오픈 가중치 모델 1위가 또 바뀌었어요 — GLM-5.2 등장

'AI는 빅테크만 만든다'는 공식이 흔들리고 있어요

불과 2~3년 전만 해도 최고 성능 AI 모델은 사실상 OpenAI, 구글, Anthropic 같은 곳이 만든 '닫힌 모델'이 전부였어요. 가중치(모델이 학습한 결과물 파일)를 공개 안 하니까 API로만 빌려 쓸 수 있었죠. 그런데 최근 흐름이 꽤 달라졌어요. GLM-5.2가 오픈 가중치 모델 가운데 종합 지능 지표에서 가장 앞선 모델로 올라섰다는 평가가 나왔거든요. 누구나 다운로드해서 자기 서버에서 돌릴 수 있는 모델이, 닫힌 최상위 모델들의 뒤를 바짝 쫓고 있다는 얘기예요.

GLM이 뭐냐면, 중국의 Zhipu AI(지푸 AI, 지금은 Z.ai로도 불려요)가 만드는 모델 계열이에요. ChatGLM 시절부터 시작해서 GLM-4, GLM-4.5, 4.6을 거쳐 이번 5.2까지 꾸준히 버전을 올려왔어요. '오픈 가중치(open weights)'라는 건 모델 파일 자체를 공개한다는 뜻인데, 학습에 쓴 데이터까지 다 공개하는 완전한 오픈소스와는 조금 다르지만, 실무자 입장에서는 '내 손에 모델을 쥘 수 있다'는 점에서 정말 큰 의미가 있어요.

'지능 지표'라는 건 어떻게 매기는 걸까

이번 평가의 기준이 된 Artificial Analysis Intelligence Index 같은 지표는, 하나의 시험만 보는 게 아니라 여러 종류의 벤치마크를 묶어서 종합 점수를 내요. 수학 문제 풀이, 코딩 능력, 과학 추론, 일반 지식 같은 걸 두루 평가해서 '이 모델이 전반적으로 얼마나 똑똑한가'를 한 숫자로 보여주려는 거예요. 시험 하나만 잘 보는 모델이 아니라 골고루 잘하는 모델을 가려내려는 의도죠. 물론 이런 합산 지표가 모든 걸 말해주진 않지만, 모델끼리 빠르게 비교하기엔 편리한 잣대예요.

이런 대형 모델들은 보통 MoE(전문가 혼합) 구조를 많이 써요. 이게 뭐냐면, 모델 전체를 매번 다 켜는 게 아니라 질문에 맞는 일부 '전문가' 부분만 골라서 작동시키는 방식이에요. 덕분에 전체 파라미터 수는 엄청 큰데도 실제 추론할 때 드는 계산량은 상대적으로 아껴지거든요. 성능은 높이면서 운영 비용은 줄이는 요즘 흐름의 핵심 기술이에요.

중국발 오픈 모델의 약진

사실 GLM-5.2만의 이야기가 아니에요. 지난 1~2년 사이 오픈 가중치 모델 상위권을 보면 Qwen(알리바바), DeepSeek, Kimi(문샷), 그리고 GLM(지푸)처럼 중국 진영 모델이 눈에 띄게 많아요. 미국이 첨단 반도체 수출을 조여서 학습 인프라를 견제하는 와중에도, 모델 품질에서는 오히려 빠르게 따라붙은 거예요. 서구 진영에서는 메타의 Llama 계열, 미스트랄, 그리고 최근엔 OpenAI도 오픈 가중치 모델을 일부 내놓으면서 이 경쟁에 다시 뛰어들었고요. 한마디로 '오픈 가중치 1위 자리'를 두고 여러 진영이 몇 달 단위로 엎치락뒤치락하는 시대가 됐어요.

한국 개발자에게 주는 시사점

실무에서 이게 왜 반가운 소식이냐면, 선택지가 늘어나기 때문이에요. 데이터를 외부 API로 보내기 곤란한 금융·의료·공공 분야라면, 성능 좋은 오픈 가중치 모델을 사내 서버에 직접 올려서 데이터 유출 걱정 없이 쓸 수 있어요. 비용 면에서도 토큰당 요금 대신 GPU 운영비만 들이면 되니, 호출량이 많은 서비스일수록 유리해질 수 있고요. 다만 모델을 직접 운영하려면 GPU 자원, 서빙 인프라(vLLM 같은 추론 엔진), 그리고 모델 업데이트 관리라는 숙제가 따라와요. 그래서 '무조건 오픈 모델'이 답은 아니고, 우리 서비스의 보안 요건·트래픽·예산을 따져서 닫힌 API와 저울질하는 안목이 점점 중요해지고 있어요.

한 줄로 정리하면, GLM-5.2의 1위는 오픈 가중치 모델이 더는 '저렴한 대안'이 아니라 '진지한 선택지'가 됐다는 신호예요. 여러분은 사내에 직접 모델을 올려서 써본 경험이 있나요? 닫힌 API와 오픈 가중치, 어떤 기준으로 고르시는지 의견 나눠봐요.