GLM-5.3 완전 정리: 같은 모델로 코딩 50% 올린 지푸 AI, 사이버 능력까지 터졌다 (2026)

베이스 모델은 그대로인데 코딩 점수가 50% 올랐습니다

2026년 8월 14일, 지푸 AI(Z.ai)가 GLM-5.3을 공개했습니다. 이번 발표에서 가장 눈에 띄는 건 성능 숫자가 아니라 접근법입니다. GLM-5.3은 GLM-5.2와 완전히 같은 베이스 모델을 사용합니다. 파라미터를 키우지도, 아키텍처를 바꾸지도 않았습니다. 달라진 건 전부 포스트 트레이닝(사후 학습)에서 나왔습니다.

결과는 꽤 극적입니다. 난도가 높기로 유명한 Terminal Bench 3.0 점수가 4.6에서 28.3으로 뛰었고, 자체 코딩 벤치마크에서는 GLM-5.2 대비 50% 향상을 기록했습니다. 여기에 예상하지 못한 보너스가 붙었습니다. 학습을 스케일링하는 과정에서 사이버 보안 능력이 자발적으로(emergent) 발현된 것입니다. 취약점 탐지 벤치마크 CyberGym에서는 오픈소스뿐 아니라 클로즈드 모델을 포함한 전체 1위에 올랐습니다. 이 글에서 GLM-5.3의 변화, 벤치마크 수치, 그리고 실무자가 지금 당장 챙겨야 할 API 변경 사항까지 정리합니다.

30초 요약

• 출시: 2026년 8월 14일, GLM-5.2의 후속 모델 (베이스 모델 동일)
• 핵심 변화: 포스트 트레이닝 확장 — 더 많은 환경, 더 다양한 태스크, 더 많은 컴퓨트
• 코딩: 자체 Z.ai Code Bench에서 GLM-5.2 대비 +50%, Terminal Bench 3.0 오픈소스 SOTA
• 사이버: CyberGym 전체 1위(84.5%), ExploitBench 2배 이상 향상 — 예상 못한 창발 능력
• 실전 검증: 실제 코드베이스 269개 프로젝트에서 취약점 2,436건 발견
• 오픈 웨이트: 안전 평가 완료 후 2주 내 공개 예정
• 주의: API에서 thinking.type: "disabled" 미지원 — 마이그레이션 필수

핵심 업그레이드 1 — 코딩: 코딩 연습 문제가 아니라 실제 업무 단위

GLM-5.3의 학습 환경은 코딩 연습 문제 수준을 벗어나 실제 전문가 업무 단위로 설계됐습니다. 예를 들어 ML 인프라 태스크에서 모델은 실제 엔지니어와 동일한 작업 환경을 받습니다. 컴퓨트 클러스터, 저장소, 내부 문서, 코드베이스, 실험 결과에 접근하며, 트레이닝 스택의 병목을 진단하고 최적화를 구현해 측정 가능한 속도 향상까지 만들어내야 합니다. 중간중간 사람이 문제를 쪼개주는 게 아니라, 모델이 통째로 일을 책임지는 훈련입니다.

이런 환경 확장의 효과는 벤치마크에 그대로 나타났습니다. GLM-5.2 대비 Terminal-Bench 3.0은 4.6 → 28.3, DeepSWE v1.1은 46.2 → 66.9, Agents’ Last Exam은 23.8 → 28.5로 올랐습니다. 특히 난도가 높은 태스크일수록 향상 폭이 큽니다.

토큰 효율도 함께 좋아졌습니다. 자체 벤치마크 Z.ai Code Bench의 Max 단계에서 GLM-5.3은 과제당 약 7만 5천 출력 토큰으로 34.5%를 기록했습니다. GLM-5.2가 9만 6천 토큰으로 23.4%였던 것과 비교하면 성능은 오르고 토큰은 줄었습니다. High 단계에서는 5만 토큰으로 31.4%를 기록해, 12만 토큰을 쓴 Claude Opus 4.8(29.5%)을 앞섰습니다. 다만 최상위권인 Claude Fable 5(Max 단계 39.5%)에는 아직 못 미칩니다.

Z.ai API에서 GLM-5.3 확인하기

핵심 업그레이드 2 — 사이버: 계획에 없던 능력이 튀어나왔다

이번 발표에서 가장 흥미로운 부분입니다. 지푸는 포스트 트레이닝 과정에서 취약점 발견 데이터와 환경을 학습 데이터에 섞었습니다. 원래 기대는 “취약점을 더 잘 찾는 모델”이었습니다. 그런데 학습을 스케일링하자 예상보다 빠르게 능력이 발전했습니다. GLM-5.3은 개별 취약점을 찾는 수준을 넘어 여러 단계의 익스플로잇 체인을 하나의 일관된 계획으로 구성하기 시작했습니다.

수치로 보면 이렇습니다.

• CyberGym(취약점 발견·검증): 84.5% — 전체 1위 (GLM-5.2는 77.2%, Mythos 5는 83.8%, GPT-5.6 Sol은 83.6%)
• ExploitBench(실제 취약점 익스플로잇): 54.4% — GLM-5.2(24.4%)의 2배 이상 (단, Mythos 5가 78.0%로 여전히 선두)
• ExploitGym(시간 예산 내 익스플로잇 과제): 2시간 105건 / 6시간 130건 — GLM-5.2는 29건 / 39건

패턴은 명확합니다. 익스플로잇 체인의 깊이가 깊어질수록 GLM-5.2 대비 향상 폭이 커지고, 동시에 클로즈드 프론티어와의 격차도 커집니다. 지푸 스스로 “우리가 가장 뒤처진 구간에서 능력이 가장 빠르게 자라고 있다”고 표현했을 정도입니다.

이 능력은 벤치마크 밖에서도 검증됐습니다. 지푸는 중국의 여러 보안팀과 함께 실제 코드베이스에 모델을 돌렸고, 전문가 검토와 선별, 중복 제거를 거쳐 269개 프로젝트에서 2,436건의 취약점을 찾아냈습니다. 이 중 1,097건이 중간~높은 심각도입니다. 리눅스 커널, 운영체제, 브라우저 엔진, 웹 애플리케이션, 네트워크 프로토콜까지 범위가 넓고, 가장 오래된 결함은 1981년에 도입된 것이었습니다. 발견 당시까지 평균 26.6년 잠들어 있던 취약점들입니다. 이 결과는 Z.ai Security Disclosure Ledger라는 공개 원장에 단계적으로 공시되고 있습니다.

Z.ai 보안 공시 원장(Security Disclosure Ledger) 보기

핵심 업그레이드 3 — 같은 뼈대, 다른 학습: 포스트 트레이닝 스택

“베이스 모델이 같은데 어떻게 이렇게 올랐나”가 핵심 질문일 겁니다. 답은 GLM-5.2에서 구축한 학습 스택을 한 달 동안 계속 스케일링한 것입니다. 세 가지 요소가 축입니다.

• IndexShare: 긴 컨텍스트를 효율적으로 처리하는 희소 어텐션 기술로, GLM-5.2에서 처음 적용됐습니다.
• SAO(Single-rollout Asynchronous Optimization): 긴 작업(long-horizon) 태스크의 강화학습을 위한 알고리즘입니다. 컴팩션(궤적 압축)과 결합해 긴 태스크에서도 성능 향상이 유지되게 합니다.
• slime: 지푸가 오픈소스로 공개한 RL 포스트 트레이닝 프레임워크입니다(GitHub 별 7,900개 이상). GLM-5.3에서는 학습-롤아웃 일관성을 1e-7 수준으로 맞추고, 장시간 코딩 RL 태스크의 엔드투엔드 학습 처리량을 2.3배 이상 끌어올렸습니다.

환경 자체도 자동으로 만들어냅니다. 리서치 에이전트가 실제 업무 패턴을 수집해 실행 가능한 장시간 환경으로 변환하고, 저지(judge) 에이전트가 그 태스크를 실제로 풀어내며 검증합니다. 참고 해답 없이 검증기를 합성하고, 솔버의 궤적으로 보상 허점(reward shortcut)을 찾아 막는 구조입니다. 다만 아직은 사람의 개입이 상당 부분 필요하며, 환경 생성·검증의 완전 자동화가 다음 단계라고 밝혔습니다.

숫자로 보는 성능: 벤치마크 정리

공식 발표에 담긴 주요 벤치마크 수치입니다. 경쟁 모델 수치는 Z.ai 발표 기준입니다.

벤치마크	GLM-5.3	GLM-5.2	Opus 4.8	GPT-5.6 Sol	Fable 5
Terminal Bench 2.1	88.2	81.0	85.0	88.8	88.0
Terminal Bench 3.0	28.3	4.6	21.1	34.6	33.7
DeepSWE v1.1	66.9	46.2	58.0	72.7	69.7
SWE-Marathon v1.1	42.5	19.4	48.8	42.5	33.1
CyberGym (사이버)	84.5	77.2	78.1	83.6	83.8
ExploitBench (사이버)	54.4	24.4	40.0	76.5	78.0
Toolathlon Verified (에이전트)	73.0	59.9	76.2	74.9	74.7
HLE w/ Tools	62.5	54.7	57.9	64.5	63.9

정리하면 이렇습니다. 오픈소스 진영에서는 코딩·사이버·에이전트 대부분 1위이고, 클로즈드 프론티어(GPT-5.6 Sol, Fable 5)와는 난도가 높을수록 격차가 남습니다. Kimi K3, DeepSeek-V4 Pro, Qwen3.8-Max 등 중국 경쟁 모델과 비교해도 종합 우위입니다.

실무 가이드: API 변경 사항 — 마이그레이션 필수

GLM-5.3 API에서 가장 중요한 변경점입니다. 사고(thinking) 모드를 끌 수 없습니다. GLM-5.3은 low, high, max 세 단계의 추론 강도(reasoning effort)만 지원합니다.

• thinking.type: enabled만 지원 — disabled는 더 이상 지원하지 않음
• reasoning_effort: low(가볍게), high(강화), max(깊게) — 기본값은 max
• 코딩 태스크에는 max 권장

만약 기존 앱에서 thinking.type: "disabled"를 쓰고 있다면, 모델 ID를 glm-5.3으로 바꾸기 전에 반드시 enabled로 바꾸고 reasoning_effort를 low로 설정해야 합니다. 그렇지 않으면 요청 자체가 실패합니다.

{
  "model": "glm-5.3",
  "thinking": { "type": "enabled" },
  "reasoning_effort": "max"
}

GLM-5.3 개발자 문서 바로가기

GLM Coding Plan·ZCode: 구독자라면 바로 사용 가능

GLM Coding Plan 구독자라면 별도 조치 없이 GLM-5.3을 바로 쓸 수 있습니다. ZCode, Claude Code, OpenCode 같은 코딩 에이전트에서 사용할 수 있으며, 기존 GLM-5.2와 GLM-5.1 호출은 자동으로 GLM-5.3으로 라우팅됩니다.

이번부터 쿼터 시스템이 포인트 기반으로 바뀌었습니다. 입력·캐시 입력·출력 토큰이 각각 포인트로 계산되며, GLM-5.3의 배율은 입력 6.9, 캐시 입력 1.7, 출력 24입니다. 여기에 오프피크 할인(50%)이 있습니다.

• 피크 시간: 평일(월~금) 오후 2시~6시 (UTC+8, 한국 시간 오후 3시~7시)
• 오프피크: 그 외 모든 시간 — 포인트 50%만 소모
• 캐시 적중률 90.9% 가정 시 Lite는 주당 약 4,300만~8,700만 토큰, Max는 약 6억~12억 토큰 수준

지푸의 자체 코딩 에이전트 ZCode도 주목할 만합니다. 98% 이상의 캐시 적중률로 유효 토큰을 약 30% 더 쓸 수 있고, 8월 31일까지 한시적으로 쿼터 1.5배 부스트가 적용돼 캐시 할인과 합산하면 최대 180%까지 쿼터가 늘어납니다. 목표(Goal) 모드는 목표 달성까지 계획·코딩·테스트·검증을 반복하고, 원격 제어 기능으로 스마트폰에서 장시간 작업을 모니터링할 수 있습니다.

GLM Coding Plan 구독 페이지 바로가기

가격과 오픈 웨이트

GLM-5.3의 API 토큰 가격은 발표 시점 기준 아직 공개되지 않았습니다. 참고로 GLM-5.2는 100만 토큰당 입력 $1.4 / 출력 $4.4이며, 캐시 입력은 $0.26입니다. 가격표가 업데이트되면 개발자 문서에 반영될 예정입니다. 자체 호스팅을 원한다면 2주 뒤를 기다리면 됩니다. 안전 평가와 보안 강화가 완료되는 대로 모델 웨이트가 공개됩니다.

다만 사이버 능력이 크게 올라간 모델의 오픈 웨이트 공개라는 점에서, 안전 평가에 시간이 걸리는 배경에 대해서는 발표문 스스로도 신중한 태도를 보였습니다.

실무 체크리스트

• ☑ 기존 앱에서 thinking.type: "disabled" 사용 여부 확인 — 쓰고 있다면 enabled + reasoning_effort: low로 먼저 전환
• ☑ 코딩 태스크 호출 시 reasoning_effort: "max" 설정
• ☑ Coding Plan 구독자: 모델 설정에서 GLM-5.3 선택 가능 여부 확인 (5.2/5.1 호출은 자동 라우팅)
• ☑ 헤비 유저라면 오프피크 시간대(한국 시간 평일 오후 3시~7시 외) 활용 계획 세우기
• ☑ ZCode 사용자: 8월 31일까지 1.5배 쿼터 부스트 적용 여부 확인
• ☑ 자체 호스팅 계획이 있다면 웨이트 공개(약 2주 후) 일정 캘린더에 기록

자주 묻는 질문(FAQ)

GLM-5.3은 무료로 쓸 수 있나요?

API는 키만 발급받으면 유료로 사용할 수 있습니다. 토큰 가격은 발표 시점 기준 미공개이며, 모델 웨이트는 안전 평가 완료 후 2주 내 공개 예정입니다. GLM Coding Plan 구독자는 추가 비용 없이 바로 사용 가능합니다.

GLM-5.2 쓰던 코드는 그대로 둬도 되나요?

모델 ID만 바꾸면 대부분 동작하지만, thinking.type: "disabled"를 쓰고 있었다면 반드시 마이그레이션해야 합니다. 이 파라미터는 GLM-5.3에서 제거돼 요청이 실패합니다.

Claude나 GPT 대신 써도 될 만큼 강한가요?

터미널 작업(Terminal Bench 2.1)에서는 Opus 4.8을 앞섰고, 토큰 효율 기준으로는 High 단계에서 Opus 4.8을 추월했습니다. 다만 최난도 벤치마크(Fable 5, GPT-5.6 Sol)에는 아직 격차가 있어, 비용 대비 성능을 중시하는 워크로드에서 특히 매력적입니다.

사이버 보안 능력이 위험하지 않나요?

지푸는 웨이트 공개 전 안전 평가·강화(hardening)를 먼저 거치고, 발견한 취약점은 전담 공시 원장(cvz.z.ai)을 통해 책임 있게 공개하는 절차를 밟고 있습니다. 다만 오픈 웨이트 공개 시점이 이런 능력의 확산을 둘러싼 논쟁의 중심이 될 가능성이 있습니다.

함께 읽으면 좋은 글

• GLM-5.2 완전 정리: 1M 컨텍스트 오픈소스 코딩 모델, GPT-5.5 넘었다
• GLM Coding Plan 완벽 가이드: 월 $3로 Claude Code 대안 사용하기
• Grok 4.6 완전 정리: 롱런 에이전트 특화 xAI 신모델 전격 출시 (2026)
• Claude Opus 5 완전 정리: Fable 5 절반 가격에 쓰는 차세대 코딩·에이전트 모델 (2026)
• Gemini 3.5 Flash Cyber 완전 정리: 구글의 사이버 보안 특화 AI 모델 (2026)

결론: 포스트 트레이닝의 시대가 증명됐다

GLM-5.3은 “모델 크기 경쟁”의 시대가 끝나가고 있음을 보여주는 또 하나의 사례입니다. 같은 베이스 모델에 더 많은 환경, 더 다양한 태스크, 더 많은 컴퓨트를 투입한 포스트 트레이닝만으로 코딩 성능이 50% 오르고, 계획에 없던 사이버 능력까지 튀어나왔습니다. 오픈소스 모델이 클로즈드 프론티어를 추격하는 방식이 “더 크게”에서 “더 잘 가르치기”로 바뀌고 있는 셈입니다.

지금 코딩 에이전트를 쓰고 있다면 당장 할 일은 하나입니다. 기존 코드의 thinking 파라미터를 점검하고, GLM Coding Plan 구독자라면 GLM-5.3으로 전환해 체감 성능을 직접 비교해보는 것. 아래 링크에서 공식 발표 전문도 함께 확인해보세요.

GLM-5.3 공식 발표 전문 보기