중국 AI 모델 GLM-5.3-Flash, 엔비디아 없이 최상위 모델과 맞붙다
중국 AI 스타트업 Z.ai가 2026년 8월 27일 공개한 GLM-5.3-Flash는 비용 대비 성능과 하드웨어 독립성이라는 두 가지 측면에서 업계의 주목을 받고 있음. 총 3,200억 개의 파라미터를 보유하지만, 실제 추론 시 활성화되는 파라미터는 180억 개에 불과한 희소 활성화(MoE) 구조를 채택했음. 컨텍스트 윈도우는 100만 토큰에 달하며, MIT 라이선스로 공개돼 가중치(weights)를 Hugging Face에서 내려받을 수 있음. GLM-5 시리즈 최초의 네이티브 멀티모달 모델이기도 함.
성능 지표: 상위 모델과 불과 3점 차
AI 분석 기관 Artificial Analysis의 Intelligence Index 기준으로 GLM-5.3-Flash는 최대 추론 노력(maximum reasoning effort) 설정에서 57점을 기록함. 상위 버전인 GLM-5.3의 60점과 3점 차에 그치고, GPT-5.6 Terra·Muse Spark 1.2와는 동점임. 에이전트 벤치마크인 GDPval-AA v2에서는 Elo 점수 약 1,770으로 GLM-5.3, Grok 4.6과 대등하며 Claude Opus 5에만 뒤처짐. 다만 출력 토큰의 약 90%가 추론 과정에 소모돼 토큰 효율은 아직 개선 여지가 있음.
가격: 경쟁 모델 대비 최대 7.5배 저렴
GLM-5.3-Flash의 가장 두드러진 강점은 가격임. Intelligence Index 기준 태스크당 비용은 0.09달러로, GLM-5.3의 0.68달러와 비교해 약 7.5배 저렴함. Z.ai API 기준 입력 토큰 100만 개당 0.15달러, 출력 토큰 100만 개당 0.50달러로, GLM-5.3 가격의 10분의 1 수준임. Artificial Analysis는 이 모델이 지능·비용 양면에서 파레토 최전선(Pareto frontier)에 위치한다고 평가했으며, 서구 AI 공급사에 가격 압력을 가하는 중국 모델의 흐름을 이어가고 있음.
엔비디아 없이 하루 100조 토큰 처리
Z.ai는 출시 전 이 모델을 'ox-alpha'라는 익명으로 OpenCode와 OpenRouter에서 테스트했고, 출시 주 가장 인기 있는 모델에 올랐음. 주목할 점은 이 트래픽 전체가 중국산 AI 칩으로 처리됐다는 사실임. SemiAnalysis에 따르면 하루 100조 토큰을 처리했으며, 이는 기존에는 최전선 대형 연구소에서만 가능한 규모로 여겨졌음. Z.ai는 자체 서빙 소프트웨어를 SGLang 위에 구축하고 처리 단계를 독립적으로 확장 가능한 구조로 분리해, 같은 하드웨어에서의 처음 대비 처리량을 3배로 늘리는 데 성공했음. 최적화 과정에서는 GLM-5.3 기반 에이전트가 직접 보조했음.
왜 중요한가: CUDA 해자에 균열이 생기나
엔비디아의 CUDA는 20년가량 AI 소프트웨어 생태계의 사실상 표준 프로그래밍 계층으로 자리 잡아왔음. 타사 칩으로 전환하려면 연산 재프로그래밍, 메모리 접근 재조정, 병목 구간 탐색 등 방대한 작업이 필요함. GLM-5.3-Flash의 사례는 OpenAI의 신규 칩 결과와 함께, 이른바 'CUDA 해자(CUDA moat)'가 절대적이지 않을 수 있음을 시사하는 또 하나의 데이터 포인트로 업계에서 해석되고 있음. 고성능·저비용·하드웨어 독립성의 조합이 실제로 가능하다는 것을 보여준 이번 사례는, AI 인프라 경쟁의 판도를 바꿀 변수로 작용할 수 있음.
원문: THE DECODER →