GLM-5.3, 실무 5개 영역 전원 통과하며 비용 효율성 입증

5개 전 영역(코딩, 데이터 개발, 실무, 보안, 도구 사용)에서 100% 통과율을 기록한 첫 번째 모델이 등장했다. 오픈 웨이트(Open-weight, 모델 가중치를 공개한 형태) 모델인 GLM-5.3가 페더벤치(Featherbench)의 '랩(Lap)' 테스트에서 거둔 성적이다. 루브릭 점수 9.3점을 기록하며 성능 면에서 상위권에 올랐으며, 전체 랩을 수행하는 데 드는 비용은 0.28달러에 불과했다.

비용 효율성 측면에서는 유료 폐쇄형 모델과의 격차가 뚜렷하다. GPT-5.5의 경우 동일한 테스트에서 1.43달러의 비용이 발생했으며, 실무(Realworld) 영역 통과율은 89%에 그쳤다. GLM-5.3는 GPT-5.5보다 약 5분의 1 수준의 비용으로 더 높은 통과율을 보인 셈이다. 다만 응답 속도에서는 약점이 드러났다. 첫 토큰이 생성되기까지 걸리는 시간(TTFT)의 중앙값이 16.3초로 측정되어, 13.2초인 GPT-5.5보다 느린 반응 속도를 보였다.

다른 고성능 모델들과의 비교에서도 흥미로운 지점이 발견된다. Kimi-k3는 루브릭 점수 9.5점으로 가장 높은 품질을 보였으나, 데이터 개발 작업에서 75%의 통과율을 기록하며 유일한 약점을 보였다. 또한 앤스로픽(Anthropic)의 Opus-5는 실무와 보안 영역에서 100%를 기록했지만, 코딩 영역에서 43%라는 낮은 수치를 보였다. 이는 모델 자체의 능력 부족이라기보다, 제공자 측의 분류기(Classifier)가 무해한 코딩 디버깅 작업까지 차단하면서 발생한 측정 오류에 가깝다는 분석이다.

오픈 웨이트 모델의 부상과 '실무 중심' 경쟁 구도 변화

학술적 지표보다 실제 사용자가 수행하는 단위 작업(Unit tests) 중심의 평가가 시장의 새로운 기준이 되고 있다. 이번 테스트는 에이전트 흐름의 기초가 되는 단일 작업들의 성공률을 측정함으로써, 모델이 실제 환경에서 얼마나 신뢰할 수 있는지를 검증했다. 여기서 GLM-5.3와 같은 오픈 웨이트 모델이 폐쇄형 모델의 성능을 추월하거나 대등한 수준에 도달했다는 점은 시장 참여자들의 선택지를 넓히는 결과로 이어진다.

보안성과 신뢰성의 균형은 모델 선택의 핵심 변수로 작동하고 있다. GPT-5.6-luna의 경우 랩당 비용이 0.064달러로 매우 저렴하고 TTFT가 5.3초로 빠르지만, 보안 통과율은 33%에 그쳤다. 12개의 탈옥(Jailbreak) 테스트 중 11개에서 취약점이 발견된 것이다. 반면 GLM-5.3와 GPT-5.5, 클로드(Claude) 시리즈는 보안 영역에서 깨끗한 결과를 보였다. 이는 비용과 속도를 위해 보안을 희생한 모델과, 비용을 낮추면서도 신뢰성을 유지한 모델 간의 경쟁 구도를 명확히 보여준다.

투자 및 채택 흐름 역시 '무조건적인 고성능'에서 '용도별 최적화'로 이동하고 있다. 매우 저렴한 비용으로 대량의 배경 작업을 처리해야 하는 경우에는 GPT-5.6-luna 같은 모델이 유리하지만, 신뢰성이 필수적인 보안 작업이나 복잡한 실무 프로세스에는 GLM-5.3나 Opus-5 같은 모델이 적합하다. 특히 오픈 웨이트 모델이 비용과 성능의 임계점을 돌파하면서, 기업들이 특정 벤더에 종속되지 않고 자체 인프라에서 고성능 모델을 운영할 수 있는 가능성이 커졌다.

한국 AI 실무자를 위한 모델 선택 기준과 관찰 지점

실무자가 모델을 선택할 때 가장 먼저 고려해야 할 지점은 서비스의 성격이 '인터랙티브(Interactive)'인지 '배치(Batch)'인지의 여부다. 사용자와 실시간으로 상호작용하는 서비스라면 TTFT가 결정적이다. 하이쿠-4-5(Haiku-4-5)는 0.9초라는 압도적인 TTFT와 96%의 통과율을 보여 인터랙티브 서비스에 가장 적합한 대안이 된다. 반면 딥시크-v4-프로(DeepSeek-v4-pro)는 비용이 매우 저렴하고 통과율도 96%로 높지만, TTFT가 40.0초에 달해 실시간 서비스보다는 배치 작업 전용으로 제한해야 한다.

보안 리스크가 있는 환경에서 모델을 도입한다면, 제공자의 분류기 설정과 모델의 자체 보안 통과율을 대조해야 한다. 앤스로픽 모델에서 나타난 것처럼, 과도한 필터링은 실제 성능 수치를 왜곡해 서비스 가용성을 떨어뜨리는 리스크가 될 수 있다. 반대로 GPT-5.6 라인업처럼 속도와 비용을 잡은 모델을 쓸 때는 반드시 자체적인 레드팀(Red teaming) 검증과 하네스(Harness) 보호 장치를 추가해야 한다.

앞으로 관찰해야 할 신호는 오픈 웨이트 모델의 응답 속도 개선 여부다. GLM-5.3가 보여준 100%의 통과율과 낮은 비용은 매력적이지만, 16.3초의 TTFT는 실시간 서비스 도입의 걸림돌이다. 만약 오픈 웨이트 모델들이 추론 최적화를 통해 TTFT를 1~2초대로 낮춘다면, 고가의 폐쇄형 API 모델을 채택해야 할 경제적 명분은 더욱 빠르게 사라질 것이다. 관련하여 MIT 라이선스로 공개된 페더벤치(https://github.com/featherbench)의 테스트 하네스를 활용해 도입 예정 모델의 실무 통과율을 직접 검증하는 프로세스를 구축할 것을 권장한다.