GLM-5.3-Flash - 스텔스로 먼저 굴려보고 이름을 붙인 320B-A18B

Z.ai가 2026년 8월 26일 GLM-5.3-Flash를 공개했습니다. 총 320B에 토큰당 활성 18B인 MoE이고, 컨텍스트는 1,048,576 토큰, MIT 라이선스로 Hugging Face에 가중치가 올라가 있습니다. GLM 계열에서 처음으로 이미지와 비디오 입력을 네이티브로 받습니다.

공개 자체보다 공개 방식이 먼저 눈에 띕니다. 이 모델은 이미 한 주 동안 시장에 나와 있었습니다. 이름만 없었습니다.

스텔스 일주일

ox-alpha라는 이름표 없는 모델이 OpenCode와 OpenRouter에 나타난 것이 8월 중순입니다. 브랜딩이 아예 없었고, 어느 회사 모델인지도 밝히지 않았습니다. 그 상태로 그 주 가장 많이 쓰인 모델이 됐습니다. 8월 26일 Z.ai가 정체를 밝히면서 "정식 출시 전에 실사용 피드백을 모으려고 조용히 그 별칭으로 돌렸다"고 설명했습니다.

벤치마크를 못 믿겠다는 말이 몇 년째 나오는 상황에서 이건 꽤 직접적인 대답입니다. 자사 벤치마크 표를 먼저 내밀고 검증을 요구하는 대신, 이름을 지우고 사람들이 실제로 고르게 둔 다음 결과를 가지고 나왔습니다. 라우터에서 모델을 고르는 개발자는 로고를 보고 고르지 않습니다. 통과율과 비용을 보고 고릅니다.

다만 여기에 따라붙는 문제가 하나 있고, 이건 어느 쪽에서도 짚지 않았습니다.

채널이 고른 능력

Ox Alpha가 돌던 두 곳은 OpenCode와 OpenRouter입니다. 하나는 코딩 에이전트고 하나는 API 라우터입니다. 두 표면 모두 압도적으로 텍스트 코딩 트래픽입니다. 즉 Z.ai가 한 주 동안 모은 실사용 피드백은 코딩과 에이전트 워크로드에 대한 피드백입니다.

그런데 이 모델의 셀링 포인트 중 하나는 GLM 계열 첫 네이티브 멀티모달이라는 것입니다. 30조 토큰 멀티모달 코퍼스로 밑바닥부터 새로 학습한 베이스라고 밝히고 있습니다. 스텔스 검증을 통과한 능력과 새로 내세우는 능력이 서로 다릅니다.

벤치마크를 보면 이 어긋남이 그대로 보입니다. 강한 곳은 정확히 스텔스로 굴려본 쪽입니다.

코딩과 터미널 에이전트에서 프런티어 모델과 소수점 차이까지 붙었습니다. GLM-5.2 대비 DeepSWE가 46.2에서 63.4로, AutomationBench가 26.2에서 48.8로 올랐습니다. 한 세대 만의 폭으로는 큰 편입니다.

반면 비전 쪽은 갈립니다. 문서 이해에 가까운 OfficeQA Pro에서는 Opus 4.8을 앞서는데, BabyVision과 MVbench 같은 순수 시각 과제에서는 Gemini 3.7 Flash에 밀립니다. 문서와 UI는 사실상 텍스트가 화면에 그려진 것이고, 영상 이해는 그렇지 않습니다. 잘하는 비전은 코딩·에이전트와 이어진 비전이고, 밀리는 비전은 그렇지 않은 비전입니다.

한 주짜리 스텔스 운영이 모델을 그렇게 만들었다는 뜻은 아닙니다. 순서는 반대입니다. 코딩과 에이전트가 이미 강했기 때문에 그 표면에 먼저 띄웠고, 그래서 그 표면에서 좋은 평판을 얻었습니다. 실사용 검증을 통과했다는 서사가 모델 전체에 붙는데, 실제로 검증된 것은 일부라는 점만 분리해서 보면 됩니다.

320B에 활성 18B

아키텍처는 45개 층이고, KDA 선형 어텐션 층과 NoPE 희소 MLA 층을 번갈아 배치했습니다. 라우팅은 288개 전문가 중 8개입니다. 가중치는 네이티브 FP8입니다.

총 320B 중 토큰당 18B만 켜는 배분은 이 모델의 값과 성격을 거의 다 설명합니다. 최근 오픈웨이트 흐름이 대체로 이쪽입니다. Qwen3.8-Max가 2.4T에 활성 95B였던 것과 비교하면 GLM 쪽은 총량과 활성 모두 한 자릿수 배 작습니다. 프런티어를 정면으로 잡으러 가는 배분이 아니라, 프런티어에 근접한 상태를 훨씬 싸게 유지하려는 배분입니다.

로컬 배포는 SGLang, vLLM, TokenSpeed로 지원합니다. MIT 라이선스라 상업적 제약이 사실상 없습니다. 활성 18B에 FP8이면 실제로 자체 호스팅을 시도해볼 만한 크기이기도 합니다. 320B 전체를 올려야 하므로 가벼운 것은 전혀 아니지만, 추론 시 켜지는 부분이 작아 처리량 단가가 낮습니다.

1/10이라는 값

Z.ai는 이전 버전 대비 대략 1/10 가격이라고 말합니다. 실제 리스트 가격은 입력 100만 토큰당 0.15달러, 출력 100만 토큰당 0.50달러입니다. 캐시된 입력은 0.03달러입니다. 9월 9일까지는 절반가 프로모션이라 입력 0.075달러, 출력 0.25달러, 캐시 입력 0.015달러로 내려갑니다.

여기서 문장을 정확히 읽어야 합니다. 1/10은 자사 이전 버전 대비입니다. 시장 대비가 아닙니다.

같은 티어에서 DeepSeek-V4-Flash와 비교하면 입력 단가는 비슷하고, 캐시된 입력과 출력에서는 DeepSeek 쪽이 더 쌉니다. 텍스트만 쓰면서 캐시를 많이 태우는 워크로드라면 GLM-5.3-Flash가 가장 싼 선택지가 아닙니다. Opus나 GPT 계열과 비교하면 단가가 확실히 크게 낮지만, 그건 티어가 다른 비교입니다.

값 이야기에서 실제로 걸리는 건 다른 쪽입니다.

Flash라는 이름

출력 생성 속도가 초당 48.7토큰입니다.

Flash라는 이름은 처리량이 아니라 티어를 가리킵니다. 활성 파라미터가 작은 저가 라인이라는 뜻이지 빠르다는 뜻이 아닙니다. 그런데 이 모델이 가장 좋은 점수를 받은 영역이 터미널 에이전트와 장시간 코딩입니다. 이런 작업은 출력 토큰을 길게, 여러 턴에 걸쳐 뱉습니다. 초당 48.7토큰이면 긴 에이전트 실행에서 체감이 큽니다.

토큰당 값이 싸도 벽시계 시간은 별개입니다. 사람이 붙어서 기다리는 대화형 코딩이라면 단가보다 이쪽이 먼저 걸립니다. 반대로 배치로 돌리는 문서 자동화나 대량 검색이라면 거의 문제가 안 됩니다. 이 모델이 어디에 맞는지는 벤치마크 표보다 이 한 줄이 더 정확하게 알려줍니다.

공개된 리뷰들도 여기서 한계를 인정합니다. 지금 나온 실사용 테스트는 대부분 공개 채팅 UI로 돌린 것이라 실제 토큰 수와 서버 지연을 재지 못했습니다. 1M 컨텍스트가 실제로 끝까지 쓸 만한지도 아직 독립 검증이 없습니다. 컨텍스트 길이는 선언과 실사용이 가장 자주 벌어지는 항목이라 이 부분은 시간을 두고 봐야 합니다.

정리

정리하면 세 가지입니다.

익명으로 먼저 띄워 실사용 결과를 모으고 나중에 이름을 붙이는 방식은 벤치마크 신뢰 문제에 대한 실질적인 대답입니다. 다만 어느 표면에 띄웠는지가 무엇을 검증했는지를 결정합니다. 코딩 라우터에서 얻은 평판이 멀티모달 능력까지 보증하지는 않습니다.

가격 주장은 자사 이전 세대와의 비교입니다. 같은 티어의 중국계 오픈웨이트끼리 놓고 보면 GLM-5.3-Flash가 최저가는 아닙니다. MIT 라이선스와 자체 호스팅 가능성이 API 단가보다 실제로 더 큰 차별점으로 보입니다.

이름의 Flash는 속도가 아니라 티어입니다. 초당 48.7토큰이라는 숫자를 먼저 보고 워크로드를 고르는 편이 낫습니다.

참고: - Z.ai launches GLM-5.3-Flash under MIT license - Z.ai Releases GLM-5.3-Flash: A 320B-A18B Natively Multimodal MoE With a 1M-Token Context - Z.AI Reveals Ox Alpha Is GLM 5.3 Flash, Competes With Claude Opus 4.8 & GPT 5.6 Terra On Benchmarks - GLM-5.3-Flash Review: Price, Benchmarks & Tests