Z.ai가 엔비디아(Nvidia) GPU 없이도 구동할 수 있는 GLM-5.3-플래시(GLM-5.3-Flash)를 출시했다. 대형 모델에 근접한 성능을 유지하면서 과제당 비용을 0.09달러까지 낮춘 것이 특징이다.
더 디코더(The Decoder)는 8월 27일 Z.ai의 새 모델이 총 3200억개 파라미터 가운데 180억개만 활성화하며, MIT 라이선스로 배포된다고 보도했다. 컨텍스트 창은 100만 토큰이고, 모델 가중치는 허깅페이스(Hugging Face)에 공개됐다. Z.ai는 이 모델이 GLM-5 시리즈의 첫 네이티브 멀티모달 모델이라고 설명했다.
아티피셜 애널리시스(Artificial Analysis) 측정에서 GLM-5.3-플래시는 최대 추론 설정 기준 인텔리전스 지수(Intelligence Index) 57점을 기록했다. 대형 모델인 GLM-5.3의 60점보다 3점 낮지만 GPT-5.6 테라(GPT-5.6 Terra)와 뮤즈 스파크 1.2(Muse Spark 1.2)와 같은 수준이다. 지수상 과제당 비용은 0.09달러로 GLM-5.3의 0.68달러보다 약 7.5배 저렴해, 성능과 비용을 함께 고려한 최적 지점에 해당한다고 아티피셜 애널리시스는 평가했다.
가격 경쟁력은 API에서도 나타난다. Z.ai API에서 입력 토큰 100만개당 0.15달러, 출력 토큰 100만개당 0.50달러로 책정돼 GLM-5.3 가격의 10%를 조금 웃도는 수준이다. 에이전트 작업을 평가하는 GDPval-AA v2에서는 약 1770의 엘로 점수를 기록해 GLM-5.3 및 그록(Grok) 4.6과 비슷했고, 클로드 오푸스 5(Claude Opus 5)에 이어 두 번째로 높은 결과를 냈다. 다만 출력 토큰의 약 90%를 추론에 사용해 토큰 효율은 낮은 것으로 분석됐다.
출시 전에는 오픈코드(OpenCode)와 오픈라우터(OpenRouter)에서 ‘ox-alpha’라는 익명 모델명으로 시험됐다. Z.ai에 따르면 이 모델은 당시 한 주 동안 가장 많이 사용된 모델이었으며, 해당 트래픽은 모두 중국산 AI 칩에서 처리됐다. 세미애널리시스(SemiAnalysis)는 모델 처리량이 하루 100조토큰에 달했다고 전했다. 이는 그동안 최첨단 AI 연구소만 가능하다고 여겨진 규모다. Z.ai는 하드웨어 효율과 토큰당 비용이 일반적인 엔비디아 GPU와 비슷하다고 주장했다.
이 결과는 엔비디아의 CUDA 생태계가 가진 장벽을 시험하는 사례로 해석됐다. CUDA는 AI 소프트웨어와 그래픽카드 사이에서 작동하는 프로그래밍 계층으로, 약 20년 동안 축적돼 대부분의 AI 프레임워크가 CUDA에 맞춰져 있다. 다른 칩으로 옮기려면 연산을 다시 프로그래밍하고 메모리 접근 방식을 조정하며 병목을 찾아야 한다. Z.ai는 SGLang 위에 자체 서빙 소프트웨어를 구축하고 처리 과정을 독립적으로 확장할 수 있는 단계로 나눴다. 같은 하드웨어에서 첫 시도보다 처리량을 3배 높였으며, 최적화에는 GLM-5.3 기반 에이전트도 활용했다고 설명했다.