GPT-6 Luna vs GLM-5.3: 여전히 다운로드할 수 없는 오픈 웨이트 모델

GLM-5.3이 더 나은 모델이다. 최대 노력으로 Artificial Analysis Intelligence Index에서 45점을 기록해 GPT-6 Luna의 37점과 맞서며, Z.ai에 따르면 일부 사이버보안 평가에서는 Mythos 5와 동등하고, 여러 종합 평가표에서 선두를 달리는 오픈 웨이트 모델이다. 또한 지금 이 모델은 소유하는 모델이 아니라 임대해서 쓰는 API다: Z.ai는 사이버보안 우려로 가중치 공개를 약 2주 연기했고, 오픈 웨이트 플래그십의 존재 의의라고 할 다운로드는 아직 나오지 않았다.

그 지연이 이번 맞대결의 핵심 서사이며, 가격표가 놓치는 방식으로 셈법을 바꿔 놓는다. GPT-6 Luna는 2026년 9월 22일에 등장했고, 백만 입력 토큰당 $0.10, 백만 출력 토큰당 $0.50에 일반 제공되며 별도 조건이 없다. GLM-5.3은 2026년 8월 18일에 $1.40과 $4.40에 등장했다. Luna의 입력 요율의 14배, 출력 요율의 거의 9배에 해당하며, 가중치는 공개되지 않았다. 따라서 이 비교는 오픈 대 클로즈드가 아니다. 그것은 오늘 호출할 수 있는 클로즈드 모델이 10분의 1 비용으로, 오늘 호출할 수 있을 뿐인 오픈 모델과 맞붙는 것이다. 마치 아직 가질 수 없는 것을 사는 것처럼 가격이 매겨진 채로.

한 달 차이로 등장한 두 모델, 전혀 다른 두 가지 거래

GPT-6 Luna는 OpenAI의 GPT-6 세대의 소형 티어로, GPT-6 Sol과 함께 $2.00/$10.00에 제공되며, 플래그십 GPT-6 Astra($10.00/$50.00) 아래에 위치합니다. 1,050,000토큰의 컨텍스트 창, 128,000토큰의 출력 한도, 텍스트 및 이미지 입력, 그리고 없음에서 낮음, 중간, 높음, xhigh, 최대까지 이어지는 추론 사다리를 갖추고 있으며, 기본값은 중간입니다. OpenAI는 이를 집중적이고 대량의 작업에 가장 효율적인 모델이라고 부르며, 요금표도 이를 뒷받침합니다: 백만 토큰당 $0.01의 캐시된 입력은 이미 낮은 캐시되지 않은 요금의 10분의 1입니다.

GLM-5.3은 복잡한 소프트웨어 엔지니어링과 장기적 에이전트 작업을 위한 Z.ai의 현행 플래그십으로, 2026년 8월 18일에 출시되었습니다. 텍스트 입력, 텍스트 출력 방식이며 100만 토큰 컨텍스트 창과 128,000토큰 출력 한도를 갖추고 있고, 추론은 항상 켜져 있습니다 — 비추론 모드는 없습니다. Z.ai는 GLM-5.2 대비 코딩 경험이 약 50% 향상되었다고 설명하며, 저장소 규모 코딩과 자율적인 다단계 엔지니어링에 적합하게 포지셔닝합니다. 가중치는 공개되는 순간 대표적인 기능이 되겠지만, 오늘날 실제로 가동 중인 것은 API입니다.

두 요율표가 실제로 말하는 것

각 차원당 한 줄, 각 줄에 양쪽 모두:

• 입력 100만당 — GPT-6 Luna $0.10 vs GLM-5.3 $1.40

• 100만 개당 출력 — GPT-6 Luna $0.50 vs GLM-5.3 $4.40

• 캐시된 입력 — GPT-6 Luna 100만당 $0.01 vs GLM-5.3 100만당 $0.26, 자체 입력 요율 대비 81% 할인

• AA Intelligence Index — 최대 노력 기준 GPT-6 Luna 37 vs 최대 노력 기준 GLM-5.3 45

• 기본 노력 점수 — GPT-6 Luna 29는 중간 기본 설정, GLM-5.3은 상시 추론으로, 최대치에서 측정

• 인덱스 실행 시 출력 토큰 — GPT-6 Luna 150M 대 GLM-5.3 210M, 보드 중앙값 140M 대비

• 인덱스 실행 비용 — GPT-6 Luna $122.39 vs GLM-5.3 $2,503.48

• 인덱스 작업당 비용 — GPT-6 Luna 약 $0.07 vs GLM-5.3 약 $0.68

• 컨텍스트 및 출력 — GPT-6 Luna 입력 1,050,000 / 출력 128,000 vs GLM-5.3 입력 1M / 출력 128,000

• 장문 컨텍스트 조항 — GPT-6 Luna는 272K 입력 초과 시 입력 및 캐시 2배, 출력 1.5배(전체 요청 기준), GLM-5.3은 공개 카드에 상응하는 조항 없음

• 추론 끄기 스위치 — GPT-6 Luna는 none부터 max까지 vs GLM-5.3은 항상 켜짐, 비추론 모드 없음

• 가중치 — GPT-6 Luna는 비공개, API 전용 vs GLM-5.3은 약속대로 오픈, 출시 지연

장황함 세금이 이것을 결정하는 숫자다

8포인트 지수 격차는 실재하고 가격 격차는 그보다 더 크지만, 둘 다 가장 중요한 수치는 아니다. 가장 중요한 것은 완료된 작업당 출력 토큰이다. 바로 그곳에서 8포인트의 능력 우위가 본전을 뽑을지 못 뽑을지가 갈리기 때문이다.

Artificial Analysis의 인덱스 실행은 이용 가능한 가장 깔끔한 통제 비교입니다: 동일한 suite, 동일한 harness를 두 모델 모두에 대해 실행한 것입니다. GLM-5.3은 이를 완료하면서 2억 1천만 개의 출력 토큰을 생성했습니다. GPT-6 Luna는 1억 5천만 개를 생성했습니다. 1억 4천만이라는 보드 중앙값과 비교하면 둘 다 말이 많은 편입니다 — GLM-5.3은 중앙값의 1.5배, GPT-6 Luna는 약 10분의 1 더 많습니다. 하지만 그 차이의 방향은 가격 측면에서 Z.ai의 모델에 불리하게 가중됩니다: 토큰을 40% 더 많이 내보내고, 토큰 하나당 8.8배를 청구합니다.

둘을 합쳐 보면 완료된 인덱스 작업당 비용은 GLM-5.3의 경우 약 $0.68, GPT-6 Luna의 경우 약 $0.07로 나옵니다 — 대략 10배 차이인데, 이는 원시 요금표 비율보다 더 큰 격차입니다. 더 비싼 모델이 더 장황하기도 하니까요. 그것이 이 조합의 솔직한 모습입니다. GLM-5.3은 완료된 작업당 10배의 비용으로 인덱스 점수 8점을 사 주는 셈이고, 그것이 좋은 구매인지는 전적으로 여러분의 워크로드가 8점 차이로 작동 여부가 갈리는 종류인지에 달려 있습니다.

많은 프로덕션 트래픽에서는 그렇지 않다. 모델이 할 수 있는 한계에 있는 저장소를 다루는 코딩 에이전트에게는 자주 그렇다. 그리고 실패하는 작업에서는 아무리 큰 가격 이점도 능력 격차를 메우지 못한다.

오픈 가중치가 답을 바꾸는 이유, 그리고 지연이 답을 다시 되돌리는 이유

오픈 웨이트 플래그십을 옹호하는 표준적인 논거는 토큰당 가격이 일시적이라는 것이다. 당신은 사용량이 구매를 정당화할 때까지 임대하고, 그런 다음 모델을 다운로드하면 토큰의 한계 비용은 전기료가 된다. 그 논거에 따르면 GLM-5.3의 $1.40/$4.40은 정말로 GPT-6 Luna의 $0.10의 14배가 아니라, 0을 향해 가는 길의 징검다리 가격이며, 폐쇄형 모델의 더 저렴한 요금은 나갈 수 없는 임대다.

그 주장은 맞습니다, 그리고 현재 보류된 상태입니다. Z.ai는 사이버보안 조사 결과로 인해 가중치를 약 2주간 보류했습니다. 이는 프리미엄을 정당화하는 출구 경로가 아직 존재하지 않는다는 것을 의미합니다. 그것이 존재할 때까지, GLM-5.3은 일반 보드에서 4점, 코딩 보드에서 1점 뒤처지는 모델의 작업당 비용보다 10배나 비싼 종량제 API입니다 — 그리고 구매자는 클로즈드 가중치 접근에 오픈 가중치 가격을 지불하고 있습니다.

부차적이지만 꼭 짚고 넘어갈 만한 점이 하나 있다. 그 지연은 스캔들이 아니다. 그것은 한 벤더가 역량 평가 결과를 진지하게 받아들이는 것이며, 취약점을 잘 찾아내는 모델은 연구소가 다운로드 가능한 파일로 공개할 때 신중해야 하는 바로 그런 종류의 모델이다. 하지만 그것은 가중치의 공개 날짜가 이제 이 비교에서 단연 가장 중요한 날짜라는 뜻이며, 그 날짜는 공개되지 않았다. 12개월을 내다보고 이 두 모델 중 하나를 선택하는 팀은 다음 달에 조건이 바뀔 수 있는 모델과 그럴 수 없는 모델 중에서 선택하는 것이며, 그중 하나만 그에 맞게 가격이 책정되어 있다.

마이그레이션 범위는 작습니다

두 모델 모두 OpenAI 호환 chat completions 인터페이스를 사용하고, 둘 다 1M급 컨텍스트 윈도우를 갖추고 있으며, 출력을 128,000 토큰으로 제한하므로, 두 모델 사이의 이식은 재작성이라기보다 구성 변경에 가깝습니다. 실제로 문제가 되는 차이는 구조적이라기보다 동작상의 차이입니다.

GPT-6 Luna의 장문 컨텍스트 조항은 비용이 더 많이 드는 쪽입니다. 입력 토큰이 272,000개를 초과하는 요청은 요청 전체에 대해 입력 및 캐시 요율의 두 배, 출력 요율의 1.5배로 청구되므로, 300,000토큰 호출은 같은 작업을 둘로 나눠 수행할 때 드는 비용의 두 배가 됩니다. GLM-5.3의 공개 카드에는 이에 상응하는 조항이 없으며, 이는 정말로 큰 단일 요청에서는 가격 격차를 상당히 좁히고 출력이 많은 작업에서는 이를 역전시킬 수도 있습니다.

추론 설정은 정반대로 작용한다. GLM-5.3은 추론이 항상 켜져 있고 끌 수 있는 방법이 없다. 이는 지연에 민감한 모든 것에 있어 강한 제약이다 — 분류기나 라우터는 이를 사용할 수 없다. GPT-6 Luna는 none, low, medium, high, xhigh, max를 제공하며 기본값은 medium이고, 여기서는 37이 아니라 29점을 기록한다. 그 단일 매개변수는 GPT-6 Luna가 Z.ai의 모델보다 8 지수 포인트 뒤처지는 것과 16 뒤처지는 것의 차이이며, 이를 명시적으로 설정하지 않고 마이그레이션하는 팀은 첫 번째 구성을 구매했다고 믿으면서 두 번째 구성을 실행하고 있다.

GLM-5.3은 Z.ai의 정가로 OrcaRouter에서 제공됩니다. 벤더 요율 변경이 리셀러의 재협상을 기다릴 필요 없이 당일 우리 쪽에 반영되는 패스스루 가격 정책 아래에서 제공되며, 이는 가중치가 공개될 때 대표 수치가 달라질 것으로 예상되는 모델에서는 평소보다 더 중요합니다. 이 글을 쓰는 시점에 GPT-6 Luna는 우리 카탈로그에 없으며 OpenAI 자체 API를 통해 접근합니다. 두 모델을 모두 운영하는 팀 — 양쪽의 극단적인 차이를 고려하면 여기서 합리적인 구성입니다 — 은 이미 OpenAI에 사용 중인 것과 함께 GLM-5.3용 키 하나를 운영하며, 배포가 아니라 라우트를 변경하는 것만으로 5센트짜리 분류기와 리포지토리 규모의 코딩 에이전트 사이에서 트래픽을 이동시킵니다.

전화

프로그램이 소비하는 모든 용도와 대량 작업에는 GPT-6 Luna를 선택하세요. 분류, 추출, 라우팅, 대량 요약, 에이전트의 내부 루프. $0.10/$0.50에, 캐시된 입력은 1센트, Batch는 표준 요금의 절반이므로, 완료된 작업당 비용이 GLM-5.3보다 10배 저렴하며 8포인트 지수 격차는 여러분의 평가에서 보이지 않을 것입니다. effort 매개변수를 명시적으로 설정하고 긴 호출은 272,000 토큰 미만으로 유지하세요.

작업이 어려운 쪽이고 답이 청구서보다 더 중요할 때는 GLM-5.3을 선택하세요. 저장소 규모의 소프트웨어 엔지니어링, 자율적인 다단계 작업, 8 인덱스 포인트가 작업 완료와 작업 실패를 가르는 차이인 모든 경우. 장황함은 실질적인 부담이고 10배의 작업 비용도 실제지만, 끝내는 모델이 재시도해야 하는 모델보다 더 저렴합니다.

그리고 가중치를 주목하라. Z.ai가 GLM-5.3 다운로드를 공개하는 날이 바로 이 비교의 핵심 사실이 바뀌는 날이며, 그것은 이 페이지에서 아직 달력에 표시되지 않은 유일한 날짜다.