GLM-5.2, 오픈소스 최초로 FrontierSWE에서 GPT-5.5 제쳤다…가격은 7분의 1

오픈소스 모델의 역사적 순간

2026년 6월 16일, Z.ai(智谱AI)는 GLM-5.2를 MIT 라이선스로 오픈소스 배포했다. 이번 발표는 "오픈소스가 클로즈드소스를 쫓아간다"는 기존 서사를 완전히 뒤집는 사건이다. GLM-5.2는 FrontierSWE 벤치마크에서 74.4%를 기록해 OpenAI의 GPT-5.5(72.6%)를 처음으로 넘어섰다. 오픈소스 모델이 장기 태스크 완료 능력에서 클로즈드소스 플래그십을 추월한 것은 이번이 최초다.

더 중요한 것은 이 모델의 API 가격이 GPT-5.5의 약 7분의 1 수준이라는 점이다.

기술 아키텍처: IndexShare와 1M 컨텍스트

IndexShare: 스파스 어텐션의 효율 혁명

GLM-5.2의 핵심 아키텍처 혁신은 IndexShare 메커니즘이다. 기존 스파스 어텐션(Sparse Attention)은 어떤 토큰에 주목할지를 결정하기 위해 각 레이어에서 독립적인 인덱서를 필요로 했다. IndexShare의 아이디어는 4개 레이어마다 동일한 인덱서를 공유하여 연산 오버헤드를 대폭 줄이는 것이다.

구체적인 효과:

• 1M 컨텍스트 길이에서 토큰당 FLOPs가 2.9배 감소
• 안정적인 1M 토큰 컨텍스트 윈도우 지원
• 긴 문서 처리 시 품질 저하 없음

이는 GLM-5.2가 단일 추론으로 약 75만 단어의 영어 또는 100만 글자의 중국어를 처리할 수 있음을 의미한다. 중간 규모의 전체 코드베이스를 로딩하기에 충분한 수준이다.

스페큘레이티브 디코딩(Speculative Decoding) 최적화

GLM-5.2는 스페큘레이티브 디코딩에 사용되는 멀티 토큰 예측(Multi-Token Prediction, MTP) 레이어도 개선했다. 수용 길이가 최대 20% 향상되어, 모델이 생성 과정에서 후속 토큰을 더 정확하게 예측하고 추론 속도를 가속화한다.

유연한 추론 노력 수준(Reasoning Effort Level)

GLM-5.2는 유연한 추론 노력 수준을 도입해 개발자가 성능과 레이턴시 사이에서 트레이드오프를 조절할 수 있도록 했다. 빠른 응답이 필요한 시나리오에서는 낮은 노력 수준을, 깊은 추론이 필요한 태스크에서는 높은 노력 수준을 설정할 수 있다.

벤치마크: 데이터로 말한다

주요 비교

벤치마크	GLM-5.2	GPT-5.5	Claude Opus 4.8	Gemini 3.1 Pro
FrontierSWE	74.4%	72.6%	75.1%	39.6%
SWE-bench Pro	62.1%	58.6%	69.2%	54.2%
Terminal-Bench 2.1	82.7%	83.4%	78.9%	70.7%
GPQA-Diamond	91.2%	93.6%	93.6%	94.3%
AIME 2026	99.2%	98.3%	95.7%	98.2%
HLE (w/ Tools)	54.7%	52.2%	57.9%	51.4%

주요 발견

1. FrontierSWE: GLM-5.2(74.4%)가 GPT-5.5(72.6%)를 넘어섰으나 Claude Opus 4.8(75.1%)에는 약간 못 미친다. 이는 장기 태스크 완료 능력에서 최상위 그룹에 진입한 최초의 오픈소스 모델이다.

2. Terminal-Bench: GLM-5.2는 Terminus-2 프레임워크에서 82.7%를 달성하며 Claude Opus 4.8(78.9%)을 넘어섰고, GPT-5.5(83.4%)에 근접했다. 터미널 조작 능력은 에이전트 코딩(Agent Coding)의 핵심 지표다.

3. 수학적 추론: AIME 2026에서 99.2%, HMMT Feb 2026에서 92.5%를 기록하며 수학적 추론 태스크에서 클로즈드소스 모델과 동등한 능력을 입증했다.

4. 약점: NL2Repo(48.9% vs GPT-5.5의 50.7%)와 SWE-Marathon(13.0% vs Opus 4.8의 26.0%)에서는 여전히 격차가 존재한다. 극도로 긴 코드베이스의 이해나 초장시간 태스크에서는 클로즈드소스 모델이 여전히 우위에 있음을 시사한다.

가격: 7분의 1 수준

항목	GLM-5.2	GPT-5.5	Claude Opus 4.8
입력 가격	$1.40/1M	~$10/1M	$5/1M
출력 가격	$4.40/1M	~$30/1M	$25/1M
캐시 입력	~$0.26/1M	-	-
라이선스	MIT	클로즈드소스	클로즈드소스

일반적인 에이전트 코딩 세션(입력 100K 토큰, 출력 50K 토큰)을 기준으로 비교하면:

• GLM-5.2: $0.14 + $0.22 = $0.36
• GPT-5.5: $1.00 + $1.50 = $2.50
• Claude Opus 4.8: $0.50 + $1.25 = $1.75

GLM-5.2의 비용은 GPT-5.5의 약 7분의 1, Claude Opus 4.8의 5분의 1 수준이다.

셀프 호스팅: MIT 라이선스의 진정한 가치

GLM-5.2는 MIT 라이선스를 채택하고 있으며, 이는 다음을 의미한다:

1. 지역 제한 없음: 일부 모델처럼 특정 지역에 대한 제한이 없으며, MIT 라이선스는 전 세계 모든 조직의 사용을 허용한다
2. 기술적 접근 장벽 없음: 기업은 외부 API에 의존하지 않고 자체 인프라에 배포할 수 있다
3. 완전한 데이터 통제: 민감한 데이터가 기업 네트워크 외부로 나갈 필요가 없다

배포 프레임워크 지원

GLM-5.2는 주요 추론 프레임워크를 지원한다:

• SGLang (v0.5.13+)
• vLLM (v0.23.0+)
• Transformers (v0.5.12+)
• KTransformers (v0.5.12+)
• Unsloth (v0.1.47+)

화웨이 승텅(昇腾) NPU를 보유한 기업에는 vLLM-Ascend, xLLM, SGLang도 지원된다.

한국 기업에 주는 시사점

비용 민감형 배포

대량의 API 호출이 필요한 시나리오(코드 리뷰, 문서 처리, 데이터 분석 등)에서 GLM-5.2가 제공하는 가성비는 클로즈드소스 모델을 크게 압도한다. 월 100M 토큰 사용량 기준으로 계산하면:

• GLM-5.2: 약 $580
• GPT-5.5: 약 $4,000
• Claude Opus 4.8: 약 $3,000

컴플라이언스와 데이터 주권

한국의 금융, 의료 등 업계는 데이터 주권(Data Sovereignty)에 엄격한 요건을 부과하고 있다. GLM-5.2의 MIT 라이선스와 셀프 호스팅 능력은 다음과 같은 이점을 제공한다:

• 환자 데이터가 해외로 유출되지 않음
• 금융감독원의 데이터 현지화 요건 충족
• 내부 보안 감사 지원

하이브리드 전략 제안

벤치마크 데이터를 기반으로, 한국 기업에는 하이브리드 모델 전략을 권장한다:

• 일상적인 코딩 및 문서 처리: GLM-5.2(낮은 비용, 근접한 성능)
• 핵심 태스크 및 고정밀 요건: Claude Opus 4.8(SWE-bench Pro에서 선두)
• 터미널 조작 및 자동화: GLM-5.2 또는 GPT-5.5(Terminal-Bench에서 우수한 성능)
• 수학 및 추론 태스크: 세 모델 간 큰 차이가 없으므로 비용 기반으로 선택 가능

오픈소스와 클로즈드소스의 경쟁 구도

GLM-5.2의 출시는 하나의 전환점을 보여준다. 오픈소스 모델은 더 이상 "무료 대체재"가 아니라, 주요 벤치마크에서 클로즈드소스 플래그십과 정면으로 경쟁할 수 있는 옵션이 되었다.

이것은 업계 전반에 압력을 가한다:

• OpenAI는 프리미엄 가격 정책의 정당성을 입증해야 한다
• Anthropic은 오픈소스 모델이 따라잡는 속도 속에서 리드를 유지해야 한다
• 기업은 단일 벤더에 종속되지 않고 진정한 선택권을 갖게 된다

결론

GLM-5.2는 완벽한 모델이 아니다. NL2Repo나 초장시간 태스크에서는 여전히 격차가 존재한다. 하지만 그 의미는 분명하다. 오픈소스 모델이 가장 핵심적인 에이전트 코딩 능력에서 클로즈드소스 플래그십과 경쟁할 수 있음을 증명했으며, 동시에 7분의 1의 가격으로 근접한 성능을 제공할 수 있다는 점이다.

AI 배포 전략을 검토 중인 한국 기업에게 GLM-5.2는 무시할 수 없는 선택지를 제시한다. 더 낮은 비용으로, 더 높은 데이터 통제권을 확보하면서, 프론티어에 근접한 AI 능력을 활용할 수 있기 때문이다.