GLM-5.2 가 오픈웨이트 1위 모델로 올라섰다. GPT-5.5 와 동등 점수 + MIT 라이선스 + 1M 컨텍스트가 한국 인디 빌더에게 던지는 신호 3 가지

📅 2026.06.18 | ✍️ 경제 흐름을 읽어주는 형

형이 어제(2026-06-17) Artificial Analysis 가 공개한 GLM-5.2 평가 글을 봤어. 한 줄로 요약하면 "중국 Z.ai 의 GLM-5.2 가 오픈웨이트 모델 1위에 올라섰고, 실사용 에이전트 벤치마크에서는 GPT-5.5 와 거의 동등한 점수가 나왔다" 야.

숫자가 흥미로워. Intelligence Index v4.1 에서 51점으로 MiniMax-M3 (44), DeepSeek V4 Pro (44), Kimi K2.6 (43) 을 모두 밀어냈고, 실제 업무 시뮬레이션 벤치마크인 GDPval-AA v2 는 1524점이 나왔어. 같은 평가에서 GPT-5.5 가 1514점이니까 오픈웨이트가 처음으로 프런티어 닫힌 모델과 사실상 동률을 찍은 흐름이야.

핵심 체크포인트 3 가지

① MIT 라이선스 + 자체 호스팅 가능 : 라이선스가 진짜 오픈인 MIT 라서 상업적 사용 + 자체 서버 설치에 제약이 없어. 모델 사이즈는 총 744B 파라미터에 활성 40B 인 MoE 구조고, 1차 API 가격은 입력 100만 토큰 1.4 달러, 출력 4.4 달러, 캐시 히트 0.26 달러야. DeepInfra Novita Nebius Fireworks 같은 서드파티 8 곳에서도 바로 호출 가능해서 본격 도입이 어렵지 않아.
② 컨텍스트가 200K 에서 1M 으로 5 배 확장 : GLM-5.1 의 200K 에서 한 번에 1M 토큰까지 들어가게 됐어. 긴 코드베이스 한 번에 읽기, 긴 에이전트 trajectory 처리, 문서 한 묶음 통째 분석 같은 작업이 chunk 분할 없이 돌아간다는 거야. 다만 1M 을 진짜 다 채워서 잘 굴리려면 컨텍스트 truncation 검증이 같이 필요해.
③ 출력 토큰 사용량은 늘었음 (= 단가 효율은 단순치 않음) : 한 작업당 출력 토큰을 43,000 개 쓰는데 GLM-5.1 의 26,000 개 대비 65% 증가했어. Kimi K2.6 (35,000) MiniMax-M3 (24,000) 보다도 많아. 모델 자체는 1위지만 작업당 실제 청구 비용은 GLM-5.1 보다 늘 수 있다는 의미야. 비용 효율은 "총 작업 비용" 으로 다시 계산해서 봐야 해.

형 빌드 라인 cross-reference

claude-code-masterpack (컨텍스트 엔지니어링 7 axis) : 1M 컨텍스트 시대가 본격화되면서 형 마스터팩의 num_ctx 축과 MINDCHANGE 축이 더 가치를 갖게 돼. 컨텍스트가 커진다고 모델이 자동으로 잘 굴리는 게 아니라, 어떤 정보를 어디에 넣고 언제 잘라내야 하는지가 더 중요한 변수가 되거든. GLM-5.2 같은 신규 모델이 늘어날수록 "내 컨텍스트 운영 체계가 따로 있다" 가 형 마스터팩의 차별 포인트로 더 살아나.

agent-starter-kit (텔레그램 AI 에이전트 키트) : 백엔드 모델 선택지에 오픈웨이트 1위가 추가됐어. 그동안 Claude Sonnet 혹은 GPT 같은 닫힌 모델이 거의 디폴트였는데, GLM-5.2 를 DeepInfra 같은 서드파티로 부르면 동등 성능을 더 낮은 단가 + 데이터 외부 유출 리스크 축소로 굴릴 수 있어. 1인 사업자가 본격 에이전트를 굴릴 때 "월 운영 비용" 이 결정적 변수라 이 변화가 키트 정당화 근거에 직접 들어와.

WILD_SNIPER (트레이딩 봇) : 트레이딩 봇의 LLM 보조 진입신호 모듈이 만약 추가된다면, GLM-5.2 로컬 호스팅 + 비용 0 시나리오가 처음으로 진짜 옵션이 됐어. 다만 1회 호출당 출력 토큰 사용이 증가해서 "초당 신호" 같은 고빈도 호출에는 비효율이고, 30분 봉 같은 저빈도 결정 보조에는 적합해. 정량 ROI 계산 한번 돌려봄직해.

정리

오늘 신호의 핵심은 "오픈웨이트가 드디어 프런티어 닫힌 모델과 동등 점수를 찍었다" 가 아니라, 동등 점수가 "MIT 라이선스 + 1M 컨텍스트 + 자체 호스팅 옵션" 패키지로 같이 묶여서 나왔다는 점이야. 그동안 닫힌 모델만 줄 수 있던 성능을, 데이터 주권과 운영 비용 통제를 같이 가져가면서 굴릴 수 있는 카드가 처음으로 인디 빌더 손에 들어온 셈이지.

형 빌드 셋 (claude-code-masterpack, agent-starter-kit, WILD_SNIPER) 다 이 흐름의 직접 수혜군에 들어가. 다음 단계는 "내 도구의 비용 구조 + 데이터 흐름이 GLM-5.2 같은 신규 옵션에 맞춰 어떻게 바뀌는가" 를 한 번 정리하고, 마스터팩 같은 도구는 "닫힌 모델이든 오픈웨이트든 둘 다 운영할 수 있는 표준" 으로 포지셔닝을 살짝 넓혀가는 거야.

이 글은 2026-06-17 Artificial Analysis 의 GLM-5.2 분석 글(원문)을 기반으로 AI 도구를 활용해 한국어로 재작성한 글입니다. 최종 책임은 형 1인.

이 블로그 검색

Wild Issue