GLM-5.3, 오픈웨이트가 프론티어를 따라잡았나
벤치마크 한 줄, 가격표 한 줄, 그리고 아무도 안 보여주는 청구서 한 줄. 세 개를 겹쳐 놓으면 답이 달라집니다.
CyberGym 사이버 보안 벤치마크 상위 세 줄이 이렇습니다. GLM-5.3 84.5%, Mythos 5 83.8%, GPT-5.6 Sol 83.6%.
1위가 무료로 내려받을 수 있는 모델입니다. 미 상무부 산하 CAISI가 이 모델만 따로 떼어 사이버 능력 평가 보고서를 낼 정도였고요. 결론은 "지금까지 공개된 오픈웨이트 중 가장 사이버 능력이 높다"였습니다.
그러면 통념 — "오픈웨이트는 아직 한 수 아래" — 은 폐기해도 될까요. 절반만 맞습니다. 어디까지가 진짜고 어디부터가 착시인지, 숫자로 갈라보겠습니다.
새 모델이 아니었다는 점이 더 무섭다
Z.ai(구 즈푸AI)가 2026년 8월 14일 GLM-5.3을 공개하며 붙인 문장은 이겁니다. "GLM-5.3을 위해 우리가 한 건 포스트트레이닝 스케일링이 전부다." 새 베이스 모델도, 더 큰 아키텍처도 없었습니다. GLM-5.2와 똑같은 744B MoE, 토큰당 활성 파라미터 40B 그대로. 2주 뒤엔 가중치까지 풀었고요.
그 상태로 Terminal-Bench 3.0 점수가 4.6에서 28.3으로 올랐습니다. 6.2배. 오픈소스 1위.
토큰 효율이 더 흥미롭습니다. High effort 설정에서 GLM-5.3은 약 5만 토큰으로 31.4%를 찍었습니다. Claude Opus 4.8은 12만 토큰을 쓰고 29.5%. 하루 종일 도는 에이전트 루프에서 이 차이는 점수가 아니라 청구서로 돌아옵니다.
가격표를 얹으면 그림이 선명해집니다.
| 항목 | GLM-5.3 | Claude Opus 5 | GPT-5.6 Sol |
|---|---|---|---|
| 입력 100만 토큰 | $1.40 | $5.00 | $5.00 |
| 출력 100만 토큰 | $4.40 | $25.00 | $30.00 |
| 합계(입·출력 각 100만) | $5.80 | $30.00 | $35.00 |
| 가중치 공개 | O | X | X |
5배에서 6배. 코딩 에이전트를 Claude Code에 물려 써본 한 개발자는 하루 만에 18달러 구독을 80달러 플랜으로 올렸습니다. 워드프레스 플러그인 0-day 발굴, 원격 코드 실행, 6.8 커널 익스플로잇 포팅까지 레드팀 시나리오를 끊김 없이 밀고 갔다는 이유였습니다. 싸서 쓴 게 아니라, 되니까 더 샀다는 쪽에 가깝습니다.
그래도 '따라잡았다'를 못 쓰는 자리가 셋 있다
여기서 멈추면 절반짜리 기사가 됩니다. 숫자를 조금만 옆으로 돌려보죠.
1. 추론은 여전히 3~8%p 뒤에 있다
코딩과 사이버에서 붙었다고 전 영역이 붙은 게 아닙니다. Claude Opus 4.6, GPT-5.4 Pro, Gemini 3.1 Pro Deep Think 급은 추론 중심 벤치마크에서 3~8%포인트의 리드를 유지하고 있습니다. Epoch AI 집계로는 2026년 1월 이후 오픈-클로즈드 격차가 평균 4개월, ECI 기준 8포인트. 좁지만 사라진 적은 없는 간격입니다.
2. 텍스트만 먹는다
GLM-5.3은 UI 스크린샷, 아키텍처 다이어그램, 깨진 화면 캡처를 직접 못 봅니다. 추론 비활성화도 불가능해졌습니다. 이전에 thinking을 꺼두고 돌리던 앱이 있었다면 그건 호환성 파괴 변경이고요. 지연에 민감한 자동완성 용도와는 궁합이 나쁩니다.
3. 채점표를 출제자가 들고 있다
Z.ai Code Bench는 비공개라 외부 재현이 안 됩니다. 공개 벤치마크는 공개돼 있다는 이유로 최적화 대상이 되기도 하고요. 독립 3자 검증 데이터가 쌓이는 중이라는 단서가 아직 필요합니다.
그리고 양쪽 다 못하는 영역도 있습니다. 롱호라이즌 터미널 작업 벤치마크에서 가장 강한 모델의 pass@1이 15.2%(부분 보상 0.95 기준), 전체 평균은 4.3%. 태스크 하나에 평균 990만 토큰, 231 에피소드, 85.3분을 태우고 그 성적입니다. 오픈이냐 클로즈드냐 이전에, 긴 호흡 작업은 업계 전체가 아직 못 합니다.
반전 — 오픈웨이트의 이득은 다운로드할 때 나오지 않는다
여기가 이 글에서 제일 하고 싶은 얘기입니다.
"가중치가 공개됐다 → 내려받아 우리 서버에 올리면 공짜다." 이 추론이 실무에서 가장 비싸게 깨집니다.
700B급 모델은 4비트 양자화를 해도 약 400GB 메모리를 요구합니다. 데이터센터급 GPU 4~8장. 월 고정비 2,000~20,000달러 구간. 그런데 GPU 비용은 실제 인프라 투자의 30~40%에 불과합니다. 나머지는 사람입니다.
실제 청구서 하나를 보시죠. Llama 3 70B를 "돈 아끼려고" 자체 호스팅하겠다고 고집한 팀의 월 지출은 GPU 4,300달러 + 엔지니어링 시간 6,100달러 = 10,400달러였습니다. 같은 일을 API로 돌렸을 때는 1,870달러. 5.6배를 더 냈습니다. 절약하려다 5.6배.
손익분기는 생각보다 멀리 있습니다. 프론티어급 오픈웨이트 모델에서 자체 호스팅이 API를 이기려면 대략 하루 수천만 토큰 규모의 지속 트래픽이 필요합니다. 그 아래에서는 거의 언제나 API가 쌉니다.
그러니 오픈웨이트의 실익은 대부분 당신이 그걸 오픈웨이트로 쓰지 않을 때 발생합니다. 남의 API로, 토큰당 1.4달러에. 가중치가 풀렸다는 사실이 가격 경쟁을 만들어 시장 전체 단가를 눌러준 것이지, 내려받아 돌리는 행위 자체가 이득인 게 아닙니다. 실제로 롱호라이즌 벤치마크 비용 집계에서도 오픈웨이트 계열 평균 17.13달러 대 클로즈드 70.82달러 — 4~8배 가성비 우위는 대부분 API 단가에서 나옵니다.
자체 호스팅이 정당한 경우는 따로 있습니다. 데이터가 외부로 못 나가는 규제 환경, 모델을 우리 데이터로 파인튜닝해 자산으로 쌓아야 하는 경우, 공급자 정책 변경에 사업이 흔들리는 구조. 세 가지 다 비용 문제가 아니라 통제권 문제입니다. 국내에서도 NHN클라우드가 오픈테크넷 2026에서 "특화 업무에 거대 모델은 과잉"이라며 소형 모델 활용을 제품화한 건 같은 맥락이고요.
그래서 지금 뭘 고르나
세 갈래로 정리됩니다.
- 코딩 에이전트를 온종일 돌린다 — GLM-5.3 API. 토큰 효율과 단가가 겹쳐서 가장 크게 먹히는 구간입니다. 다만 스크린샷을 읽혀야 하는 작업은 빠집니다.
- 복잡한 추론·설계 판단이 결과를 좌우한다 — 아직 프론티어 쪽. 3~8%p가 작아 보여도 그게 "한 번에 맞느냐"를 가르는 구간이면 재시도 비용이 단가 차이를 삼킵니다.
- 데이터를 밖으로 못 보낸다 — 이때만 자체 호스팅. 그리고 이때도 744B를 통째로 올리기 전에, 업무를 좁혀 소형 모델로 충분한지부터 재보세요.
대부분의 팀은 첫 번째와 두 번째를 섞어 씁니다. 값싼 모델로 초안과 반복 작업을 갈아내고, 판단이 필요한 지점에서만 비싼 모델을 부르는 방식. 벤치마크 1위 모델 하나를 고르는 문제가 아니라 라우팅을 짜는 문제에 가깝습니다.
마무리
"따라잡았나"는 사실 잘못 세운 질문이었습니다. 점수표만 보면 이미 몇 칸에서는 넘어섰고, 청구서만 보면 격차가 뒤집히며, 롱호라이즌으로 가면 양쪽 다 10%대에서 허우적댑니다. 하나의 답이 나올 수 없는 구조죠.
대신 이렇게 물어보면 답이 나옵니다. 지금 우리가 쓰는 워크로드에서 모델을 GLM-5.3으로 바꾸면 결과가 나빠지는 지점이 정확히 어디인가. 그 지점이 생각보다 뒤에 있다면, 그 앞쪽 전부는 6분의 1 가격으로 돌릴 수 있다는 뜻입니다. 재보기 전에는 아무도 모릅니다.
참고: NIST CAISI — GLM-5.3 사이버 능력 평가 · VentureBeat — GLM-5.3 API 가격 · Hugging Face — GLM-5.3 모델 카드