GLM-5.3-Flash, 인공지능 모델 운영 경제성을 시험하다

Parviz Syed Mohammad는 정체불명의 모델 Ox Alpha의 정체가 공개된 일이 인공지능 시장의 중요한 변화를 보여준다고 본다. 이제 모델 간 비교는 단순히 가장 높은 수준의 지능을 두고 이뤄지는 것이 아니라, 기업이 1달러당 얼마나 많은 지능을 얻는지를 중심으로 이뤄진다는 것이다. 8월 26일 Z.ai는 OpenRouter에 등장한 모델이 GLM-5.3-Flash였으며, 정체를 공개하기 전에 의도적으로 공개 트래픽을 대상으로 운영했다고 밝혔다.

이 모델은 처음에는 비용 없이도 우수한 성능을 제공했기 때문에 애호가와 독립 개발자들의 관심을 끌었다. 그 결과 하루에 수조 개의 토큰이 처리됐으며, 커뮤니티는 일주일간 사용량을 한 자릿수 조에서 20조 토큰 이상까지 다양하게 추정했다. 자료에 따르면 더 중요한 점은 이 서비스가 미국 연구소가 아니라 전적으로 중국산 칩과 인프라에 기반했다는 사실이다. 공개 전 6일 동안 일부 관찰자들은 미국 연구소일 것으로 추측했다.

가격이 비교의 순서를 바꾸다

GLM-5.3-Flash의 발표 가격은 토큰 100만 개당 입력 15센트, 출력 50센트다. OpenRouter는 9월 9일까지 50% 할인을 제공하므로 가격은 입력 7.5센트, 출력 25센트가 된다. 또한 모델 가중치는 MIT 라이선스에 따라 공개되어 있으며, 추론 서비스는 Z.ai, GMI Cloud, Cloudflare 및 미국 내 다른 제공업체를 포함한 여러 주체가 호스팅한다.

모델이 같은 날 등재된 Artificial Analysis의 비교에 따르면 GLM-5.3-Flash는 지능 지수에서 57점을 받았고 작업당 비용은 약 9센트였다. 반면 GPT-5.6 Sol (max)은 약 59점에 작업당 67센트, Grok 4.6은 61점에 94센트를 기록했다. 저자는 처음 두 모델 간 차이가 불과 2점인데도 가격은 약 7.4배 높으며, 약 4점의 차이에는 거의 10배의 비용이 필요하다고 계산한다.

이 수치가 모델 품질에 대한 일반적인 판단은 아니며, 각 기업에 맞춘 테스트를 대신할 수도 없다. 그러나 자료의 핵심 주장은 분명히 보여준다. 성능 지표에서 모델 간 격차가 좁혀지면 추론 비용이 사용 규모를 결정하는 핵심 요인이 될 수 있으며, 특히 프로그래밍, 에이전트 및 반복 작업에서 그렇다는 것이다.

인공지능을 포기하기 전에 예산 압박이 먼저 나타난다

저자는 Uber를 통해 이 문제를 설명한다. The Information은 4월 Uber의 최고기술책임자 Praveen Neppalli Naga를 인용해, 2026년 예상 연간 프로그래밍 예산이 4개월 만에 소진됐으며 2시간짜리 시범 운영에 개인적으로 1,200달러가 들었다고 보도했다. 6월까지 Uber는 개인별·도구별 한도를 1,500달러로 설정했다.

그렇다고 도구가 쓸모없다는 뜻은 아니다. 자료는 ‘효용’과 ‘가치’를 구분한다. 저자는 Uber의 최고운영책임자 Andrew Macdonald가 대시보드를 소비자에게 유용한 기능의 25% 증가와 연결하지 못했다고 전한다. 또한 자료가 인용한 2026년 McKinsey 설문 결과에 따르면 응답자의 80%가 더 빨라졌다고 답했고, 37%의 기업은 이자·세금·감가상각·상각 전 이익에 영향을 확인했다. 한편 32% 이상의 기업은 프로그래밍 에이전트를 활용해 내부적으로 기능을 구축할 수 있었기 때문에 적어도 하나의 소프트웨어 구매를 하지 않았다.

여기서의 편집적 해석은 기업들이 이중적인 방정식에 직면해 있다는 것이다. 청구액을 줄이고 싶지만 인공지능 투자를 단순히 중단할 수는 없다. 따라서 논의는 “인공지능을 사용할 것인가?”라는 질문에서 더 실질적인 질문으로 바뀐다. 각 팀이 어떤 종류의 작업에 어떤 모델을 사용하며, 성공을 어떤 지표로 측정할 것인가?

하나의 모델 대신 세 가지 계층

Mohammad는 프로그래밍 및 에이전트 작업을 세 가지 계층으로 배분하자고 제안하며, 금전적 지출 비중이 아니라 작업과 토큰의 비중을 계산해야 한다고 말한다. 최상위 계층에는 되돌릴 수 없는 의사결정, 전략 분석 및 세부 실행 계획을 위한 Fable과 Opus 모델이 자리한다. 저자는 이러한 작업이 전체 업무량의 5%를 넘지 않을 것으로 추정한다.

중간 계층에는 Kimi K3, Gemini 3.7 Flash, GPT-5.6 Sol 및 Grok 4.6이 포함된다. 자료에 따르면 이들 모두 지능 지수에서 약 60점대를 기록한다. 저자는 특히 일상적인 프로그래밍과 일반 업무에 이 계층을 전체 작업량의 약 50%로 배정할 것을 제안한다. Kimi는 프로그래밍 분야에서 인기가 있으며 Grok 4.6도 이에 근접하지만, 더 작은 컨텍스트 크기가 제약으로 남아 있다고 설명한다.

저자의 제안에서 나머지 45%는 대규모 작업을 위한 모델인 GLM-5.3-Flash에 배정된다. 그러나 이 비율은 고정된 처방이 아니다. 모델을 실행하는 데 사용하는 도구, 프로그래밍·콘텐츠·마케팅 간 작업 구성, 내부 평가 결과가 실제 배분을 결정해야 한다.

예산을 다시 설계하기 전에 무엇을 측정해야 하는가?

이 글은 Zhipu, Qwen, DeepSeek 등의 중국산 공개 가중치 모델을 출처만을 이유로 배제하지 말고 비용 계산에 명시적으로 포함해야 한다고 결론 내린다. 또한 6월 초 OpenRouter에서 중국산 모델의 토큰 점유율이 미국산 모델의 점유율을 넘어섰으며, 목록의 상위권 대부분이 중국 연구소로 남아 있었다고 언급한다.

9월에 Google, xAI, Anthropic, OpenAI 및 DeepSeek에서 예상되는 출시 물결에 앞서 저자는 토큰 소비량을 파악하고, 지출을 고객 성장이나 매출과 같은 명확한 지표, 또는 최소한 개발 속도와 생산성에 연결할 것을 제안한다. 또한 기업이나 팀별로 인공지능 예산을 책정한 뒤 모델 정책을 계층화하라고 촉구한다. 즉 전략적 의사결정에는 고성능 모델을, 유료 좌석과 일상적인 프로그래밍에는 중간급 모델을, 대량·반복 작업에는 저비용 모델을 사용하는 방식이다.

저자의 관점은 GLM-5.3-Flash가 모든 기업에 최선의 선택이 될 것이라는 점이나, 일반적인 비교 지표가 모든 상황에서의 성능을 반영한다는 점을 입증하지 않는다. 그러나 실용적인 검토 기준은 제시한다. 모든 요청에 이용 가능한 가장 비싼 모델을 배정해서는 안 되며, 평가와 명확한 가치 지표 없이 가장 저렴한 모델을 채택해서도 안 된다. 이 글이 남기는 열린 질문은 새로운 출시 이후에도 비용과 성능의 곡선이 이러한 방향을 유지할지, 그리고 추론 비용을 낮출 수 있는 인공지능 기업들이 실제로 사용량의 대부분을 차지하게 될지 여부다.