ERNIE-5.5-Flash vs GLM-5.3 Flash: 두 개의 오픈 리포지토리, 전혀 다른 두 가지 조건

ERNIE-5.5-Flash와 GLM-5.3 Flash는 모두 이번 주에 다운로드할 수 있으며, 둘 다 같은 가중치급의 희소 전문가 혼합(MoE) 모델이고, 둘 다 FP8에서 대략 같은 GPU 구성에 올라갑니다. 유사점은 거기까지입니다. Z.ai가 2026년 8월 26일에 공개한 GLM-5.3 Flash는 MIT 라이선스 아래 공개된 가격과 서빙 엔드포인트를 갖춘 완성된 멀티모달 모델입니다. Baidu가 2026년 11월 5일에 공개한 ERNIE-5.5-Flash-Base는 사후 학습을 거치지 않은 모델의 사전 학습 종료 체크포인트로, 맞춤형 라이선스 아래에 있으며 가격도 엔드포인트도 없습니다. 이들을 경쟁 관계의 오픈 모델로 비교하는 것은 합리적입니다. 이들을 대체 가능한 모델로 비교하는 것은 그렇지 않으며, 그 격차는 기술적이기 이전에 법적·절차적입니다.두 GLM 변형 모두 청구 기준은 공급자 정가이므로, 무료 등급 변형은 시험해 보는 데 비용이 들지 않습니다.

각 저장소에는 실제로 무엇이 들어 있나요?

GLM-5.3 Flash는 토큰당 18B가 활성화되는 320B 매개변수 모델로, 45개 레이어를 갖추고 있으며 선형 어텐션과 희소 어텐션을 혼합한 구조를 사용합니다. Z.ai에 따르면 이 구조는 텍스트 전용 GLM-5.3 대비 어텐션 연산량을 약 3분의 1로 줄이고 KV 캐시를 약 4.4배 축소합니다. 컨텍스트 윈도는 1,048,576 토큰이고, 출력은 호스트에 따라 128K에서 131K 사이 어딘가로 제한되며, 이 모델은 텍스트, 이미지, 비디오를 입력받고 텍스트를 출력합니다. Hugging Face의 FP8 가중치는 약 328GB에 달합니다.

ERNIE-5.5-Flash-Base는 총 280B에 활성 14B, 사전 학습 토큰 33.5T, 43개 레이어로, 하나의 dense 레이어와 42개 MoE 레이어로 구성됩니다. 37개 레이어는 압축 HCA 어텐션을, 6개 레이어는 MLA와 DeepSeek 스타일 희소 어텐션을 사용합니다. 히든 크기 4,096, 헤드 64개, 라우팅 전문가 512개를 top-10으로 사용하며 공유 전문가 1개를 더하고, 어휘 크기는 201,216입니다. 학습 컨텍스트는 128K이며, 공개된 구성에서는 미세 조정 및 추론에 1,048,576이 활성화됩니다. FP8 및 BF16 변형이 있으며, 둘 다 Hugging Face에 있습니다.

• 총 파라미터 — ERNIE 280B vs GLM 320B

• 토큰당 활성 — 14B vs 18B

• 레이어 — 43 대 45

• 컨텍스트 — 추론용 1M vs 1M

• 모달리티 — 텍스트 전용 vs 텍스트, 이미지 및 동영상 입력

• 라이선스 — ERNIE 5.5 Flash Base License v1.0 vs MIT

• 사후 훈련 — 미적용 vs 명령 튜닝

• 가격 — 공개된 가격 없음 vs 입력 $0.15 / 출력 $0.50

파라미터 격차는 이름이 시사하는 것보다 작고, 여러분이 짐작할 수 있는 것과는 반대 방향으로 나타납니다. ERNIE는 토큰당 활성화하는 파라미터가 더 적고 전체 파라미터 수도 더 적어서, 표면상으로는 두 모델 중 서빙 비용이 더 저렴한 쪽이 됩니다. GLM의 328GB FP8 풋프린트가 구체적인 수치이며, 280B의 ERNIE는 KV 캐시를 제외하면 같은 자릿수에 들어갑니다.

라이선스는 첫 번째 갈림길입니다.

MIT는 단순한 마케팅 문구가 아닙니다. 이는 상업적 사용, 수정, 재배포, 파생 모델을 의미하며, 협상해야 할 사용 분야 조건도, 별도로 체결해야 할 계약도 없습니다. 팀은 독점 데이터로 GLM-5.3 Flash를 파인튜닝하고 Z.ai 법무 부서와 이야기할 필요 없이 그 결과물을 출시할 수 있습니다.

ERNIE-5.5-Flash-Base는 ERNIE 5.5 Flash Base Model License Agreement v1.0에 따라 배포됩니다. 이는 맞춤형 계약이며, 알아둘 만한 대비점은 역사적입니다. Baidu는 2025년에 ERNIE 4.5 제품군을 Apache 2.0으로 공개했습니다. 5.5 베이스에 맞춤형 라이선스를 적용하는 것은 실수가 아니라 의도적인 강화이며, 이는 가중치가 진정으로 유용해지는 바로 그 시점에 맞닿아 있습니다. 베이스 체크포인트는 인스트럭션 튜닝된 모델보다 미세 조정되고 재배포될 가능성이 훨씬 높기 때문입니다.

학술 및 연구 용도로는 실질적인 차이가 없을 수 있습니다. 제품을 만드는 사람이라면 이것은 가장 먼저 읽어야 할 문서이며, 어쩌면 다른 저장소를 선택하게 되는 이유일 수도 있습니다. 다운로드할 수 있는 가중치는 그 위에 구축할 수 있는 가중치와 같지 않습니다.

벤치마크보다 모달리티가 더 많은 워크로드를 좌우한다

GLM-5.3 Flash는 동영상을 입력받을 수 있습니다. 이 단 하나의 기능만으로도 2026년의 상당수 워크로드 — 화면 녹화, 제품 영상, 감시 클립, 강의 녹화 — 에서 GLM-5.3 Flash는 ERNIE와의 비교 대상에서 벗어납니다. GLM은 이미지도 처리하므로 청구서, 차트, 스크린샷은 물론 문서 처리 전반까지 아우릅니다.

ERNIE-5.5-Flash-Base는 언어 모델입니다. 텍스트 입력, 텍스트 출력입니다. 포스트 트레이닝된 ERNIE 5.5 Flash가 언젠가 멀티모달 입력을 지원하게 되더라도 바이두는 그렇게 밝힌 바 없습니다. 릴리스는 텍스트 모델을 설명하며, 벤치마크 제품군은 지식, 추론, 수학, 코드, 다국어 및 긴 컨텍스트를 다룹니다. 공개된 자료 어디에도 비전을 시사하는 내용은 없습니다.

그 비대칭성은 분명히 짚고 넘어갈 가치가 있습니다. 사양 비교 속에서 쉽게 놓치기 때문입니다. 280B 텍스트 모델과 320B 멀티모달 모델은 조달 결정에서 서로 대안이 아닙니다. 그것들은 서로 다른 질문에 대한 답입니다. 유일한 중복 영역은 텍스트 전용 생성이며, 그 영역에서는 완성된 모델이 기본적으로 우위를 차지합니다. 왜냐하면 그것은 이미 존재하기 때문입니다.

GLM-5.3 Flash가 출시 당시 기대보다 약한 부분

정직함은 양방향으로 적용됩니다. GLM-5.3 Flash가 공개한 강점은 실제입니다 — DeepSWE 63.4는 GLM-5.2의 46.2에 맞선 결과이고, Terminal-Bench 2.1은 84.3, MMLU-Pro는 86.1, MMMU-Pro는 86.0, 도구를 사용한 HLE는 55.3입니다 — 또한 Artificial Analysis는 코딩 지수를 71.5, 일반 지능 지수를 41.8로 평가합니다. 그러나 동일한 평가들은 이 모델이 좁고도 깊은 약점을 지녔음을 보여줍니다: ProgramBench 점수는 약 0에서 1.5, SRE Bench는 0.8, Legal Agent는 6.7입니다. 첫 토큰 지연 시간도 Flash 등급 모델로서 눈에 띄게 느립니다 — OrcaRouter의 7일 트래픽 전체에서 p50 기준 6.36초로, 더 큰 GLM-5의 약 1.7초와 대비됩니다.

그중 어느 것도 ERNIE를 더 나은 선택으로 만들지 않는다. 그것은 GLM을 알려진 변수로 만든다 — 실패 모드가 제3자에 의해 측정된 모델로. ERNIE의 실패 모드는 전혀 측정되지 않았다. 측정할 instruct 모델이 없기 때문이다. 평가 기반 결정에서는 문서화된 실패 모드가 나쁘더라도, 알려지지 않은 실패 모드가 문서화된 것보다 더 나쁘다.

파인튜닝 경로: 둘 다 존재하지만, 하나가 앞서 있습니다

바이두는 툴링에서 옳은 일을 했다. ERNIE 모델 카드에는 SGLang과 vLLM 예시가 포함되어 있고, NVIDIA의 Megatron-Bridge 저장소에는 파인튜닝을 다루는 ERNIE 5.5 예시가 추가되었다. 베이스 체크포인트 기준으로 보면, 이것이 연구 산출물과 사용 가능한 출발점 사이의 차이다.

GLM-5.3 Flash는 8월 말부터 다운로드할 수 있었고, 3개월간 프로덕션에서 사용되며 쌓인 생태계 노하우—양자화, 공급자 통합, 버그 리포트—를 갖추고 있습니다. 새벽 2시에 커널이 깨졌을 때, GLM 이슈는 이미 누군가가 등록해 둔 상태입니다. 이는 벤치마크는 아니지만 도입의 실질적인 비용이며, 의사결정에 포함되어야 합니다.

GPU 클러스터를 확보하지 않고도 GLM-5.3 Flash를 사용해 보고 싶은 분이라면, OrcaRouter는z-ai/glm-5.3-flash를 제공업체 정가에 0% 마크업으로 라우팅하며, 카탈로그에는 무료 티어 변형도 있습니다. 같은 카탈로그의 216개 모델 ID 중에는 ERNIE 항목이 없습니다 — 호스팅 경로도, 가격도, 라우팅할 대상도 없습니다. 이는 Baidu의 출시에 대한 비판이 아니라, 제품보다 가중치를 먼저 공개한 데 따른 실질적인 결과입니다.

어느 저장소를 복제하시겠습니까?

멀티모달 오픈 모델을 API 뒤에 두고, 상업적으로 파인튜닝하고, 공개된 제3자 평가와 비교해야 한다면 GLM-5.3 Flash를 복제하세요. MIT 라이선스에 서빙되는 엔드포인트, 그리고 3개월간의 실제 운영 경험이 더해지면 강력한 조합이며, 문서화된 약점은 좁아서 충분히 우회할 수 있습니다.

지속 사전학습, 도메인 적응 또는 포스트트레이닝 연구를 하고 있다면—특히 중국어로—그리고 파이프라인에 투자하기 전에 맞춤형 라이선스를 읽을 준비가 되어 있다면 ERNIE-5.5-Flash-Base를 클론하세요. 280B-A14B 형태는 효율적이고, 33.5T 토큰 예산은 만만치 않으며, 아키텍처는 대부분의 베이스 릴리스보다 더 자세히 문서화되어 있고, Megatron-Bridge 예제 덕분에 첫 파인튜닝이 별도의 연구 프로젝트가 되지 않습니다.

어느 쪽이든 다른 쪽을 그대로 대체할 수 있는 제품이라고 기대하고 클론하지 마세요. 하나는 거의 모든 것을 허용하는 라이선스가 붙은 완성품이고, 다른 하나는 라이선스가 더 제한적이며 제품 자체는 아직 존재하지 않는 강력한 출발점입니다. 흥미로운 질문은 Baidu가 post-trained 모델에 무엇을 담아 출시하며 가격을 얼마로 책정하느냐입니다. 14B 활성 파라미터로 $0.15/$0.50 근처에 안착한다면, 이는 두 저장소의 비교가 아니라 두 오픈 Flash 모델 간의 진정한 경쟁이 됩니다. 그때까지 두 저장소는 애초에 같은 선반에 놓일 수 없습니다.