GLM-5.3이 보여주는 사후학습의 가치
AI 모델의 경쟁력을 크기만으로 판단하면 중요한 변화를 놓칠 수 있다. GLM-5.3은 기반 모델을 새로 키우는 대신 기존 모델의 사후학습을 대폭 확장해 성능과 비용 경쟁력을 높였다. 핵심은 모델 규모가 아니라, 이미 구축한 기반 모델을 얼마나 효과적으로 다듬었느냐다.
같은 기반 모델에서 성능을 끌어올린 방법
GLM-5.3은 GLM-5.2와 동일한 기반 모델을 사용한다. 대신 Z.ai는 사후학습에 더 많은 환경과 다양한 과제, 추가 연산 자원을 투입했다.1 사후학습은 이미 만들어진 모델이 추론이나 코딩 같은 작업을 더 잘 수행하도록 조정하는 과정이다.
GLM-5.3의 규모는 약 7,500억 매개변수로, Kimi K3의 약 3분의 1이다.1 그럼에도 주요 평가에서 오픈 모델 최상위권에 올랐다. 이는 매개변수 수를 늘리는 것만이 성능 향상의 유일한 경로는 아니며, 사후학습의 범위와 품질도 중요한 경쟁 요소임을 보여준다.
이러한 성과는 장기간 축적된 개발 경험 위에 있다. GLM 계열의 최초 모델은 2021년 3월 칭화대 THUDM이 공개했고, GLM-130B는 2022년 8월 등장했다.1 GLM-5.3은 새로운 기반 모델로의 전환이라기보다, 기존 자산과 사후학습 역량을 활용한 개선에 가깝다.
벤치마크와 비용을 함께 읽는 법
GLM-5.3은 Artificial Analysis Intelligence Index에서 60점을 기록해 Kimi K3와 오픈 모델 공동 1위에 올랐다. GDPval-AA v2에서는 Elo 1,770점으로 Claude Opus 5에 이어 2위를 기록했다.2
비용도 주목할 만하다. Artificial Analysis가 산정한 작업당 비용은 0.68달러다.2 다만 이 수치는 특정 평가 작업을 완료하는 데 든 비용이므로, 실제 도입 비용과 동일하게 해석해서는 안 된다. 업무에 적용할 때는 다음 항목을 함께 확인해야 한다.
실제 작업에서의 정확도와 일관성
응답 속도와 실패율
결과를 얻기까지 필요한 재시도 횟수
운영 환경에서의 총비용
접근 방식도 아직 완전히 열려 있지는 않다. GLM-5.3은 현재 Z.ai API로 사용할 수 있지만, 오픈 가중치 공개는 약 2주 연기됐다.2 강력한 사이버 보안 능력의 오용 가능성을 점검하기 위한 단계적 배포라는 설명도 제시됐다.1 따라서 오픈 모델로서의 활용 가능성은 가중치 공개 이후 추가로 검증할 필요가 있다.
요약
GLM-5.3은 모델 크기 경쟁을 넘어 사후학습의 범위와 품질이 성능·비용 경쟁력을 좌우할 수 있음을 보여준다. 다만 높은 벤치마크 점수와 낮은 작업당 비용만으로 도입을 결정하기보다는 실제 업무 평가를 진행하고, 오픈 가중치 공개 이후의 검증 결과까지 확인해야 한다.
1GLM-5.3: How Chinese labs keep stride with the frontier
2GLM-5.3 tops the open-model rankings and undercuts rivals on price, but its release is delayed
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.