AI 사용량 1위 오른 익명 AI 'Ox 알파'…정체는 지푸의 신형 AI 작성일 08-28 35 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">GLM-5.3-플래시 공개…전작 10분의 1 비용으로 오퍼스급 성능 기록</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="KK6f8WQ9g1"> <p contents-hash="f4fadf2e14de797793e21ca88b0ce415b1d54ef50a32b4e683d45bfe8d424de6" dmcf-pid="99P46Yx2k5" dmcf-ptype="general">(지디넷코리아=남혁우 기자)익명으로 공개돼 인공지능(AI) 플랫폼 사용량 1위를 기록한 'Ox 알파(Ox Alpha)'의 정체가 중국 지푸(Z.ai)의 신형 모델 'GLM-5.3-플래시'로 확인됐다.</p> <p contents-hash="60dafe53947cce3cbfae524f455e79a292be078afdbefae932bb06426fc53010" dmcf-pid="22Q8PGMVjZ" dmcf-ptype="general">이 모델은 정식 발표 전 약 일주일간 하루 100조 토큰 규모의 무료 처리 용량을 제공하며 오픈라우터와 오픈코드에서 주간 인기 모델로 떠올랐다.</p> <p contents-hash="dc52faa2b018c60e7ef5b9f0d863f08aed046f70a80b914b4f599f1698d92dbd" dmcf-pid="VVx6QHRfaX" dmcf-ptype="general">지푸는 지난 26일(현지시간) 공식 블로그를 통해 GLM-5 시리즈 최초의 네이티브 멀티모달 모델인 'GLM-5.3-플래시'를 공개했다.</p> <figure class="figure_frm origin_fig" contents-hash="806d3bd518e7dee5e4a61e4c2c1e245c19405aaeb9caa8d4adf0fccef8f289e0" dmcf-pid="ffMPxXe4kH" dmcf-ptype="figure"> <p class="link_figure"><img alt="지푸에서 공개한 GLM-5.3-플래시 벤치마크 점수(이미지=지푸)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202608/28/ZDNetKorea/20260828162554648ntfe.jpg" data-org-width="640" dmcf-mid="3Er3pD71jw" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202608/28/ZDNetKorea/20260828162554648ntfe.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 지푸에서 공개한 GLM-5.3-플래시 벤치마크 점수(이미지=지푸) </figcaption> </figure> <p contents-hash="66a5d985537b6fa0000ca048f4e044b13793182b06d779cbf475b30e5c9640a1" dmcf-pid="44RQMZd8NG" dmcf-ptype="general">지푸 측은 GLM-5.3-플래시를 정식 발표하기 전 약 일주일 동안 오픈라우터와 오픈코드에 Ox 알파라는 이름으로 익명 배포했다고 밝혔다. 당시 이용자들은 모델 개발사를 알 수 없는 상태에서 서비스를 이용했다.</p> <p contents-hash="831b59023da804f42aa9665f8032298d430847b6837ba833aceb288a0fc29abf" dmcf-pid="88exR5J6NY" dmcf-ptype="general">플랫폼 집계 화면에 따르면 Ox 알파는 오픈라우터에서 출시 후 6일간 23조2000억 토큰을 처리해 사용량 1위를 기록했다. 2위인 딥시크-V4-플래시의 9조9000억 토큰보다 약 2.3배 많은 수준이다.</p> <p contents-hash="bb9854ab9a76022f5987530c9c9b05181c0f0fb141311c3557406160b6d8a787" dmcf-pid="66dMe1iPkW" dmcf-ptype="general">GLM-5.3-플래시는 텍스트와 코드뿐 아니라 이미지, 문서, 웹 화면 등 다양한 형태의 정보를 함께 처리하는 네이티브 멀티모달 모델이다. 지푸는 이 모델이 복잡한 추론, 코딩, 에이전트 기반 작업과 시각 정보를 활용하는 업무에서 성능을 강화했다고 설명했다.</p> <p contents-hash="ac80414be869195245991063cd01f45386b055f550991c9c76de8a520f65f150" dmcf-pid="PPJRdtnQay" dmcf-ptype="general">지푸가 공개한 비교 자료에 따르면 GLM-5.3-플래시는 터미널벤치 2.1에서 84.3점, 딥SWE v1.1에서 63.4점을 기록했다. 전작인 GLM-5.2의 점수는 각각 81.0점과 46.2점이었다.</p> <figure class="figure_frm origin_fig" contents-hash="03c5b2a7b71ac71acacbfcd8c67d646eca05061d91b69cf527f190c8da745452" dmcf-pid="QQieJFLxjT" dmcf-ptype="figure"> <p class="link_figure"><img alt="오픈라우터에서 익명으로 출시 후 6일간 23조2000억 토큰을 처리해 사용량 1위를 기록한 GLM-5.3-플래시(이미지=지푸)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202608/28/ZDNetKorea/20260828162555930bygn.jpg" data-org-width="640" dmcf-mid="G1nvyJGhk4" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202608/28/ZDNetKorea/20260828162555930bygn.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 오픈라우터에서 익명으로 출시 후 6일간 23조2000억 토큰을 처리해 사용량 1위를 기록한 GLM-5.3-플래시(이미지=지푸) </figcaption> </figure> <p contents-hash="8dde2a9f20399d228a587c1380f59ffa73292521aa6a354c366a5e0f60e352b1" dmcf-pid="xxndi3oMkv" dmcf-ptype="general">에이전트 성능 평가에서도 개선 폭이 컸다. 자동화 작업 능력을 측정하는 오토메이션벤치에서 GLM-5.3-플래시는 48.8점으로 GLM-5.2의 26.2점을 웃돌았다. 툴라톤 베리파이드에서는 78.4점, GDP밸-AA v2에서는 1773점을 받아 지푸가 제시한 비교군 가운데 가장 높은 성적을 기록했다.</p> <p contents-hash="b7759d2258c63a0e7f2fc87d5fb216ead670f38289810432df3309ba387222d7" dmcf-pid="y3quzsb0jS" dmcf-ptype="general">특히 지푸는 GLM-5.3-플래시의 가격이 전작 GLM-5.2의 약 10분의 1 수준이면서도 주요 코딩·에이전트 평가에서 성능을 크게 개선했다고 강조했다. 딥SWE v1.1에서는 63.4점으로 비교 대상인 클로드 오퍼스 4.8의 58.0점을 앞섰다. 오토메이션벤치에서도 48.8점으로 클로드 오퍼스 4.8의 41.0점을 웃돌았다.</p> <p contents-hash="52295014527e033fcf511230adff6e83f687b9df744b7760356d949b328064b1" dmcf-pid="W0B7qOKpNl" dmcf-ptype="general">회사 측은 총 3200억개 파라미터 가운데 실제 추론 과정에서는 180억개만 활성화하는 전문가 혼합(MoE) 구조를 적용한 점이 비용 효율의 기반이라고 설명했다. 모든 파라미터를 동시에 가동하는 대신 작업에 필요한 일부만 선택적으로 활용해 연산 비용을 낮추는 방식이다.</p> <p contents-hash="fdb86bc631e2af75209888642fb8870c13fa525ffd5618078904e6e1563f0963" dmcf-pid="YpbzBI9UAh" dmcf-ptype="general">모든 평가에서 경쟁 모델을 앞선 것은 아니다. 코딩 평가인 터미널벤치 2.1과 딥SWE v1.1에서는 GPT-5.6 테라가 각각 87.4점과 69.6점으로 더 높은 점수를 받았다. NL2Repo에서는 클로드 오퍼스 4.8이 69.7점으로 GLM-5.3-플래시의 56.3점을 앞섰다. 에이전트 평가인 오토메이션벤치에서는 제미나이 3.7 플래시가 52.3점으로 가장 높았다.</p> <p contents-hash="a13669aa1a5b3995d09854ac94d23ffa6bc61074f1ae3a110a61f55b287b729a" dmcf-pid="GUKqbC2uaC" dmcf-ptype="general">이미지·문서 이해 등 비전 분야에서는 일부 항목에서 경쟁력을 보였다. GLM-5.3-플래시는 오피스QA 프로에서 62.4점, 차토그래피 위드 툴스에서 78.0점으로 비교군 중 최고점을 기록했다. 반면 베이비비전, MV벤치, MMVU 등에서는 제미나이 3.7 플래시가 더 높은 점수를 받았다.</p> <p contents-hash="eb02e4b7dc8dd0e7e4bed0f121d497a29294ea7ea448f5f3bb659db5b11d08bf" dmcf-pid="Hu9BKhV7kI" dmcf-ptype="general">베이스 모델 비교에서는 GLM-5.3-플래시가 활성 파라미터 180억개로 GLM-5 베이스의 400억개보다 적었지만, 라이브코드벤치-베이스에서는 37.6점으로 GLM-5 베이스의 34.4점을 웃돌았다. 범용 지식 평가인 MMLU에서는 88.1점을 기록해 GLM-5 베이스의 88.3점, 딥시크-V4-플래시 베이스의 88.5점과 비슷한 수준을 보였다.</p> <p contents-hash="e894c23fb1859c939f0383e46c285d06af0aa3ece87cbf8686b5941b1923e168" dmcf-pid="X72b9lfzaO" dmcf-ptype="general">긴 문맥 처리 효율도 강화했다고 지푸는 밝혔다. 선형 어텐션과 희소 어텐션을 결합한 하이브리드 구조를 적용해, 100만 토큰 문맥 길이 기준 GLM-5.3 대비 레이어당 KV 캐시 사용량을 최대 4.44분의 1, 어텐션 연산량을 최대 3.01분의 1 수준으로 낮췄다는 설명이다. </p> <figure class="figure_frm origin_fig" contents-hash="c1b98cccf4b3dfd965f25e0f873283c380690b92a8d45fd6f32ef7e2572f662b" dmcf-pid="ZzVK2S4qjs" dmcf-ptype="figure"> <p class="link_figure"><img alt="GLM-5.3-플래시 아키텍처(이미지=지푸)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202608/28/ZDNetKorea/20260828162557291omfb.jpg" data-org-width="640" dmcf-mid="b931FcpXot" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202608/28/ZDNetKorea/20260828162557291omfb.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> GLM-5.3-플래시 아키텍처(이미지=지푸) </figcaption> </figure> <p contents-hash="c86de97f295ead90643ab46b52f5730012c7d9f0398337fb30b2a96387004d8d" dmcf-pid="5qf9Vv8Bcm" dmcf-ptype="general">KV 캐시는 대화나 문서의 앞선 맥락을 기억하기 위해 사용하는 메모리로 사용량을 줄이면 장문 문서 처리 비용을 낮출 수 있다.</p> <p contents-hash="3e8c6c3cb38937b12c2e2dbd2da54372ecfb89da97f600ec0c2b2fec27b05f08" dmcf-pid="1B42fT6bkr" dmcf-ptype="general">가격 대비 성능을 비교한 아티피셜 애널리시스(Artificial Analysis)의 '파레토 프론티어' 자료에서는 GLM-5.3-플래시가 할인 기준 작업당 비용 0.045달러, 지능지수 57점으로 표시됐다. 이는 아티피셜 애널리시스의 자체 평가 방법론에 따른 수치다. 지푸는 이를 근거로 고가의 대형 모델과 비슷한 성능대에 도달하면서도 비용은 크게 낮췄다고 강조했다.</p> <p contents-hash="2e04a98fa176775d9847bb870adcea43ee2d18f29da873bfab020fe35b4f72ca" dmcf-pid="tb8V4yPKow" dmcf-ptype="general">지푸 측은 "GLM-5.3-플래시를 통해 최상위급 AI 성능이 반드시 최상위급 비용을 수반할 필요는 없다는 점을 증명했다"며 "이번 성능 향상은 적은 연산량으로도 역량을 끌어내는 모델 아키텍처, 강화된 멀티모달 사전학습 데이터, 추론 하드웨어와 함께 설계한 인프라가 결합한 결과"라고 밝혔다.</p> <p contents-hash="3b179c935b35ba833bf32eb5ee92908ec1d3a953ce840a02d285d859e55ed3f2" dmcf-pid="FK6f8WQ9jD" dmcf-ptype="general">이어 "현재 GLM-5.3-플래시에서 얻은 기술적 경험을 더 큰 모델에 적용하고 있다"며 "이를 기반으로 차세대 프론티어 모델 개발을 이어갈 것"이라고 강조했다.</p> <p contents-hash="ad8317f86985570ca3e4aae4a8692079d35f550c792a0f7137806e0249d09ce6" dmcf-pid="39P46Yx2oE" dmcf-ptype="general">남혁우 기자(firstblood@zdnet.co.kr)</p> </section> </div> <p class="" data-translation="true">Copyright © 지디넷코리아. 무단전재 및 재배포 금지.</p> 관련자료 이전 ‘K-엔비디아’ 키운다며 정책자금 3000억 넣었는데… 리벨리온, 엔비디아 품으로 가나 08-28 다음 배터리업계 화두 ‘각형배터리’… 나인테크, AI데이터센터발 ‘ESS’ 배터리 동시 사업 진행 08-28 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
