모델·서비스

GLM-5

지엘엠

AI 모델 분야에서 중국 칭화대 KEG 연구실에서 분사한 Zhipu AI가 공개한 GLM(General Language Model) 5세대 LLM으로, 한국어·중국어·영어 다국어 처리에 강점을 가진 오픈웨이트 모델 라인입니다.

쉬운 풀이

GLM-5는 중국 칭화대에서 나온 회사 Z.ai(옛 Zhipu AI)가 만든 다섯 번째 대형 언어 모델이에요. 다른 회사 모델 대부분은 가중치를 회사 안에만 두지만, GLM-5는 학습된 가중치 파일 자체를 MIT 라이선스로 풀어서 누구나 내 컴퓨터·내 서버에 올려 쓸 수 있게 했습니다. 한국어·중국어·영어를 함께 학습해 동아리 단톡방에 외국인 친구가 섞여 있을 때처럼 세 언어를 오가며 답해 줍니다. 미국 모델보다 가격이 5~8배 싸고 한국어도 통해서, 비용 부담이 큰 학생·소규모 팀이 챗GPT 대안으로 자주 꺼내는 이름이에요.

한 줄 비유

가격표·도면을 통째로 공개한 외주 공장.

활용 예시

Case 1

Z.ai 공식 — "채팅에서 업무로(chat to work)"

Z.ai 공식 발표문은 GLM-5가 채팅이 아니라 결과물(.docx, .pdf, .xlsx) 파일을 바로 만들어 내놓는 "에이전트 모드"를 기본으로 한다고 적었습니다 ^[1]. PRD, 수업 계획서, 재무 보고서, 일정표를 텍스트로 지시하면 모델이 워드·엑셀 파일까지 함께 제출하는 형태로 응답합니다 ^[1]. 자판기 사업 1년 운영을 시뮬레이션하는 Vending Bench 2(에이전트 장기 의사결정 평가)에서는 최종 잔액 4,432달러로 오픈소스 1위에 올랐고, 같은 평가에서 Claude Opus 4.6은 3,890달러였습니다 ^[1]. 사내 보고서 자동화 PoC, 외주 견적·일정표 일괄 작성 사용처에 들어갑니다.

Case 2

한국 — ZDNet 코리아 "제안서부터 재무보고서까지 뚝딱"

ZDNet 코리아는 2026년 2월 13일 GLM-5의 문서 자동화 능력을 다루며, 한국 SaaS 스타트업·대학원 단위 PoC에서 활용 검토가 시작됐다고 보도했습니다 ^[2]. 가격은 입력 100만 토큰당 $1·출력 $3.20으로 같은 시점 Claude Opus 4.6의 입력 $15·출력 $75 대비 입력 15배·출력 약 23배 저렴해, 사내 보고서 초안·견적서 일괄 생성 비용을 크게 떨어뜨릴 수 있는 대안으로 거론됐습니다 ^[2][6]. 다만 가중치를 한국 내 서버에 올려 쓰지 않는 한 API 호출은 중국 측 인프라를 경유하므로, 개인정보·영업비밀 데이터는 데이터 주권 검토가 선행돼야 한다고 같은 기사는 적었습니다 ^[2]. 보고서·견적·제안서 초안 작성을 외주 단가 1/10 수준으로 끌어내려야 하는 1인 기획자·소규모 컨설팅 사용처에 자리를 잡고 있습니다.

Case 3

엔터프라이즈 — Huawei Ascend 단독 학습, NVIDIA 의존도 0

Bloomberg와 Reuters는 GLM-5가 Huawei Ascend 칩과 MindSpore 프레임워크만으로 학습된 첫 프런티어급 오픈웨이트 모델이라고 보도했습니다 ^[7][9]. 미국 수출 통제로 NVIDIA H100·H200 확보가 어려운 중국·중동·동남아 엔터프라이즈가 자체 데이터센터에 모델을 올릴 때 GPU 공급망 리스크를 우회할 수 있다는 점이 채택 근거로 꼽힙니다 ^[7]. SWE-bench Verified(소프트웨어 엔지니어링 실제 깃허브 이슈 해결 평가)에서 77.8%를 받아 Claude Opus 4.6의 80.1%와 2.3%p 차이로 좁혀졌고, 코드베이스 유지보수 자동화·내부 개발자 도구에 투입되고 있습니다 ^[1][10]. 폐쇄망 자체 호스팅이 필수인 금융·공공·국방 사용처가 가장 먼저 거론됩니다.

Case 4

학계 — arXiv 2508.06471 GLM-4.5 기술 보고서가 baseline

직계 전작 GLM-4.5는 2025년 8월 arXiv에 기술 보고서(2508.06471)가 게재됐고, Tsinghua University와 Z.ai가 공동 저자로 이름을 올렸습니다 ^[5]. 보고서는 355B/32B 활성 MoE 구조, 23조 토큰 학습, 하이브리드 추론(생각 모드 + 직답 모드)을 정리하며 AIME 2024 정답률 91.0%·TAU-Bench 70.1점·SWE-bench Verified 64.2%를 보고합니다 ^[5]. GLM-5는 이 ARC(Agentic·Reasoning·Coding) 설계를 그대로 확장한 후속 세대로, KAIST·서울대 등 한국 대학원 LLM 강의가 같은 보고서를 오픈웨이트 재현 연구 baseline으로 사용하고 있다고 한국 LLM 커뮤니티 정리 자료는 적고 있습니다 ^[11]. 학교·연구실 단위 재현 연구, 졸업 논문 비교 실험 사용처에 인용 가능한 1차 자료입니다.

참고사항

chat.z.ai에 접속해 같은 질문을 채팅 모드와 에이전트 모드에서 각각 던지고, 결과물이 텍스트로 오는지 파일(.docx/.xlsx)로 오는지 차이를 확인합니다.
같은 프롬프트로 GLM-5와 평소 쓰는 모델(ChatGPT·Claude·Gemini)에 동일 사내 보고서를 시키고 결과 파일·문체·인용 출처 차이를 한 장표로 정리합니다.
Hugging Face의 zai-org/GLM-5 모델 카드에서 라이선스(MIT)·활성 파라미터(40B)·컨텍스트(200K)를 확인하고, 사내 자체 호스팅 시 필요한 GPU·메모리를 계산해 봅니다.
Z.ai API 가격표(입력 $1·출력 $3.20/100만 토큰)를 사내 LLM 비용 시트에 옮겨, Claude Opus·GPT-5 대비 월 사용량 기준 단가 차이를 산출합니다.
사내 보안 가이드와 대조해 중국 측 API를 경유하는 데이터의 처리 범위·보존 정책을 점검하고, 자체 호스팅이 필요한 워크로드와 API로 가도 되는 워크로드를 분리해 표로 만듭니다.

GLM-5의 한계는 오픈웨이트라는 강점이 곧 운영 부담으로 이어진다는 점입니다. MIT 라이선스 자체 호스팅은 가능하지만, 가중치를 직접 운영하지 않고 Z.ai API를 호출하면 요청 데이터가 중국 본토 인프라를 경유합니다 ^[7]. 한국 공공·금융·의료처럼 데이터 주권 요건이 강한 영역에서는 폐쇄망 자체 배포가 사실상 전제 조건이며, 744B MoE를 돌리려면 활성 40B 기준으로도 수십 장 규모의 GPU·메모리(또는 Huawei Ascend 클러스터)가 필요해 1인 개발자가 노트북에 띄울 수 있는 모델은 아닙니다 ^[1][7]. 벤치마크에서 Claude Opus 4.6과 격차를 좁혔다는 발표는 Z.ai 자체 리포트와 Artificial Analysis 지수 기준이고, 한국어 장문 추론·금융 문서·의료 도메인에서의 독립 검증 사례는 2026년 6월 기준 아직 부족합니다 ^[2][12].

진화 방향은 멀티모달·코딩 특화·가격 인상 세 갈래로 정리됩니다. Z.ai는 2026년 4월 이미지·영상·텍스트를 네이티브로 처리하는 GLM-5V-Turbo를 공개했고, 같은 달 SWE-Bench Pro에서 GPT-5.4·Claude Opus 4.6을 앞선 GLM-5.1을 오픈소스로 풀었습니다 ^[13][14]. 한편 Bloomberg는 회사가 상장 후 수익화 압력을 받으며 모델 가격을 단계적으로 인상하고 있다고 보도해, "저렴한 오픈웨이트"라는 포지션이 시간이 지날수록 흔들릴 수 있다는 신호도 함께 나오고 있습니다 ^[15]. 도입 시점에 따라 단가 가정·라이선스 조건이 달라질 수 있어, PoC 단계에서 가격·라이선스 스냅샷을 문서로 남겨 두는 운영 절차가 권장됩니다.

이 용어와의 관계

유사 개념
Fireworks AI같은 모델·서비스 갈래에서 자주 함께 등장하는 개념입니다.
유사 개념
Together AI같은 모델·서비스 갈래에서 자주 함께 등장하는 개념입니다.
유사 개념
Groq같은 모델·서비스 갈래에서 자주 함께 등장하는 개념입니다.