GLM-5.3 API 공개, 터미널벤치 점수 4.6→28.3으로 급등

GLM 계열은 최근 몇 주 사이 여러 갈래로 몸집을 넓혀 왔다. 지난 8월 11일에는 Z.ai의 코딩 도구 ZCode가 사용자 100만 명을 넘기면서 GLM Coding Plan 전체 사용자의 사용량 제한이 리셋됐고, 이때 이미 장기 작업 능력을 강화하는 업데이트가 함께 예고됐다. 이번 GLM-5.3의 성적표는 그 예고가 구체화된 결과로 볼 수 있다. 하루 뒤인 8월 12일에는 미스트랄이 유럽 컴퓨트 연합 플랫폼에 제3자 오픈모델로 GLM-5.2를 들이겠다고 밝히기도 했다. GLM 계열이 자체 서비스를 넘어 다른 플랫폼의 기본 옵션으로도 자리잡고 있다는 뜻이다.

코딩 실력을 키운 방식 — 환경을 실전처럼 만들었다

Z.ai는 이번 개선의 핵심을 '환경 스케일링'이라고 설명했다. 기존 코딩 벤치마크가 짧은 연습 문제 수준이었다면, GLM-5.3 훈련에는 숙련 엔지니어가 며칠씩 걸려야 하는 실무 단위 작업을 그대로 옮겨 왔다. 예컨대 ML 인프라 과제에서는 모델에 컴퓨팅 클러스터, 저장소, 내부 문서, 코드베이스, 실험 결과까지 실제 엔지니어와 똑같은 작업 환경을 준 뒤, 훈련 스택의 병목을 진단하고 최적화를 적용해 정확성을 유지하면서 측정 가능한 속도 개선을 끝까지 완수하도록 요구했다.

이런 과제 환경을 사람이 일일이 만들 수는 없어서, Z.ai는 실제 업무 패턴을 수집해 여러 단계 의존성과 숨은 상태를 가진 장기 실행 환경으로 자동 변환하는 파이프라인을 구축했다고 밝혔다. 별도의 심사 에이전트가 각 과제를 직접 풀어보며 실제로 해결 가능한지 검증하고, 정답 없이 합성된 검증기가 오라클·무동작·미해결 상태 점검을 통과해야 신뢰할 만한 보상 신호로 쓰인다. GLM-5.2에서 도입한 SAO(압축 포함) 강화학습 전략도 그대로 이어받아 짧은 과제뿐 아니라 긴 호흡의 작업에서도 성능 향상이 유지되도록 했다.

사이버보안에서 예상 밖으로 빠르게 느는 능력

사후훈련 규모가 커지면서 예상보다 빠르게 좋아진 영역이 사이버보안이다. GLM-5.3은 취약점 발견 능력을 재는 CyberGym 벤치마크에서 지금까지 나온 모델 중 최고 성적을 기록했다. 더 눈에 띄는 대목은 취약점 익스플로잇(실제 공격 재현) 사슬을 깊이 따라갈수록 GLM-5.2와의 격차가 더 벌어졌다는 점이다. 관련 벤치마크 점수는 GLM-5.2의 두 배를 넘어섰다. Z.ai는 이를 방어적 보안 용도로 소개했지만, 취약점을 찾고 실제로 뚫어보는 능력이 함께 커졌다는 것은 공격·방어 양쪽에 걸친 역량이 같이 자란다는 뜻이기도 하다.

벤치마크	GLM-5.2	GLM-5.3
Terminal-Bench 3.0	4.6	28.3
DeepSWE v1.1	46.2	66.9
Agents' Last Exam (CLI)	23.8	28.5

어떻게 써보나

GLM-5.3은 두 갈래로 이용할 수 있다. 하나는 API를 직접 호출하는 방식, 다른 하나는 구독형 GLM Coding Plan을 통해 코딩 에이전트에 붙이는 방식이다.

API로 붙이는 경우 — Z.ai는 세 가지 프로토콜을 지원한다.

프로토콜	베이스 URL
OpenAI Chat Completion	api.z.ai/api/coding/paas/v4
OpenAI Response	api.z.ai/api/v1
Anthropic Message	api.z.ai/api/anthropic

기존에 thinking.type: "disabled"로 호출을 걸어 놓은 사용자는 반드시 enabled로 바꾸고 reasoning_effort를 low로 지정한 뒤 모델 ID를 glm-5.3으로 바꿔야 한다. GLM-5.3부터는 추론을 아예 끄는 옵션이 사라졌기 때문이다. 추론 강도는 low(경량)·high(강화)·max(심층) 세 단계로 나뉘며 기본값은 max다. 복잡한 코딩 과제에는 max 사용이 권장된다.

GLM Coding Plan으로 붙이는 경우 — 원하는 코딩 에이전트에 그대로 연결해 쓸 수 있다. 새로운 요금 체계는 포인트 기반 정량제로 바뀌었고, 주말을 포함한 비수기 시간대 호출은 표준 포인트의 50%만 소모한다. 이미 만료된 구독을 포함해 과거 GLM Coding Plan을 써본 적이 있다면 현재는 OpenAI Chat Completion 호환 프로토콜로만 모델 API에 접근할 수 있다.

누가 쓸 수 있나 — 공식 API는 API 키 발급과 결제수단 등록만 마치면 별도 대기열 없이 열려 있고, GLM Coding Plan은 개인·팀 요금제로 구독하면 된다. 파트너 모델 게이트웨이를 통한 접근도 함께 공개됐다.

무엇을 해볼 수 있나 — 예를 들어 레거시 코드베이스의 성능 병목을 진단하고 최적화까지 끝내는 작업을 통째로 맡기거나, 사내 보안팀이 취약점 스캔 자동화 파이프라인에 붙여 발견 단계를 앞당기는 데 활용할 수 있다. 1M 토큰 컨텍스트 덕분에 대형 리포지터리 전체를 한 번에 넣고 리뷰를 맡기는 것도 가능하다.

에디터의 시선

이번 발표에서 진짜 눈여겨볼 대목은 '베이스 모델을 바꾸지 않았다'는 문장이다. 새 모델을 처음부터 다시 학습시키는 대신 같은 몸에 사후훈련만 더 부어서 벤치마크를 여섯 배 가까이 끌어올렸다는 건, 지금 오픈소스 진영의 경쟁이 파운데이션 모델 크기 싸움에서 '얼마나 실전에 가까운 환경으로 재훈련하느냐' 싸움으로 넘어갔다는 신호다. Z.ai가 설명한 환경 합성 파이프라인 — 실제 업무 패턴을 자동으로 실행 가능한 과제로 바꾸고 심사 에이전트가 검증하는 구조 — 은 오픈AI나 앤스로픽이 비공개로 해온 방식과 크게 다르지 않다. 다만 이걸 오픈 가중치 모델에 적용해 성적표까지 공개한다는 점이 다르다.

같은 체급의 오픈소스 코딩 모델을 실무에 붙여본 경험에서 보면, 벤치마크 상 몇 배 향상은 보통 두 가지 중 하나로 갈린다. 정말 긴 호흡의 작업을 끝까지 완수하는 능력이 늘었거나, 벤치마크 자체가 그 모델 계열에 맞춰 재설계됐거나다. Terminal-Bench 3.0처럼 버전이 갱신된 벤치마크에서는 후자의 가능성도 항상 열어둬야 한다. 그럼에도 DeepSWE와 CyberGym처럼 서로 다른 성격의 벤치마크에서 고르게 오른 점수는 우연으로 보기 어렵다.

국내 개발팀 입장에서 실무 교훈은 명확하다. 가격이 GLM-5.2와 동일하게 유지된 채 성능만 올랐다는 건, 이미 GLM 계열을 코딩 에이전트에 붙여 쓰던 조직이라면 모델 ID만 바꿔 무료로 업그레이드를 받는 셈이다. 다만 추론 비활성화 옵션이 완전히 사라졌기 때문에, 지연시간에 민감한 실시간 응답 파이프라인에 GLM을 쓰고 있었다면 low 모드로 전환한 뒤 응답 속도부터 재측정해야 한다. 사이버보안 쪽 성능 향상을 눈여겨보는 보안팀이라면, 방어용으로만 쓰겠다는 전제 아래서도 공격 시뮬레이션 도구로 오용될 가능성을 함께 검토해야 한다.

앞으로 몇 주 안에 미스트랄처럼 GLM을 게이트웨이로 들이는 플랫폼이 GLM-5.2에서 5.3으로 갈아타는 움직임이 나올 가능성이 크다. 가격이 그대로인 이상 갈아탈 이유는 있어도 안 탈 이유는 없기 때문이다.