GLM-5.3-Flash, MIT 라이선스로 공개된 3,200억 파라미터 멀티모달 오픈웨이트 모델

사양

전체 파라미터는 3,200억 개, 토큰당 활성화되는 파라미터는 약 180억 개이고 컨텍스트 창은 1M 토큰이다. 희소 어텐션과 선형 어텐션을 합친 새 기반 모델을 쓰고 Manifold-Constrained Hyper-Connections라는 구조도 사용했다. 모델 카드에는 30조 토큰 규모의 멀티모달 말뭉치로 사전 학습했다고 적혀 있다. 가중치는 MIT 라이선스로 공개됐고 추론 강도를 낮음, 높음, 최대 중에서 고를 수 있으며 vLLM과 SGLang 같은 배포 방식도 문서화됐다. 학습 데이터와 코드까지 모두 공개된 것은 아니어서 엄밀한 오픈소스와는 다르다.

가격

OpenInference, Together, Fireworks, DeepInfra, Z.AI 등 25개 업체가 가격표에 올라 있고 모두 컨텍스트는 1M이다. 100만 토큰 기준으로 가장 싼 곳은 OpenInference로 입력 0.0412달러, 출력 0.12달러(fp4)다. 제작사 직접 제공인 Z.AI는 입력 0.15달러, 출력 0.50달러(fp8)이고 BaseTen, CoreWeave, Together 등 10여 곳이 같은 값이어서 사실상 대표 가격대다. 비싼 쪽으로는 NextBit이 입력 0.20달러에 출력 1.20달러, Reka가 입력 0.10달러에 출력 2.40달러로 출력 단가가 가장 높다.

성능

17개 점수가 공개됐고 도구 활용 평가 Toolathlon-Verified(78.4%), 차트 이해 CharXiv Reasoning(도구 사용 기준 89.4%), OfficeQA Pro(62.4%), MVBench(77.8%), MMVU(80.5%)에서 비교 모델 중 최고점을 기록했다. 코딩에서는 DeepSWE 1.1이 63.4%로 36개 중 21위, CursorBench 4.0이 36.8%로 16개 중 13위이고 Terminal-Bench 4.0은 35.76%로 29개 중 16위다. 지식 업무 평가 GDPval-AA v2는 1773점으로 21개 중 3위다.

참고할 점

멀티모달 이해와 도구 활용에서 강점이 뚜렷하고 가격이 낮아 이용 폭이 넓다. 다만 업체마다 정밀도가 fp4, fp8 등으로 달라 같은 모델이라도 품질과 속도가 다를 수 있다.