 제한 없음)
• 추론 모드: "High"(효율 중시) 및 "Max"(최대 추론 노력) 모드를 지원하여 속도와 깊이를 조절 가능

아키텍처에서 특히 주목할 점은 '인덱스쉐어(IndexShare)' 메커니즘입니다. 100만 토큰이라는 방대한 컨텍스트 창을 경제적으로 운용하기 위해, Z.ai는 4개의 희소 어텐션(sparse-attention) 레이어마다 하나의 경량 인덱서를 재사용하는 방식을 선택했습니다. 기술 분석에 따르면, 이 기법 덕분에 최대 컨텍스트 길이에서 토큰당 연산량을 약 2.9배 절감하여, 장문 컨텍스트 모델에서 흔히 발생하는 성능 저하 문제를 해결했습니다 .

벤치마크 성능: 최정상급 모델들과의 진검승부

Z.ai는 GLM-5.2를 GPT-5.5 및 클로드 오푸스 4.8과 정면으로 비교했습니다. 아래 표의 점수는 경쟁사 모델의 수치를 포함하여 Z.ai가 자체적으로 측정하여 보고한 값입니다. 이는 특정 벤더 한 곳의 측정치이며, 경쟁 연구소에서 독립적으로 재현한 결과가 아니라는 점을 염두에 두셔야 합니다 .

벤치마크	GLM-5.2	GPT-5.5	Claude Opus 4.8
SWE-bench Pro (실제 버그 수정)	62.1	58.6	69.2
Terminal-Bench 2.1 (다단계 터미널 에이전트)	81.0	84.0	85.0
AIME 2026 (올림피아드 수준 수학)	99.2	98.1	~98.0–98.9
FrontierSWE (20시간 복합 엔지니어링)	74.4	72.6	75.1
MCP-Atlas (MCP 서버 기반 도구 사용)	77.0	75.3	77.8

벤치마크에서 드러난 핵심 포인트

GLM-5.2가 여러 코딩 및 추론 평가에서 GPT-5.5를 앞섰습니다. SWE-bench Pro에서 GPT-5.5의 58.6점을 62.1점으로 제쳤으며 , 자율 엔지니어링 능력을 20시간 동안 시험하는 까다로운 FrontierSWE에서도 74.4점을 기록하며 GPT-5.5의 72.6점을 상회했습니다 . 수학 영역인 AIME 2026에서는 99.2점이라는 만점에 가까운 점수로 미국 경쟁사들을 모두 따돌렸습니다 .

에이전트 기반 코딩에서 클로드 오푸스 4.8과의 격차가 극적으로 좁혀졌습니다. 오푸스 4.8은 여전히 SWE-bench Pro(69.2점 vs. GLM-5.2 62.1점) 등 여러 지표에서 확실한 우위를 점하고 있지만 , 장기 에이전트 작업에서는 그 차이가 크지 않습니다. FrontierSWE에서는 불과 0.7점 차이(74.4 vs 75.1) 이며, MCP-Atlas에서도 0.8점 차이(77.0 vs 77.8)에 불과합니다 .

이전 세대 GLM-5.1 대비 세대 교체 수준의 도약이 일어났습니다. 가장 극적인 개선이 이루어진 곳은 Terminal-Bench 2.1로, GLM-5.2의 81.0점은 이전 세대의 62.0점에서 무려 19점이나 오른 수치입니다 . 이는 오픈 웨이트 모델로는 최초로 이 벤치마크에서 80%의 벽을 넘은 사례입니다 .

물론, GLM-5.2가 뒤처지는 부분도 명확히 존재합니다. 초장기 엔지니어링 작업을 평가하는 SWE-Marathon 같은 가장 어렵고 긴 호흡의 과제에서는 오푸스 4.8이 26.0%, GLM-5.2가 13.0%의 성공률을 보이며, 여전히 상당한 격차가 존재합니다. 이는 매우 긴 시간 동안 에이전트를 운용할 때의 안정성 측면에서 미국의 최정상급 모델이 아직 우위에 있음을 보여줍니다 .

가격 및 접근성: 개방형 접근의 경제학

GLM-5.2의 경쟁력은 성능만큼이나 가격에서도 빛을 발합니다.

• API 가격: Z.ai의 GLM 코딩 플랜(Lite, Pro, Max, Team 등급)을 통해 이용 가능하며, 비용은 출력 토큰 100만 개당 약 $4.40입니다 . GPT-5.5의 공시된 가격과 비교하면, 이는 운영 비용이 약 83% 저렴하다는 의미입니다 .
• 허깅페이스에 공개된 가중치: zai-org/GLM-5.2에서 MIT 라이선스로 전체 가중치를 다운로드할 수 있으며, 로컬 배포를 용이하게 하는 양자화된 FP8 버전도 포함되어 있습니다 . 중국 내 사용자들은 ModelScope 플랫폼을 통해서도 다운로드할 수 있습니다 .
• 서드파티 생태계: Z.ai의 자체 인프라 외에도, Cloudflare Workers AI에서 이용 가능하며 Modular Cloud나 Featherless.ai와 같이 장문 컨텍스트 서비스를 정액제로 제공하는 20개 이상의 서드파티 코딩 환경 및 호스팅 서비스에서도 지원됩니다 .

개방적인 MIT 라이선스와 인프라에 구애받지 않는 배포 모델의 결합은 개발자들이 모델을 자체 호스팅하거나 CI/CD 파이프라인에 통합하여 특정 벤더에 종속되는 것을 피할 수 있게 해줍니다. 폐쇄적인 API 접근 방식만을 고수하는 주요 경쟁사들과는 확연히 대비되는 지점입니다.

전략적 함의: 오픈 웨이트와 미중 AI 패권 경쟁

GLM-5.2의 출시 타이밍은 기술적인 측면 못지않게 상징적입니다. 이 모델이 공개된 바로 그 주, 미국 정부는 앤트로픽의 클로드 파블 5에 대한 규제를 강화했으며, 이 결정에는 아마존 CEO와 백악관 관료들 간의 대화가 영향을 미친 것으로 알려졌습니다 . 그 대비 효과는 의도적이었고 극명했습니다. 미국이 자국의 선도적인 AI 연구소에 대한 통제를 강화하는 바로 그 순간, 중국에서 완전히 개방된 최정상급 모델이 등장한 것입니다.

Z.ai의 창립자는 MIT 라이선스 출시를 발표하며 "최첨단 지능은 모두의 것(Frontier Intelligence Belongs to Everyone)" 이라는 슬로건을 내걸었습니다 . 이는 GLM-5.2가 단순한 기술적 성과를 넘어, 격화하는 미중 기술 경쟁 속에서 하나의 정치적 선언임을 분명히 한 것입니다.

GLM-5.2는 진공 상태에서 나타난 것이 아닙니다. 이는 중국 연구소들이 내놓은 일련의 고성능 오픈 웨이트 모델(딥시크, 알리바바의 Qwen, 바이두의 ERNIE 등)의 최신 버전일 뿐입니다. 이 모델들은 폐쇄적인 미국 최상위 모델들과의 성능 격차를 체계적으로 좁혀나가는 동시에, 훨씬 낮은 가격에 제한 없는 접근권을 제공하고 있습니다 .