출력 100만 토큰에 0.50달러

Z.ai가 8월 25일 GLM-5.3-Flash를 공개했다. 가격표부터 보면 입력 100만 토큰 $0.15, 캐시된 입력 $0.03, 출력 $0.50이다. 9월 9일까지는 출시 할인 50%가 붙어 입력이 $0.075다. 라이선스는 MIT고 가중치가 공개돼 있다.

숫자가 낮은 것보다 그 값에서 나오는 성능이 문제다. Z.ai 측정으로 코딩과 에이전트 과제에서 Claude Opus 4.8에 근접했고, 자체 이전 세대인 GLM-5.2와 비교하면 DeepSWE v1.1이 46.2에서 63.4로, AutomationBench가 26.2에서 48.8로 올랐다. 가격은 그 5.2의 10분의 1 수준이다.

한 줄 정리

프런티어 근처 성능이 출력 100만 토큰 0.50달러에 오픈 웨이트로 내려오면서 모델 선택이 성능 문제에서 배분 문제로 바뀌었다.

한눈에 보기

활성 파라미터가 값을 만든다

320B 가운데 토큰마다 18B만 켜진다. 전체를 다 굴리는 모델과 총 크기는 비슷해 보여도 한 번 답할 때 드는 계산은 훨씬 적다. 여기에 희소 어텐션과 선형 어텐션을 섞은 하이브리드 구조가 붙어 긴 문맥을 다룰 때의 서빙 비용을 따로 눌렀다. 100만 토큰 컨텍스트가 가격표를 안 무너뜨리는 이유다.

시각 처리를 별도 어댑터로 붙이지 않고 처음부터 텍스트, 이미지, 영상을 같이 받는다. 상품 사진 스무 장을 던져 설명문을 뽑거나 영상에서 자막용 구간을 잘라내는 작업에서 모델을 두 개 쓸 이유가 사라진다.

같은 주에 Qwen3.8-Flash-Next도 같은 방향으로 나왔다. 125B 본체에 51B N-gram 임베딩을 얹고 토큰당 6B만 활성화한다. 두 진영이 우연히 겹친 게 아니라 지금 오픈 웨이트 경쟁의 축이 최고 점수가 아니라 점수당 비용으로 옮겨 갔다.

갈아끼우는 비용이 얼마인지가 진짜 질문이다

값이 내려도 청구서에 안 닿는 팀이 대부분이다. 모델 이름이 코드 곳곳에 박혀 있고 프롬프트가 특정 모델 버릇에 맞춰져 있으면 인하는 남의 일이 된다.

이번엔 그 마찰이 눈에 띄게 낮았다. Vercel AI Gateway에 GLM-5.3-Flash가 공개 다음 날 올라왔고 Qwen3.8 Flash도 같은 날 붙었다. Ollama는 v0.33.1에서 MLX 기반으로 Qwen3.8 Flash Next 지원을 넣었다. 게이트웨이를 쓰고 있었다면 모델 문자열 한 줄이고, 로컬로 돌리고 싶으면 그쪽도 이미 길이 나 있다.

출시 전 OpenCode와 OpenRouter에서 ox-alpha라는 익명으로 돌던 모델이 이거였다. 이름을 가리고 먼저 써 보게 한 뒤 정체를 밝히는 방식은 브랜드 없이 성능만으로 붙어 보겠다는 신호다.

벤더가 낸 숫자와 남이 잰 숫자

DeepSWE 63.4와 AutomationBench 48.8은 Z.ai가 자기 모델을 자기 조건에서 잰 값이다. 어느 회사든 출시일에 내는 표는 자기한테 유리하게 짜인다. 독립 측정을 같이 봐야 판이 보인다.

Artificial Analysis 지능 지수 v4.1.1에서는 57점이 나왔고 과제당 비용은 $0.045로 잡혔다. 점수 자체보다 이 조합이 중요하다. 같은 지수에서 더 높은 점수를 받는 모델은 여럿이지만 과제당 5센트 아래에서 이 점수대에 있는 건 흔치 않다.

실무에서 쓸 수 있는 검증은 더 단순하다. 지난주에 실제로 돌린 작업 20건을 골라 같은 입력을 이 모델에 넣고 결과를 나란히 놓아 봐라. 벤치마크는 남의 업무로 잰 값이고 우리 업무로 잰 값은 우리만 만들 수 있다. 하루면 끝나는 일이고 그 결과가 앞으로 몇 달치 청구서를 정한다.

anyAX 관점

출력 $0.50짜리가 코딩과 에이전트 과제에서 최상위권에 붙는다는 건 모델 하나로 전부 처리하는 설정이 이제 가장 비싼 선택이라는 뜻이다. 분류, 태깅, 초벌 요약, 첫 번째 초안까지 최고가 모델에 태우고 있었다면 그 구간이 통째로 이쪽 값으로 내려온다.

작업을 쪼개라는 얘기가 아니라 이미 쪼개져 있는 걸 값에 맞게 다시 붙이라는 얘기다. 콘텐츠 팀이면 자료 정리와 초안은 싼 쪽, 최종 문장 다듬기와 팩트 확인은 비싼 쪽. 고객 문의 처리면 분류와 라우팅은 싼 쪽, 실제 답변 작성은 비싼 쪽. 캐시된 입력 $0.03은 같은 자료를 반복해서 넣는 작업, 그러니까 사내 문서 기반 응답에서 특히 크게 먹힌다.

MIT 라이선스와 공개 가중치가 붙는 순간 계산이 하나 더 생긴다. 고객 데이터를 밖으로 안 내보내는 조건이 계약서에 박혀 있는 팀이면 이제 그 조건을 성능 포기 없이 맞출 수 있다. 다만 320B를 자체 호스팅하는 비용이 API 값보다 싼 지점은 생각보다 높다. 하루 수백만 토큰을 넘게 쓰는 게 아니라면 API로 시작해서 실제 사용량을 측정한 다음 옮기는 순서가 맞다.

한 가지 더 짚어 둘 게 있다. 활성 파라미터가 18B라고 해서 18B 모델처럼 굴러가지 않는다. 자체 호스팅하려면 320B 전체를 메모리에 올려야 하고, 양자화를 세게 걸어도 개인용 장비 한 대로 감당할 크기가 아니다. "오픈 웨이트니까 우리 서버에서 돌리면 공짜"라는 계산은 GPU 임대료를 안 넣은 계산이다.

이번 주에 할 일은 하나다. 지난달 청구서를 열어서 어떤 작업이 얼마를 먹었는지 줄 단위로 보고, 그중 판단이 필요 없는 구간이 몇 퍼센트인지 세어 봐라. 그 비율이 곧 이번 인하로 아낄 수 있는 몫이다.

참고

• GLM-5.3-Flash 공개 발표와 벤치마크 (Z.ai)
• 모델 카드와 공개 가중치 (Hugging Face)
• 독립 지능 지수와 과제당 비용 측정 (Artificial Analysis)
• 게이트웨이 추가 공지 (Vercel)