중국 인공지능 기업 Z.ai는 지난주 OpenRouter 플랫폼에 Ox Alpha라는 이름으로 등장한 모델이 자사의 모델 중 하나라고 밝히고, 이를 GLM-5.3-Flash라는 이름으로 다시 출시했다. 회사는 Hugging Face를 통해 모델의 가중치를 제공함으로써 개발자들이 Z.ai가 제공하는 형식에 따라 모델에 접근하고 실행할 수 있도록 했으며, 타사 플랫폼에서 출처가 알려지지 않은 서비스로 남겨 두지 않았다.
Ox Alpha는 개발 주체를 공개하지 않은 채 OpenRouter에 무료로 등장했지만, 여러 테스트와 순위표에서 강력한 결과를 내면서 빠르게 주목받았다. 개발 주체의 정체가 밝혀지지 않자 이를 만든 연구소를 둘러싼 논의가 이어졌고, Z.ai는 회사가 모델과의 연관성을 확인하기 전부터 가장 유력한 후보 중 하나로 거론됐다.
프로그래밍과 에이전트 작업을 겨냥한 모델
Z.ai는 이 모델을 프로그래밍, 장기 에이전트 작업, 프로덕션 환경의 워크로드를 겨냥한 추론 모델로 소개한다. 공개된 정보에 따르면 GLM-5.3-Flash는 장기간 이어지는 소프트웨어 개발 작업, 복잡한 추론 문제, 텍스트와 시각적 컨텍스트를 결합한 워크플로를 처리하도록 설계됐다.
이 모델은 총 3,200억 개의 매개변수를 갖춘 Mixture of Experts (MoE) 아키텍처를 사용하지만, 각 질의를 처리할 때 활성화되는 매개변수는 약 180억 개에 불과하다. 또한 컨텍스트 윈도는 최대 100만 토큰에 달하며 텍스트, 이미지, 동영상과 함께 최대 131,072토큰 길이의 출력을 지원할 수 있다.
긴 컨텍스트를 위해 설계된 어텐션 아키텍처
Z.ai는 이 모델이 사용된 어텐션 아키텍처에서 이전 GLM 세대와 다르다고 말한다. Sparse attention은 모든 토큰을 동시에 평가하는 대신 입력에서 가장 관련성이 높은 부분에 집중하며, 긴 입력을 처리할 때 필요한 연산량을 줄이는 것을 목표로 한다.
한편 Linear attention 방식은 컨텍스트가 확장될 때 메모리 사용량의 증가를 제어하는 것을 목표로 한다. 회사는 모델 학습에 30조 토큰 규모의 데이터셋을 사용했으며, 학습 과정을 개선하기 위해 mHC라는 기법도 사용했다고 설명한다.
개발자에게 어떤 의미가 있는가?
Z.ai는 GLM-5.3-Flash의 실행 비용이 이전 모델 실행 비용보다 10배 낮다고 말한다. 이 차이가 실제 사용에도 반영된다면 장기간 에이전트 작업을 실행하거나 대규모 컨텍스트를 처리해야 하는 팀에 중요할 수 있다. 그러나 해당 자료에는 측정 조건, 가격, 하드웨어 요구 사항에 관한 세부 정보가 제시되지 않았으므로 비용 비교는 독립적인 검증이 필요하다.
회사가 제시한 테스트에서는 이 모델을 Claude Opus 4.8, GPT-5.6 Terra, Gemini 3.7 Flash와 비교했다. Z.ai의 결과에 따르면 GLM-5.3-Flash는 지식 집약적 작업에서의 성능을 측정하는 GDPval-AA v2 테스트에서 가장 높은 점수를 기록했으며, 클라우드 애플리케이션 내부에서 작업을 완료하는 능력을 측정하는 AutomationBench에서는 2위를 차지했다.
이번 발표의 중요성은 Hugging Face를 통한 가중치 공개, 매우 긴 컨텍스트, 에이전트와 프로그래밍에 대한 명확한 초점이라는 세 요소를 결합했다는 데 있다. 그러나 언급된 결과는 회사 자체가 공개한 것이며 자료에 테스트 방법론이나 재현 가능성에 관한 세부 정보가 포함되어 있지 않기 때문에, 이것만으로 경쟁 모델보다 우수하다고 입증되지는 않는다. 이번 출시는 OpenAI와 Anthropic 같은 기업이 제공하는 폐쇄형 모델의 대안으로, 더 낮은 실행 비용을 지향하는 오픈 웨이트 모델을 선보이려는 중국 인공지능 기업들의 더 광범위한 노력의 일환이다.