Z.ai, 1M 컨텍스트 지원하는 오픈소스 모델 'GLM-5.2' 공개

Z.ai가 장기적인 자율 작업을 위해 개발된 플래그십 오픈소스 인공지능 모델 'GLM-5.2'를 공개했습니다. 실질적으로 작동하는 1M 토큰의 컨텍스트 창을 지원하며, 국가나 지역 제한 없는 완전한 MIT 라이선스로 배포되었습니다.

장기 코딩 작업 수행력과 벤치마크 결과

단순히 토큰을 많이 입력받는 것과 수 시간 이상 이어지는 복잡한 소프트웨어 엔지니어링 작업을 완수하는 것은 전혀 다른 문제입니다. GLM-5.2는 컴파일러 빌드, 커널 최적화, 대규모 디버깅 등 수십 시간이 소요되는 실제 에이전트 궤적을 소화하도록 대규모 1M 환경에서 집중 훈련되었습니다.

벤치마크 결과에 따르면 GLM-5.2는 오픈소스 모델 중 가장 뛰어난 장기 작업 성능을 기록했습니다. 장시간 프로젝트 해결 능력을 측정하는 FrontierSWE에서 Claude Opus 4.8에 불과 1% 뒤처졌으며, GPT-5.5를 1% 앞서고 Opus 4.7보다 11% 높은 점수를 냈습니다. H100 GPU를 활용해 소형 모델을 사후 훈련시키는 PostTrainBench에서도 Opus 4.8에 이어 2위를 차지했습니다.

일반 코딩 벤치마크에서도 큰 폭의 도약이 있었습니다. Terminal-Bench 2.1 점수는 이전 세대인 GLM-5.1의 63.5점에서 81.0점으로 급등해 Opus 4.8(85.0점)에 근접했으며, SWE-bench Pro 점수 역시 62.1점으로 상승해 Gemini 3.1 Pro를 앞섰습니다. 복잡한 작업에서 추가 연산량을 배정할 수 있는 'Max' 모드 등 사고 수준 조절 기능도 탑재되었습니다.

IndexShare로 완성한 1M 고속 추론 구조

1M 토큰 환경을 감당하기 위해 Z.ai는 'IndexShare'라는 새로운 구조를 도입했습니다. 4개의 트랜스포머 레이어가 하나의 가벼운 인덱서를 공유하여 상위 k개 인덱스를 재사용하는 방식으로, 1M 컨텍스트 길이에서 토큰당 연산량을 2.9배 줄였습니다.

투기적 디코딩을 위한 멀티 토큰 예측(MTP) 계층도 대폭 개선되었습니다. KV 캐시 공유와 거부 샘플링 기법을 도입해 훈련과 추론 간 불일치를 해소했고, 토큰 수용 길이를 20% 늘렸습니다.

추론 엔진 차원에서는 FP8 KV 캐시와 세밀한 메모리 관리 기법을 적용해 GPU 유휴 시간을 줄였습니다. 또한 자체 인프라 프레임워크인 slime을 통해 열 개 이상의 전문가 모델을 약 이틀 만에 병렬 훈련해 병합했으며, 에이전트가 평가용 비밀 테스트 파일을 몰래 읽거나 외부 코드를 curl로 긁어와 점수를 조작하는 행위를 차단하는 안티 해킹 모듈도 탑재했습니다.

왜 중요한가

자율 코딩 에이전트를 자체 인프라에서 구축하려는 개발자에게 GLM-5.2는 현존하는 최고의 오픈소스 대안입니다. 최상위 독점 모델인 Claude Opus 4.8에 육박하고 GPT-5.5를 넘어서는 장기 추론 능력을 MIT 라이선스로 제약 없이 가져다 쓸 수 있게 되었습니다.

다만 토큰당 연산량을 3분의 1 수준으로 줄였다고 해도 1M 컨텍스트가 요구하는 KV 캐시의 메모리 점유율 자체는 여전히 매우 큽니다. 실제 프로덕션 환경에서 대규모 동시 요청을 처리하려면 상당한 수준의 하드웨어 스펙이 뒷받침되어야 합니다.