GLM-5, 오픈 웨이트가 프런티어에 닿다

중국 Z.ai가 공개한 GLM-5가 Artificial Analysis 기준 오픈 웨이트 모델 1위에 오르며 화제를 모았습니다. 총 744B 파라미터에 토큰당 40B만 활성화하는 Mixture-of-Experts(MoE) 구조로, ‘DeepSeek Sparse Attention’을 얹어 28.5조(28.5T) 토큰으로 학습했습니다. 컨텍스트 창은 200K, 라이선스는 상업적 활용에 관대한 MIT입니다. 벤치마크에서도 SWE-bench Verified 77.8%, AIME 2026 92.7%, GPQA-Diamond 86.0%로 상위 프런티어급 성능을 보였습니다.

"이런 제약 속에서도 프런티어급 모델을 만들어낸다는 사실은, 대규모로 굴러가는 중국 자체 컴퓨트 스택의 실현 가능성에 대해 중요한 무언가를 말해준다."Hugging Face (mlabonne)

왜 중요한가

가장 주목할 대목은 성능 수치가 아니라 ‘어떻게 만들었는가’입니다. GLM-5는 엔비디아 하드웨어 없이 화웨이 어센드(Ascend) 칩만으로 학습된 것으로 전해졌습니다. 이는 최고 성능 GPU 접근이 제한된 환경에서도 프런티어급 모델이 나올 수 있음을 보여주는 신호이자, MIT 라이선스로 풀려 누구나 내려받아 상업적으로 쓸 수 있다는 점에서 오픈 생태계의 무게중심을 다시 흔듭니다.

실무 적용

MIT 라이선스 + 오픈 웨이트라는 조합은 자체 인프라에 모델을 얹어 데이터 유출 없이 코딩·에이전트 워크로드를 돌리려는 팀에 실질적 선택지를 넓혀줍니다. 다만 벤치마크 점수는 ‘상한선’일 뿐이므로, 도입 전 자사 과제(사내 코드베이스·도메인 질의)로 소규모 파일럿을 돌려 실제 체감 성능과 추론 비용을 함께 재보는 편이 안전합니다.

교차 참고

• Hugging Face: One Year Since the “DeepSeek Moment” — 중국발 오픈 모델이 만든 흐름의 1년을 되짚는 맥락을 보완합니다.
• Hugging Face: State of Open Source — Spring 2026 — 오픈 웨이트 생태계 전반의 판도를 함께 보여줍니다.

Wemeet의 관점

모델 경쟁의 무게추가 ‘가장 큰 모델’에서 ‘가장 열려 있고 옮기기 쉬운 모델’로 이동하고 있습니다. Wemeet은 오픈 웨이트를 도입할 때 라이선스·배포 자유도와 함께 자사 과제 기준의 실측을 먼저 확인해, 화제성이 아니라 실효로 채택 여부를 가릅니다.