AI 뉴스 SVIL GLM-5.3 Z.ai 오픈웨이트 사이버보안 클로드 GPT-5.6 중국 AI

GLM-5.3이 클로드·GPT-5.6을 제쳤는데 가중치는 안 풉니다 — Z.ai가 밝힌 이유

SVIL - Singularity Visual Intelligence Lab 2026. 08. 14 16 min read

순위표가 하룻밤 사이에 바뀌는 일은 이제 놀랍지도 않습니다. 그런데 2026년 8월 14일 중국 Z.ai가 내놓은 GLM-5.3은 조금 다른 이유로 눈길을 끌었어요. 성적이 좋아서가 아니라, 회사가 스스로 "이건 예상보다 세게 나왔다"며 가중치 공개를 미뤘기 때문입니다.

어두운 정육면체 무리 위로 홀로 솟아오른 청록빛 정육면체 — 순위표 상단을 새로 차지한 모델을 표현한 개념 이미지

하룻밤 사이에 코딩 순위표가 바뀌었습니다

8월 14일, Z.ai가 GLM 계열의 새 버전 GLM-5.3을 공개했습니다. 오픈 가중치 진영의 코딩 성적표에서 가장 높은 자리에 올랐고, 보안 관련 벤치마크에서는 서구 프런티어 모델들보다 앞선 숫자를 냈습니다.

다만 이번 발표에서 가장 많이 인용된 문장은 점수가 아니었어요. "가중치는 2주쯤 뒤에 푼다"는 한 줄이었습니다.

GLM-5.3이 무엇인가 — 한 줄 정리

GLM-5.3은 Z.ai의 코딩·에이전트 특화 대형 언어 모델입니다. 이전 버전인 GLM-5.2와 같은 베이스 모델을 쓰면서, 사후 훈련만 대폭 늘려 성능을 끌어올렸다고 회사는 설명합니다.

즉 "더 큰 모델을 새로 만들었다"가 아니라 "같은 모델을 훨씬 더 오래 가르쳤다"에 가깝습니다.

모든 이음새와 모서리에서 청록빛이 새어 나오는 어두운 정육면체 — 하나의 모델 본체를 표현한 개념 이미지

가장 놀라운 대목: 베이스 모델을 다시 훈련하지 않았다

보통 성능이 크게 오르면 "더 큰 모델을 더 많은 데이터로 새로 훈련했겠지"라고 짐작하게 됩니다. 그 과정은 돈과 시간이 엄청나게 듭니다.

Z.ai는 그 단계를 건너뛰었다고 말합니다. 베이스는 그대로 두고, 그 위에 얹는 훈련만 규모를 키웠다는 것이죠.

7430억 파라미터, 그대로 물려받았다

GLM-5.3의 베이스는 GLM-5.2와 같은 7430억 파라미터 규모입니다. 파라미터는 모델이 학습한 내용을 담아두는 숫자 뭉치라고 생각하시면 편합니다. 이 숫자가 그대로라는 건, 모델의 '몸집'은 전혀 바뀌지 않았다는 뜻이에요.

바뀐 것은 몸집이 아니라 훈련 방식이었습니다.

칠흑 속에 흩어진 헤아릴 수 없이 많은 미세한 청록빛 점들 — 거대한 파라미터 규모를 표현한 개념 이미지

사후 훈련(post-training)이란 무엇인가

대형 언어 모델은 보통 두 단계로 만들어집니다. 먼저 방대한 텍스트로 기본 언어 능력을 익히는 사전 훈련, 그다음 특정 방식으로 답하도록 다듬는 사후 훈련입니다.

사후 훈련에는 사람의 피드백, 정답이 있는 문제 풀이, 도구를 쓰는 연습 같은 것들이 들어갑니다. 요리에 비유하면 사전 훈련이 재료를 익히는 단계, 사후 훈련이 간을 맞추는 단계에 가깝습니다.

베이스를 안 건드리는 게 왜 중요한가

비용 때문입니다. 사전 훈련을 다시 돌리려면 수천 장의 GPU를 몇 달 돌려야 하지만, 사후 훈련은 그보다 훨씬 짧고 저렴합니다.

그래서 "사후 훈련만으로 이만큼 오른다"는 결과가 사실이라면, 같은 하드웨어로 더 자주 좋은 모델을 낼 수 있다는 뜻이 됩니다. 하드웨어 확보가 어려운 쪽일수록 의미가 큰 이야기예요.

어두운 정육면체를 감싸며 바깥으로 퍼져 나가는 청록빛 동심원 — 본체는 그대로 두고 겉을 덧입히는 사후 훈련을 표현한 개념 이미지

코딩 성적 — 터미널벤치 3.0에서 4.6이 28.3으로

가장 눈에 띄는 상승폭은 터미널벤치 3.0에서 나왔습니다. GLM-5.2의 4.6점이 GLM-5.3에서 28.3점으로 올랐습니다.

터미널벤치는 모델이 명령줄 환경에서 실제 작업을 끝까지 해내는지 보는 시험입니다. 파일을 찾고, 고치고, 실행해서 결과를 확인하는 식의 긴 호흡이 필요합니다.

딥스위 v1.1은 46.2에서 66.9로

딥스위(DeepSWE) v1.1은 실제 소프트웨어 저장소의 이슈를 코드 수정으로 해결하는 시험입니다. 46.2점에서 66.9점으로 올랐습니다.

이쪽은 원래도 나쁘지 않던 점수가 더 올라간 경우라, 터미널벤치만큼 극적이진 않지만 실무 체감에는 더 가깝습니다.

굵고 밝은 청록빛 막대 아래 놓인 훨씬 가늘고 어두운 막대 — 이전 버전 대비 성능 격차를 표현한 개념 이미지

에이전트 라스트 이그잼 23.8 → 28.5

에이전트 라스트 이그잼은 모델이 스스로 계획을 세우고 여러 단계를 거쳐 문제를 푸는 능력을 보는 시험입니다. 23.8점에서 28.5점으로 올랐습니다.

절대 점수가 낮아 보이지만, 이 계열 시험은 원래 모든 모델이 낮게 나옵니다. 어려운 시험일수록 몇 점 차이가 크게 벌어집니다.

토큰 효율 — 같은 점수를 절반 이하로

Z.ai가 특히 강조한 지점은 효율입니다. 자체 코드 벤치마크의 높은 사고 모드에서 GLM-5.3은 31.4%를 기록하면서 과제당 약 5만 토큰을 썼습니다.

비교 대상으로 제시된 클로드 오퍼스 4.8은 29.5%에 약 12만 토큰이었습니다. 점수는 조금 높은데 토큰은 절반 이하라는 구도예요. API 요금이 토큰 단위로 매겨지니, 이 차이는 곧 비용 차이가 됩니다.

칠흑을 가로질러 비스듬히 뻗어 나가는 가느다란 청록빛 광선 — 적은 자원으로 곧장 도달하는 효율을 표현한 개념 이미지

클로드 오퍼스 4.8과의 비교를 어떻게 읽을까

다만 이 비교는 Z.ai가 자기 벤치마크에서 낸 수치입니다. 모델을 만든 회사가 고른 시험이라는 점을 감안하고 봐야 합니다.

회사 발표 수치가 거짓이라는 뜻은 아니에요. 다만 어떤 시험을 골랐는지가 결과를 크게 좌우한다는 점은 늘 염두에 둘 만합니다.

벤치마크 버전이 다르면 숫자를 나란히 놓을 수 없다

실제로 혼동이 생기기 쉬운 지점이 있습니다. GLM-5.3의 터미널벤치 점수는 3.0 버전 기준 28.3점인데, 클로드 오퍼스 4.8이 선두라고 알려진 85.0점은 2.1 버전 기준입니다.

버전이 다르면 문제 자체가 다릅니다. 28.3과 85.0을 나란히 놓고 "3배 차이"라고 읽으면 틀립니다. 벤치마크 숫자를 볼 때 버전을 먼저 확인하는 습관이 필요한 이유예요.

각자 다른 청록빛에 둘러싸인 채 멀찍이 떨어져 떠 있는 두 개의 어두운 정육면체 — 서로 다른 기준으로 매겨진 두 점수를 표현한 개념 이미지

진짜 이야기는 코딩이 아니라 보안입니다

코딩 점수는 이야깃거리 정도지만, 보안 쪽 숫자는 성격이 다릅니다. 이번 발표에서 실제로 논쟁이 된 부분은 여기예요.

모델이 소프트웨어의 취약점을 찾아내는 것을 넘어, 그 취약점을 실제로 파고드는 순서까지 스스로 구성하기 시작했다는 것이 요지입니다.

사이버짐 84.5 — 서구 프런티어 모델을 넘어섰다

보안 능력 시험인 사이버짐(CyberGym)에서 GLM-5.3은 84.5점을 기록했습니다. 같은 시험에서 클로드 미토스 5는 83.8점, GPT-5.6 솔은 83.6점으로 보고됐습니다.

격차는 1점이 채 안 되지만, 중국 오픈 가중치 모델이 이 항목에서 앞선 것은 처음이라 상징성이 있습니다. 참고로 GLM-5.2는 같은 시험에서 77.2점이었습니다.

어두운 판에 맞닿아 접촉선에서 강렬한 청록빛을 뿜는 정육면체 — 방어선을 넘어선 지점을 표현한 개념 이미지

익스플로잇벤치 점수가 두 배가 됐다

더 큰 변화는 익스플로잇벤치(ExploitBench)에서 나왔습니다. GLM-5.2의 24.4%가 GLM-5.3에서 54.4%로 올랐습니다.

이 시험은 취약점을 찾는 데서 그치지 않고 실제로 공격이 성립하는지까지 봅니다. 두 배 이상의 상승은 성격이 좀 다른 종류의 변화예요.

창발(emergent)이라는 말을 어떻게 이해할까

AI 이야기에서 창발은 "가르치지 않았는데 생겨난 능력"을 뜻합니다. 훈련 목표에 없던 행동이 부산물처럼 따라 나오는 경우예요.

창발이 늘 신비로운 현상인 것은 아닙니다. 관련된 능력을 여러 개 가르치다 보면 그 조합이 새 능력처럼 보이기도 합니다. 다만 만든 쪽도 예상하지 못했다는 점에서 통제하기 어려운 성질을 갖습니다.

어두운 두 덩어리 사이의 좁은 틈으로 수렴하는 수많은 가느다란 청록빛 선 — 여러 능력이 모여 하나의 새 능력으로 드러나는 창발을 표현한 개념 이미지

Z.ai가 의도한 것과 실제로 나온 것

Z.ai의 설명에 따르면, 회사는 사후 훈련 데이터에 취약점 탐색 자료를 넣었습니다. 목표는 "취약점을 더 잘 이해하는 모델"이었어요.

그런데 결과물은 그보다 한 단계 나아갔습니다. 취약점을 이해하는 데서 그치지 않고 공격 사슬을 엮어내는 추론이 나왔고, 회사는 이를 예상하지 못했다고 밝혔습니다.

2,436개의 취약점, 그중 1,097개가 치명적

규모를 보면 이야기가 더 구체적이 됩니다. Z.ai는 자사 모델들이 269개 오픈소스 프로젝트에서 2,436개의 취약점을 찾아냈고, 그중 1,097개가 치명적 또는 높은 심각도로 분류됐다고 밝혔습니다.

이 숫자는 양날입니다. 방어 쪽에서 보면 사람이 몇 년 걸릴 감사를 자동화한 성과이고, 공격 쪽에서 보면 같은 도구가 그대로 쓰일 수 있다는 뜻이니까요.

한 줄로 갈라져 그 틈에서 강렬한 청록빛이 새어 나오는 어두운 판 — 드러난 취약점을 표현한 개념 이미지

어떤 소프트웨어가 대상이었나

대상 범위도 좁지 않았습니다. 시스템 커널, 브라우저 엔진, 네트워크 프로토콜, 운영체제까지 포함됐다고 회사는 설명했습니다.

모두 다른 소프트웨어가 그 위에 올라타는 기반에 해당합니다. 이런 계층에서 나오는 문제는 영향 범위가 넓습니다.

그래서 가중치 공개를 미뤘습니다

Z.ai는 GLM-5.3을 API와 자사 코딩 요금제로는 바로 열었지만, 가중치 공개는 약 2주 뒤로 미뤘습니다. 안전성 평가와 보완을 마친 뒤에 풀겠다는 이유였습니다.

가중치는 모델의 실체 그 자체입니다. 한 번 공개되면 누구나 자기 컴퓨터에 내려받아 제약 없이 돌릴 수 있고, 되돌릴 방법이 없습니다.

어두운 판의 홈에 깊이 끼워져 가장자리만 희미하게 빛나는 정육면체 — 공개를 보류한 상태를 표현한 개념 이미지

중국 연구소가 능력을 이유로 공개를 미룬 첫 사례

이 지점이 이번 발표에서 가장 자주 인용된 대목입니다. 보도에 따르면 중국의 프런티어 AI 연구소가 특정 창발 능력에 대한 우려를 이유로 공개 시점을 조정한 것은 이번이 처음입니다.

그동안 중국 모델의 공개가 늦춰지는 경우는 있었지만, 이유는 대개 수출 규제나 플랫폼 정책 쪽이었습니다.

수출 규제 때문이 아니라는 점이 왜 특별한가

외부 압력 때문에 늦추는 것과, 스스로 위험을 판단해 늦추는 것은 성격이 다릅니다. 앞쪽은 규제 대응이고 뒤쪽은 자율 규범이에요.

서구 연구소들은 몇 해 전부터 자체 안전 기준을 명분으로 출시를 미루거나 기능을 제한해 왔습니다. 이번 사례는 그 관행이 중국 쪽에도 나타났다는 신호로 읽힙니다.

물론 실제 의도가 무엇인지는 밖에서 확인할 수 없습니다. 2주 뒤 실제로 가중치가 공개되는지, 그때 어떤 형태로 나오는지를 보고 판단할 문제예요.

넓은 청록빛 광선을 가로질러 미끄러져 들어오는 어두운 판 — 스스로 내린 공개 제한을 표현한 개념 이미지

오픈웨이트 진영에는 어떤 뜻인가

오픈 가중치 모델의 매력은 누구나 손에 넣어 자유롭게 쓸 수 있다는 점이었습니다. 그런데 그 자유는 위험한 능력에도 똑같이 적용됩니다.

이번 사례는 오픈웨이트 진영이 앞으로 자주 마주할 질문을 미리 보여줍니다. 공개가 원칙이라면, 공개하면 안 되는 능력이 나왔을 때는 무엇을 기준으로 삼을 것인가.

답이 정해진 문제는 아닙니다. 다만 "일단 다 푼다"는 선택지가 점점 좁아지고 있다는 건 분명해 보여요.

100만 토큰 컨텍스트와 가격 — 실무자가 볼 지점

실제로 써 볼 분들을 위한 정보도 정리해 둘게요. GLM-5.3은 100만 토큰 컨텍스트를 지원하는 모델 ID를 별도로 제공하고, 최대 출력은 12만 8천 토큰으로 안내됩니다.

큰 저장소 전체나 긴 문서를 통째로 넣고 작업하는 용도를 겨냥한 사양입니다. 가격은 이전 세대 기준으로 서구 프런티어 모델의 10분의 1 수준이었고, 월 정액 코딩 요금제도 별도로 운영됩니다. GLM-5.3 전용 단가는 아직 별도로 공표되지 않았습니다.

칠흑을 가로질러 끝에서 끝까지 이어지는 가느다란 청록빛 선 — 100만 토큰의 긴 문맥을 표현한 개념 이미지

핵심 정리

GLM-5.3은 Z.ai가 2026년 8월 14일 공개한 코딩·에이전트 특화 모델입니다.
베이스 모델(7430억 파라미터)은 GLM-5.2와 같고, 사후 훈련만 키워 성능을 올렸습니다.
코딩에서 터미널벤치 3.0이 4.6 → 28.3, 딥스위 v1.1이 46.2 → 66.9로 올랐습니다.
보안 시험 사이버짐에서 84.5로 클로드 미토스 5(83.8)·GPT-5.6 솔(83.6)을 앞섰습니다.
익스플로잇벤치는 24.4% → 54.4%로 두 배 이상 올랐습니다.
Z.ai는 취약점 탐색 데이터를 넣었을 뿐인데 공격 사슬 추론이 창발했다고 밝혔습니다.
자사 모델들이 269개 오픈소스 프로젝트에서 2,436개 취약점(치명적·높음 1,097개)을 찾았습니다.
그래서 가중치 공개를 약 2주 미뤘습니다 — 중국 연구소가 능력을 이유로 공개를 늦춘 첫 사례로 보도됐습니다.
벤치마크 숫자를 볼 땐 버전을 확인하세요. 터미널벤치 3.0과 2.1은 다른 시험입니다.

참고하실 만한 것

이번 사안을 더 따라가고 싶으시면 이런 것들을 함께 보시면 좋습니다.

2주 뒤 실제 공개 여부 — 약속대로 가중치가 나오는지, 어떤 제한이 붙는지가 이 이야기의 결말입니다.
독립 벤치마크 — 회사 발표가 아닌 제3자 측정에서도 같은 순위가 나오는지 확인해 보세요.
버전 표기 습관 — 모델 비교 글을 읽을 때 벤치마크 버전이 적혀 있는지부터 보시면 오독이 크게 줍니다.

SVIL 연구소는 이런 소식을 큰 글씨와 높은 대비로, 배경 설명까지 붙여 정리하고 있습니다. 어려운 용어를 그냥 지나치지 않고 한 번씩 풀어 쓰는 이유예요.

출처

협업문의 : kuroicode@gmail.com
블로그 : https://blog.svil.dev/
홈페이지 : https://kuroicode-beep.github.io/svil-homepage/