'Hy4 flash vs GLM-5.3-Flash'라는 문구가 있는 생성된 타이틀 카드, '더 저렴한 모델은 다운로드할 수 없는 쪽이다'라는 부제, '백만 토큰당 $0.070 / $0.281 / $0.003 대 $0.15 / $0.50 / $0.03'이라는 가격 줄, 그리고 'Hy4 flash는 2026년 11월 16일에 출시됨; GLM-5.3-Flash는 2026년 8월 26일에 오픈소스로 공개됨'이라는 바닥글.
Guides & Insights

Hy4 flash vs GLM-5.3-Flash: 더 저렴한 모델은 다운로드할 수 없는 쪽이다

작성자

jinhao.song

게시일

최신 모델 · 20모든 모델 보기 →
벤치마크: Artificial Analysis · 매일 업데이트
모든 게시물로 돌아가기

Hy4 flash와 GLM-5.3-Flash는 같은 구매자를 겨냥합니다. 플래그십 요금을 내지 않고도 100만 토큰 컨텍스트 창, 이미지 입력, 에이전트급 도구 호출을 원하는 구매자죠. 두 모델의 가격표도 거의 동일합니다. Tencent가 2026년 11월 16일 공개한 Hy4 flash는 입력 100만 토큰당 $0.070, 출력 100만 토큰당 $0.281, 캐시는 $0.003을 청구합니다. Zhipu가 2026년 8월 26일 출시하고 오픈소스로 공개한 GLM-5.3-Flash는 정가 기준 $0.15, $0.50, $0.03을 청구합니다. Tencent 쪽이 입력에서는 대략 절반, 출력에서는 절반을 조금 넘는 가격이고 캐시 입력에서는 10배 더 저렴한데, 바로 이 부분이 대부분의 에이전트 예산을 좌우합니다. 또한 이 모델은 가중치도, 라이선스도, 모델 카드도, 독립 벤치마크도 없습니다. 반면 상대 모델은 Hugging Face에서 MIT 라이선스로 공개되어 있으며 Artificial Analysis Intelligence Index에서 27.8점을 기록합니다.

그것이 한 문장으로 정리한 비교 전체이며, 깔끔하게 결론이 나지는 않는다. 더 저렴하지만 검증할 수 없는 것과 더 비싸지만 검사 가능한 것의 맞대결은 실제 트레이드오프이지 마케팅 문제가 아니며, 어느 쪽이 이기는지는 어느 벤더도 알려주지 않을 것들에 달려 있다. 이어지는 내용은 각자가 실제로 공개한 것, 가격 차이가 무엇을 사고 무엇을 치르게 하는지, 그리고 결정이 갈리는 지점이다.

두 개의 가격 카드, 한 줄씩 읽기

공개된 수치부터 시작하십시오. 왜냐하면 그 수치들은 이 비교에서 두 회사가 명확히 밝히고 누구나 청구서와 대조해 확인할 수 있는 유일한 figures이기 때문입니다.

• 입력, 백만 토큰당 — Hy4 flash $0.070; GLM-5.3-Flash $0.15.

• 출력 기준, 100만 토큰당 — Hy4 flash $0.281; GLM-5.3-Flash $0.50.

• 캐시된 입력, 백만 토큰당 — Hy4 flash $0.003; GLM-5.3-Flash $0.03.

• 컨텍스트 창 — Hy4 flash 1,048,576 토큰; GLM-5.3-Flash 1,000,000 토큰.

• 토큰당 활성 파라미터 — Hy4 flash는 총 224B 중 12B(Engram 파라미터 64B 포함), GLM-5.3-Flash는 45개 레이어에 걸쳐 총 320B 중 18B.

• 가중치 — Hy4 flash는 일정 없이 계획으로만 발표됨; GLM-5.3-Flash는 출시일부터 Hugging Face에 MIT 라이선스로 공개.

• 독립적 지능 점수 — Hy4 flash는 공개된 수치 없음; GLM-5.3-Flash는 Artificial Analysis Intelligence Index에서 27.8, 같은 연구소의 Coding Index에서는 71.5.

캐시된 입력 항목은 보통 받는 것보다 더 주목받을 만하다. 백만 개당 $0.003으로, Hy4 flash의 캐시 비용은 GLM-5.3-Flash보다 10배 저렴하고 자사 플래그십인 Tencent HY4보다 100배 저렴하다. 고정된 시스템 프롬프트, 도구 스키마, 검색된 문서를 매 단계마다 다시 보내는 에이전트의 경우, 캐시 요율이 실제로 대부분의 시간에 지불하는 요율이며, 그곳에서의 10배 차이는 신규 입력에서의 2배 차이를 능가한다. 워크로드가 검색 중심이라면 Hy4 flash의 이점은 대표 가격이 시사하는 것보다 크다. 재사용이 없는 단발 생성 워크로드라면 이점은 입력 및 출력 비율 차이로 좁혀진다.

두 가격 카드는 모두 일부가 프로모션입니다. Tencent Cloud의 TokenHub는 명시되지 않은 한정 기간 동안 50% 할인을 진행 중이며, WorkBuddy는 11월 30일까지 무료입니다. Zhipu의 50% 할인 출시 요금은 2026년 9월 9일에 만료되었고 연장되지 않았습니다. 그래서 8월 말에 돌던 $0.075 및 $0.25 수치는 더 이상 적용되지 않으며, 위의 요금이 현재의 상시 요금입니다. Tencent의 프로모션도 같은 방식으로 종료된다고 가정하고 정가 요금으로 예산을 책정하십시오.

파라미터 격차는 가격 격차보다 작습니다.

A generated comparison card titled 'Two cheap models, two designs' with a left column for Hy4 flash reading 224B total, 12B active, 64B Engram parameters, 1M context, $0.070 / $0.281 / $0.003, no weights published, and a right column for GLM-5.3-Flash reading 320B total, 18B active, 45 layers, 1M context, $0.15 / $0.50 / $0.03, MIT weights on Hugging Face. A footer reads 'Hy4 flash figures are Tencent's, published 16 November 2026; GLM-5.3-Flash price and licence per Zhipu, 26 August 2026.'

Hy4 flash는 토큰당 1,200억 개 파라미터를 활성화하며, 이는 GLM-5.3-Flash의 1,800억 개와 대비됩니다. 토큰당 연산량은 3분의 1 적고, 이것이 절반 가격에 판매될 수 있는 구조적 이유입니다. 흥미로운 부분은 총량입니다. 2,240억 대 3,200억이며, Tencent 총량 중 640억은 라우팅된 전문가처럼 모든 순전파에서 실행되는 대신 학습된 연관성을 보유하는 Engram 파라미터에 있습니다. Tencent는 Hy4 flash의 레이어 수, 전문가 수, 라우팅 폭을 공개하지 않았으므로, 아키텍처 비교에 가장 가까운 것은 두 모델 모두 활성 비율이 작은 희소 전문가 혼합 모델이며 두 공급업체가 같은 이유로 그 설계를 선택했다는 점입니다. 서빙 비용은 전체 파라미터가 아니라 활성 파라미터에 비례합니다.

GLM-5.3-Flash의 설계는 더 자세히 문서화되어 있으며, 가중치가 공개되어 있기 때문에 그 문서는 검증 가능하다. 45개 레이어, 하이브리드 희소+선형 어텐션, Zhipu가 Manifold-Constrained Hyper-Connections라고 부르는 잔차 연결 접근법, 그리고 네 개의 인덱서 키 벡터를 하나의 가중 풀로 압축해 긴 컨텍스트 지연 시간을 줄이는 IndexPool 메커니즘이 그것이다. 사전 학습은 30조 토큰 규모의 멀티모달 코퍼스에서 수행되었다. 그중 어느 것도 독립적으로 감사되지는 않았지만, 적어도 체크포인트를 다운로드하는 누구라도 반증할 수 있을 만큼 구체적인 설명이다.

비대칭성은 지푸가 공개하고 텐센트가 공개하지 않았다는 데 있지 않다. 둘 다 공개했다. 다만 서로 다른 종류의 것을 공개했다. 지푸는 모델을 설명했는데, 이는 체크포인트로 확인하거나 반박할 수 있는 구조에 관한 주장이다. 텐센트는 결과를 설명했는데—플래그십 모델의 1/6 크기인 KV 캐시, 자기 증류로 출력 길이를 절반으로 줄인 것, 4비트 양자화와 메가커널로 초당 150토큰을 넘는 디코딩—이는 재현만이 판가름할 수 있는 동작에 관한 주장이다. 결과는 상업적으로 더 흥미로운 주장이자 확인하기 더 어려운 주장이다. 공개 가중치가 있는 모델에서는 서빙 관련 주장이 몇 주 안에 외부인에 의해 검증된다. 가중치가 없는 모델에서는 벤더가 원하는 동안 연구 페이지의 한 문장으로 남는다.

이 중 하나는 다운로드할 수 있습니다

상당한 비중의 구매자에게 이는 결정적인 차이이며, 그 격차는 압도적입니다. GLM-5.3-Flash는 MIT 라이선스로 제공되며, FP8 및 BF16 형식으로 Hugging Face의 zai-org/GLM-5.3-Flash에서 2026년 8월 26일부터 배포되어 왔습니다. MIT는 매출 임계값 없이 상업적 사용, 수정, 미세 조정 및 재배포를 허용합니다. 이 모델은 거의 3개월 동안 폭넓게 공개적으로 사용되어 왔으며, 이는 추론 스택이 이를 수용했음을 의미합니다. 양자화가 존재하고, 서빙 레시피가 존재하며, 모델 동작에 관한 모든 주장은 실행해 보면 검증할 수 있습니다.

Hy4 flash에는 그와 같은 것이 존재하지 않습니다. 그쪽의 약속은 미래 계획에 관한 한 문장일 뿐이며, 계속 반복 개선하겠다는 의도로 얼버무리고 있고, 라이선스도 날짜도 명시하지 않습니다. Tencent는 이전에 이 일을 제대로 해낸 적이 있습니다. 8월 프리뷰는 Apache 2.0으로 공개되어 첫날부터 네 개의 호스팅 사이트에 가중치가 올라갔고 vLLM 및 SGLang 레시피도 제공되었으므로, 그 패턴은 의심할 여지가 없습니다. 의심스러운 것은 현재 문구의 소심함이며, 이는 산출물이 아니라 과정에 대한 약속처럼 읽힙니다. 자체 추론 실행을 중심으로 파인튜닝, 셀프 호스팅, 또는 비용 모델 구축을 계획하는 사람이라면 누구든 저장소가 나타나기 전까지 Hy4 flash를 API 전용으로 취급해야 합니다.

동일한 비대칭성은 증거에도 적용된다. GLM-5.3-Flash에는 어느 벤더도 작성하지 않은 하네스에서 나온 두 숫자가 있다. Artificial Analysis Intelligence Index에서 27.8, Coding Index에서 71.5다. 둘 다 검증 가능하며, 이 쌍은 구체적인 사실을 말해 준다. 일반 지수 27.8에 비해 코딩 71.5는 한 가지에는 진정으로 뛰어나고 나머지 모든 것에는 평범한 모델을 뜻하며, 이는 저가 등급이 마땅히 보여야 할 모습 바로 그 자체다. 그것은 단일 헤드라인 점수가 지워 버리는 종류의 구분이며, 이 글에서 나머지 벤더 수치를 결과가 아닌 주장으로 제시하는 이유다. Hy4 flash에는 독립적인 점수가 없으며, 벤치마크 결과—DeepSWE, Terminal-Bench 4.0, APEX-Agents, OSWorld 2.1 및 Tencent의 내부 스위트—는 벤더 연구 페이지의 차트 이미지로만 존재한다. 그것이 이들을 불신할 이유는 아니다. 이들을 가설로 취급할 이유다.

각 벤더가 무엇을 측정했는지, 그리고 누구를 이겼는지

두 회사 모두 비교 자료를 발표했고, 서로 다른 대상과 자신들을 비교했는데, 이는 각 회사가 자신의 약점을 무엇이라고 생각했는지 알려줍니다.

텐센트의 헤드라인은 블라인드 테스트다. 85명의 WorkBuddy 사용자, 27개 작업 범주, 259개의 실제 일상 업무 작업을 대상으로 했으며, Hy4 flash는 만족도에서 Claude Haiku 5.5에 근접한 것으로 보고됐고 패널 내에서 작업당 비용이 가장 낮고 작업 소요 시간이 가장 짧았다. ‘더 낫다’가 아니라 ‘근접’이며, 패널이 벤더 자체 제품을 사용하는 벤더 자체 직원이라는 점에 주목하라. 이를 뒷받침하는 주장은 텐센트의 내부 8개 제품군 벤치마크인 WorkIndex의 작업당 비용이다. Hy4 preview의 13분의 1, Tencent HY4의 20분의 1, DeepSeek-V4.1-Flash-1017의 8분의 1이다. GLM-5.3-Flash 대비 공개된 유일한 수치는 元宝 내 일반 채팅에서 2.52% 향상인데, 이는 단일 소비자 앱의 제품 지표이며 당신이 실행할 어떤 것에도 전이되지 않는다.

Zhipu의 포지셔닝은 다릅니다. 이 회사는 이 모델을 플래시 비용으로 누리는 최전선 인접 성능으로 판매하고, 자사의 743B 플래그십과 견주어 가격을 책정하며, 오픈 웨이트와 익스플로잇 평가 결과를 내세워 이 저렴한 모델이 장난감이 아니라는 점을 입증합니다. 자체 수치는 이미 한 차례 독립적인 정정을 거쳤으며, 인용해야 할 숫자는 AA 수치입니다.

실질적인 결과는 어느 공급업체도 중립적인 하네스에서 직접 비교 결과를 공개하지 않았으며, 실제로 원하는 비교—동일한 작업, 동일한 프롬프트, 동일한 하네스, 두 모델 모두—는 존재하지 않는다는 것입니다. 직접 실행해야 합니다. 이미 수행 중인 작업 10개에 토큰 수를 기록하는 것만으로도 귀하의 트래픽에 대해 결론을 내리기에 충분하며, 이는 어느 출시 페이지보다 가치가 있습니다.

멀티모달리티에 대한 두 가지 다른 베팅

GLM-5.3-Flash는 텍스트, 이미지, 비디오 입력을 네이티브로 받아들이며, 비전을 별도의 어댑터로 라우팅하는 대신 이렇게 구현한 첫 번째 GLM-5 모델이었습니다. 이는 문서화되고 검증 가능한 주장이며, 가중치가 공개되어 있으므로 허가를 구하지 않고도 확인할 수 있습니다.

Hy4 flash는 멀티모달로 설명되며, 측정에 사용된 WorkIndex 스위트에는 8가지 작업 유형 중 하나로 시각 이해가 포함되어 있습니다. Tencent는 비전 경로가 네이티브인지 어댑터인지 밝히지 않았고, 인코더의 크기도 공개하지 않았으며, 비디오 지원 여부조차 말하지 않았습니다. 말할 수 있는 최대치는 이미지 입력이 홍보 내용의 일부라는 점과, 이 제품군에서 해당 모델의 전임자인 Tencent HY4(2026년 11월 4일 정식 제공)가 네이티브 비전과 컴퓨터 사용을 대표 기능으로 추가했다는 점이므로, 그로부터 증류된 모델에 그 기능이 있을 법하다는 것입니다. 그럴 법하다는 것은 문서화된 것이 아닙니다.

파이프라인에서 스크린샷, 차트, 스캔 문서 또는 비디오 프레임이 핵심적인 역할을 한다면, GLM-5.3-Flash는 도입을 결정하기 전에 멀티모달 동작을 직접 검증할 수 있는 모델입니다. 이미지가 간헐적으로만 쓰인다면, 그 차이는 가격보다 덜 중요합니다.

결정이 갈리는 지점

볼륨이 문제이고 작업이 사무실 형태라면 Hy4 flash를 선택하세요. 문서 처리, 긴 코퍼스에 대한 검색, 슬라이드 생성, 간단한 프런트엔드 작업, 컴퓨터 사용 루프 — 이것들은 Tencent가 이 모델을 위해 구축한 워크로드이며, 내부 제품 데이터가 다루는 범위이고, 10배 캐시 할인과 50% 출력 길이 감축이 결합되어 한 자릿수 배 더 저렴해지는 작업들입니다. 먼저 자신의 작업에서 실행해 보고 출력 토큰을 지켜보세요. 모델이 정말로 더 간결하다면 청구서는 요금표가 예측하는 것보다 더 많이 떨어질 것이고, 더 얕기 때문에 더 간결한 것이라면 같은 측정에서 그것을 확인할 수 있습니다.

산출물, 감사, 또는 모달리티가 필요할 때는 GLM-5.3-Flash를 선택하세요. 파인튜닝, 온프레미스 서빙, 규제 대상 데이터, 변호사에게 보여줄 수 있는 라이선스, 비디오 입력, 또는 Zhipu의 누구도 작성하지 않은 평가 하네스에서 나온 점수 — 이 모든 것은 한 방향을 가리킵니다. $0.15와 $0.50에서는 비싸지 않습니다. 이미 독립적인 측정을 견뎌낸 모델로서 GLM-5.3 정가의 약 10분의 1 수준입니다.

워크로드가 혼합되어 있다면 둘 다 선택하세요. 두 릴리스에 대한 솔직한 해석은 이것이 사실상 서로 대체재가 아니라는 것입니다. 하나는 대량의 일상 작업을 위한 비용 최적화 API 모델이고, 다른 하나는 벤더의 통제를 벗어나야 하는 모든 용도를 위한, 아키텍처가 문서화된 오픈 체크포인트입니다. 둘 모두에 연결되는 라우터가 하나를 골랐다가 틀리는 것보다 더 저렴한 해답입니다.

A screenshot of the OrcaRouter model page for GLM 5.3 Flash, slug z-ai/glm-5.3-flash, credited to Z.ai and dated 2026-08-26, describing a 320B-total, 18B-active native multimodal model with a 1M-token context that takes text, image and video in and returns text. The specification strip reads max output 128K, input $0.15 and output $0.50 per million tokens, p50 time to first token 3.82 seconds and p95 10.00 seconds. The pricing panel lists $0.150 input, $0.500 output and $0.030 cache read per million tokens, and the public benchmark panel shows 71.5 on the AA Coding index and 27.8 on AA Intelligence. A button reads 'Get the GLM 5.3 Flash API'.

오늘 실제로 호출 가능한 것은 무엇인가요?

두 모델이 상업적으로뿐 아니라 운영적으로도 갈리는 지점이 바로 여기입니다. GLM-5.3-Flash는 OrcaRouter 카탈로그에 z-ai/glm-5.3-flash로 등록되어 있으며, 제공사 정가 기준 백만 입력 토큰당 $0.15, 백만 출력 토큰당 $0.50이고, 평가용으로 속도 제한이 걸린 무료 티어도 함께 제공됩니다. Hy4 flash는 이곳으로 라우팅되지 않습니다 — Tencent가 우리에게 제공하지 않았기 때문입니다 — 따라서 두 모델을 비교하려는 사람은 flash 쪽에는 Tencent 자체의 TokenHub를 사용해야 하고, GLM 쪽에는 동일한 OrcaRouter 키를 쓸 수 있습니다.

그 분리는 아쉬워하기보다는 활용할 가치가 있습니다. OrcaRouter는 공급자 정가를 마크업 없이 그대로 전달하므로, 비교 대상의 GLM 쪽은 정확히 Zhipu의 요율로 청구되고 Zhipu가 가격을 바꿔도 그대로 올바릅니다. 재판매업체 가격표가 구식이 될 일도 없습니다. 그리고 평가 자체에서도 tencent/hy4-preview와 같은 키에서z-ai/glm-5.3-flash를 쓸 수 있다는 점은 유용합니다. 해당 모델은 아니지만, 이 프리뷰는 Hy4 flash가 증류된 모델이므로 소형 모델의 답변이 견고한지 시험할 때 자연스러운 대조군입니다. 하나의 키, 200개가 넘는 모델, 그리고 출시 주간에 엔드포인트가 불안정한 것으로 드러날 경우를 위한 페일오버 경로 — 6일 전에 출시되어 공개된 가동률 기록이 없는 모델에게는 합리적으로 바랄 만한 일입니다.

A generated decision card titled 'Pick by constraint' with three rows: high volume office-shaped work points to Hy4 flash on price per task; fine-tuning, on-premises serving or a named licence points to GLM-5.3-Flash under MIT; mixed workloads point to routing both from one key. A footer reads 'GLM-5.3-Flash scores 27.8 on the Artificial Analysis Intelligence Index; Hy4 flash has none published.'

가격은 문제가 아니다

Tencent는 더 저렴한 모델을 만들었고, 수치상으로는 중요한 차이만큼 더 저렴하다. 입력에서는 절반, 출력에서는 절반을 조금 넘게, 캐시에서는 10분의 1만큼 싸다. 하지만 Tencent가 만들지 않은 것은 당신이 검증할 수 있는 모델이다. 가중치도, 라이선스도, 아키텍처 세부 정보도, 독립적인 점수도 없고, 벤치마크는 화면 뒤에 가려져 있으며, 대표 비교는 자사 직원 패널에서 뽑은 것이다. Zhipu는 더 비싼 모델을 만들었고, 독립 측정이 15포인트 깎아내린 벤더 지수를 포함해 자신의 약점을 당신이 저울질할 수 있는 기록으로 남길 만큼 충분히 공개했다.

출시 엿새 후, 선택의 윤곽은 이렇습니다. 문서화되지 않은 모델에 대한 입증된 할인인가, 아니면 여전히 매우 낮은 가격의 문서화된 모델인가. 그 할인은 아마 실제일 것이고 문서화 격차는 아마 일시적일 것입니다. 어느 쪽도 확실하지 않으며, 확인하는 방법은 분기 동안 선택하는 대신 오후 한나절을 측정하며 보내는 것입니다.

이 글에서 비교한 모델3

이 글에서 자동 인식 · 벤치마크: Artificial Analysis · 매일 업데이트