GLM-5.2란 무엇인가? 두 버전 만에 나온 Z.ai의 1M 컨텍스트 오픈 웨이트 플래그십

GLM-5.2는 Z.ai에서 만든 오픈 웨이트, 텍스트 전용 대규모 언어 모델이다. Z.ai는 예전에 Zhipu AI로 알려졌던 베이징의 연구소이며, GLM-5.2는 2026년 6월 16일 MIT 라이선스로 공개되었다. 7,530억 개 매개변수의 전문가 혼합(mixture-of-experts) 모델이고 100만 토큰 컨텍스트 창을 갖추었으며, 약 두 달 동안 누구나 다운로드할 수 있는 가장 강력한 오픈 웨이트 코딩 모델이었다. 하지만 더 이상 그 자리를 지키지 못한다. Z.ai가 그 이후 그 모델을 기반으로 두 개의 후속 모델을 내놓았기 때문이다. 이는 GLM-5.2에 관한 대부분의 페이지가 빠뜨리는 부분이며, 당신이 여전히 관심을 가져야 할지를 결정하는 부분이다.

이 블로그 아카이브의 43개 글에서 GLM-5.2를 언급한다. 지금까지 그중 어느 글도 GLM-5.2 자체를 다룬 적은 없었다. 이 모델은 비교할 때마다 상대 모델로 등장하며, 더 새로운 모델들이 견줘지는 고정된 기준점 역할을 한다. 이는 이미 자신을 만든 회사가 지나쳐 버린 모델에게는 이상한 역할이며, 이 페이지가 존재하는 이유이기도 하다. GLM-5.2가 실제로 무엇인지, 비용은 얼마인지, 무엇을 잘하는지, 누가 여전히 이것을 선택해야 하는지를 곧장 설명하기 위해서다.

GLM-5.2가 Z.ai 자체 라인업에서 차지하는 위치

Z.ai는 날짜가 표시된 릴리스 로그를 게시하는데, 이것이 이에 관한 가장 명확한 출처입니다. 순서대로 읽어 보면 제품군의 윤곽이 분명해집니다:

• GLM-5 — 2026년 2월 12일. 최초의 GLM-5로, 복잡한 시스템 엔지니어링과 장기 에이전트 작업을 겨냥했습니다.
• GLM-5.1 — 2026년 4월 7일. 장기 지평 작업을 위한 모델로, 단일 실행에서 최대 8시간 동안 단독으로 작동할 수 있습니다.
• GLM-5.2 — 2026년 6월 16일. 장기 지평 작업을 위한 1M 컨텍스트 플래그십으로, Z.ai의 로그는 이를 "1M 무손실 컨텍스트, 장기 작업 능력을 크게 향상"이라고 설명합니다.
• GLM-5.3 — 2026년 8월 18일. GLM-5.2와 동일한 기본 모델이며, 성능 향상은 포스트트레이닝에서 비롯되었습니다. Z.ai는 자체 Code Bench에서 GLM-5.2 대비 50% 향상을 보고했고, Terminal Bench 3.0에서는 오픈 소스 최고 수준을 달성했습니다.
• GLM-5.3-Flash — 2026년 8월 26일. 새로 훈련된 기본 모델(총 320B, 활성 18B)을 기반으로 한, 더 작고 다른 모델이며, 최초의 네이티브 멀티모달 GLM-5입니다.

중요한 항목은 GLM-5.3 항목입니다. GLM-5.3은 더 커진 GLM-5.2가 아니라, 동일한 기본 가중치를 포스트트레이닝으로 더 밀어붙인 것입니다. 그렇기 때문에 GLM-5.2는 이 라인에서 아키텍처에서 성능이 나온 마지막 모델이 되고, GLM-5.3은 현재 텍스트 플래그십이 됩니다. 오늘날 순전히 품질만 따져 Z.ai 모델을 고른다면, 답은 GLM-5.3이며 GLM-5.2가 아닙니다.

GLM-5.3-Flash는 더 저렴한 GLM-5.3이 아니라 별도의 계열입니다: 텍스트 플래그십보다 10배 낮은 가격의 더 작은 네이티브 멀티모달 모델(텍스트, 이미지, 비디오)입니다. 비전이 필요하다면, 어느 경우든 GLM-5.2는 원하는 모델이 아닙니다.

사양 시트

• 파라미터 — zai-org/GLM-5.2-FP8의 모델 카드 기준으로 총 753B입니다. Z.ai는 해당 카드에서 활성 파라미터 수를 밝히지 않았으며, 제3자 목록에서는 토큰당 약 40B로 추정하지만, 우리는 그 수치를 1차 출처에서 확인할 수 없었습니다.
• 컨텍스트 윈도 — 1M 토큰이며, 카드에서는 "장기적 작업을 안정적으로 지속하는 견고한 1M 토큰 컨텍스트"라고 설명합니다.
• 최대 출력 — 128K 토큰.
• 모달리티 — 텍스트 입력, 텍스트 출력. 이미지 입력 없음, 오디오 없음. 우리 자체 카탈로그 항목에서는 이 모델이 "텍스트 입력만 지원"한다고 명시하고 있습니다.
• 라이선스 — MIT이며 지역 제한이 없습니다. 가중치는 Hugging Face의 zai-org 조직을 통해 BF16 및 FP8 변형으로 공개됩니다.
• 추론 제어 — reasoning_effort 파라미터로 구동되는 하이브리드 사고 모드로, high 및 max 설정이 있고 기본값은 max입니다. 네이티브 도구 호출과 구조화된 출력이 지원됩니다.
• 아키텍처 — IndexShare는 희소 어텐션 레이어 네 개마다 경량 인덱서 하나를 재사용하며, 모델 카드에 따르면 전체 컨텍스트에서 토큰당 FLOPs를 2.9배 절감합니다. 또한 추측 디코딩의 수용 길이를 최대 20%까지 높이는 개선된 다중 토큰 예측 레이어가 있습니다.
• 훈련 하드웨어 — 이 모델의 출시를 다룬 언론 보도에 따르면, 이 모델은 Nvidia 하드웨어 없이 화웨이 Ascend 가속기에서 훈련되었습니다. 이는 모델 카드가 아닌 뉴스 보도에서 나온 주장이며, 우리는 그대로 전달합니다.

GLM-5.2가 측정 가능할 정도로 잘하는 것

GLM-5.2가 잘하는 거의 모든 것은 코딩 또는 에이전트 관련 측정치이며, 아래 수치는 벤더가 보고한 값입니다 — 독립적으로 재현된 것이 아니라 Z.ai 자체 모델 카드의 벤치마크 표에서 나온 것입니다.

• Terminal Bench 2.1 (Terminus-2) — 81.0, GLM-5.1의 63.5 대비. 이는 표에서 단일 최대 세대 간 도약입니다.
• SWE-bench Pro — 62.1, GLM-5.1의 58.4 대비.
• FrontierSWE (Dominance) — 74.4, GLM-5.1의 30.5 및 GPT-5.5의 72.6 대비.
• AIME 2026 — 99.2. GPQA-Diamond — 91.2. 둘 다 Z.ai 자체 표에서 폐쇄형 프런티어와 충분히 경쟁력이 있습니다.
• MCP-Atlas (공개 세트) — 76.8, 같은 표에서 Claude Opus 4.8의 77.8과 사실상 동일한 수준입니다.
• 장문맥 회상 — 78.3, 이는 1M 토큰 윈도우에 가장 중요한 수치입니다. 윈도우는 깊은 구간에서도 회상이 유지될 때만 유용하며, Z.ai 자체 수치는 대체로 그렇다고 보여줍니다.

독립적인 그림은 더 빈약하지만 실재합니다. Artificial Analysis는 GLM-5.2를 자체 Intelligence Index v4.3.2에서 인텔리전스 지수 점수 34로 기록하며, 동급 114개 모델 중 11위에 올려놓습니다. 그 수치에는 두 가지 주의사항이 따르며, Artificial Analysis는 두 가지를 모두 스스로 밝히고 있습니다. 해당 모델은 그들의 페이지에서 지원 중단(deprecated)으로 표시되어 있고, 그들은 "기본 10k 입력 토큰 워크로드에 대해서만 성능 벤치마킹을 계속합니다" — 다른 워크로드의 결과는 과거 기록이며 더 이상 업데이트되지 않습니다. 이 모델에 대한 저희 자체 카탈로그 항목에는 2026년 6월 25일자의 인텔리전스 점수 33.7인 더 오래된 평가 스냅샷이 들어 있으며, 이는 실시간 수치와 동일한 지수 개정 버전이 아니므로 모델의 변화로 읽어서는 안 됩니다.

그것이 측정 가능할 정도로 잘 못하는 점

세 가지입니다. 그리고 이 세 가지는 직설적으로 말할 가치가 있습니다.

• 텍스트 전용입니다. 이미지 입력도, 오디오 입력도 없습니다. GLM-5.3-Flash가 이 제품군의 멀티모달 모델이며, 워크로드가 스크린샷, PDF 또는 동영상을 다룬다면 GLM-5.2는 완전히 잘못된 계열입니다.
• 가장 긴 호흡의, 가장 어려운 소프트웨어 엔지니어링 측정 항목에서 크게 뒤처집니다. SWE-Marathon에서는 13.0점으로 Claude Opus 4.8의 26.0점과 대비됩니다. DeepSWE에서는 46.2점인 반면 Claude Opus 4.8은 58점, GPT-5.5는 70점입니다. NL2Repo에서는 48.9점으로 Opus 4.8의 69.7점과 대조적입니다. 이 수치들은 모두 GLM-5.2가 다른 항목에서 승리하는 모습을 보여주는 동일한 표에서 나온 벤더 보고 수치이며, 바로 그 점이 이 수치들을 신뢰할 수 있게 만듭니다: Z.ai가 자사가 이긴 항목 옆에 이 수치들을 공개했기 때문입니다.
• 그것을 유명하게 만든 측정 항목들에서 이미 대체되었습니다. GLM-5.3은 동일한 베이스를 사용하며, Z.ai 자체 Code Bench에서는 50% 차이로, Terminal Bench 3.0과 Agents' Last Exam에서도 앞섭니다. GLM-5.2는 Artificial Analysis에서 사용 중단(deprecated)으로 표시되어 있습니다.

우리가 확보하지 못한 수치가 하나 있습니다: 우리가 열어볼 수 있었던 출처에서 GLM-5.2에 대한 최신 독립 처리량 또는 지연 시간 측정값을 확인할 수 없었기에, 이 페이지에서는 확인할 수 없었던 숫자를 반복하기보다는 아무 수치도 제시하지 않습니다.

가격 및 실행 위치

Z.ai 자체 요금표에는 오늘 기준으로 GLM-5.2가 다음과 같이 기재되어 있습니다:

• 입력 — 백만 토큰당 $1.40
• 캐시된 입력 — 백만 토큰당 $0.26
• 출력 — 백만 토큰당 $4.40

캐시 입력 스토리지는 기간 한정 무료로 표시되어 있습니다. GLM-5.3이 정확히 동일한 세 가지 요금을 적용한다는 점에 유의하세요. 따라서 최신 모델이 Z.ai 목록에서 더 비싸지 않으며, 이는 이전 모델을 계속 사용할 일반적인 이유를 없애줍니다.

가용성에 관해: 이 모델은 Z.ai 자체의 OpenAI 호환 엔드포인트인 api.z.ai/api/paas/v4/chat/completions를 통해 제공되며, Python과 Java용 공식 SDK가 있고, 가중치는 MIT 라이선스로 Hugging Face에서 다운로드해 자체 호스팅할 수 있습니다. 그 외에도 여러 서드파티 추론 플랫폼을 통해 이용할 수 있습니다. 우리는 이를 라우팅합니다: OrcaRouter는 모델 페이지에서 GLM-5.2를 Z.ai 제공자 요금 그대로, 마크업 없이 제공하므로, 위의 $1.40 / $4.40은 마크업이 붙은 사본이 아니라 저희를 통해 지불하시는 금액입니다. 동일한 키로 나머지 카탈로그에도 접근할 수 있는데, 여기에는 특별한 이유가 있습니다 — 아래를 참조하세요.

GLM-5.2를 선택해야 하는 사람은 누구이며, 다른 것을 선택해야 하는 사람은 누구일까요?

GLM-5.2를 선택하세요 자체 호스팅을 하고 있고 벤치마크 점수보다 1M 토큰 윈도우가 요구 사항이라면. 지역 제한이 없는 MIT 라이선스, 공개된 FP8 가중치, IndexShare 어텐션 설계 덕분에 긴 컨텍스트에서 실행하기에 진정 실용적이며, 깊이에서의 리콜 수치가 바로 그 윈도우를 정당화하는 숫자입니다. 또한 그 reasoning_effort 동작에 이미 맞춰진 파이프라인을 가지고 있고 GLM-5.3을 기준으로 프롬프트를 다시 검증하는 비용이 얻는 이득을 초과한다면, 합리적인 선택이기도 합니다.

대신 GLM-5.3을 선택하세요 가중치가 아니라 토큰을 구매하는 경우이고 품질이 유일한 기준이라면요. 동일한 기본 모델이며 후처리 학습이 더 잘 되어 있고, 정가도 동일합니다. Z.ai 자체 요금표에서도 이전 모델을 선택할 가격상의 근거는 없습니다.

대신 GLM-5.3-Flash를 선택하세요 비전이 필요하거나 가장 저렴한 유능한 옵션이 필요하다면요. 텍스트, 이미지, 동영상을 처리하며 두 텍스트 플래그십보다 훨씬 저렴한 가격입니다.

완전히 다른 것을 고르세요 당신의 작업이 장기적 소프트웨어 엔지니어링의 어려운 쪽에 있다면. Z.ai가 직접 공개한 표에서 Claude Opus 4.8은 SWE-Marathon, DeepSWE, NL2Repo, SWE-bench Pro, ProgramBench, Tool-Decathlon에서 GLM-5.2를 앞서고, GPT-5.5는 DeepSWE와 ProgramBench에서 이를 앞선다. GLM-5.2의 승리는 실제이지만 터미널 스타일의 에이전트형 코딩과 추론에 집중되어 있고, 마라톤 작업에서는 그렇지 않다. 당신의 평가가 크고 낯선 저장소를 상대로 한 두 시간짜리 에이전트 실행처럼 보인다면, 오픈 웨이트 가격 우위는 이 수치들에서 그 격차를 좁히지 못한다.

실용적인 요약

GLM-5.2는 2026년 6월 16일에 출시된 753B 파라미터, MIT 라이선스, 1M 컨텍스트의 텍스트 전용 MoE 모델로, 백만 토큰당 $1.40 / $4.40의 가격이며, 공급업체 보고 기준 Terminal Bench 2.1 81.0, SWE-bench Pro 62.1, 독립적인 Artificial Analysis Intelligence Index 34를 기록했습니다. 이는 성능이 후속 학습이 아니라 아키텍처에서 비롯된 마지막 GLM 플래그십이며, 자체 개발사에 의해 두 차례 대체되었고, 이 모델을 평가한 독립 지수에서 사용 중단(deprecated)으로 표시되어 있습니다.

그렇다고 해서 그것이 나쁜 모델이 되는 것은 아니다. 그것은 이미 결론이 난 모델이라는 뜻이다: 2026년 9월에 GLM-5.2에 관한 흥미로운 질문은 그것이 좋은지 여부가 아니라, 당신에게 필요한 바로 그 특정한 것 — 긴 컨텍스트를 지원하고, 자체 호스팅이 가능하며, MIT 라이선스인 코딩 모델 — 이 같은 가중치 위에 GLM-5.3이 추가하는 세 가지 이점보다 당신에게 더 가치가 있는지 여부다. 대부분의 토큰 구매자에게 답은 '아니다'. 가중치를 내려받는 사람이라면, 여전히 그렇다.

프로덕션 경로를 여기에 할당하지 않고 직접 테스트해 보고 싶다면, 라우팅 계층이 이를 위한 저렴한 방법입니다: 하나의 엔드포인트를 통해 동일한 요청을 GLM-5.2와 GLM-5.3으로 보내고, 자신의 프롬프트로 비교한 뒤, 이전 모델의 엔드포인트가 다운되는 경우를 자동 장애 조치가 처리하도록 하세요.

Call GLM-5.2 through OrcaRouter at the Z.ai provider rate, zero markup. https://www.orcarouter.ai/models/z-ai/glm-5.2 One API key reaches GLM-5.2, GLM-5.3 and 200+ other models, with automatic failover if an endpoint goes down.