무검열 GLM API: 토큰당 최고의 가성비

"가장 싼 모델" 비교는 대개 정직하지 않습니다. 싼 선택지가 보통은 대형 모델의 마케팅을 걸친 소형 모델이기 때문입니다. 여기서 벌어지는 일은 그것이 아닙니다. GLM-5.2는 지금까지 공개된 가장 큰 공개 가중치 파운데이션 중 하나이며, 입력 $0.73 / 출력 $2.34는 우리 카탈로그 최저가보다 한 칸 위일 뿐인데도 그 최저가로 보통 살 수 있는 것보다 몇 배 큰 파운데이션을 담고 있습니다. 큰 모델을 바닥에 가까운 가격에 — 그 간극이 이 페이지가 존재하는 이유입니다.

01GLM의 출발점: 칭화대, 빈칸 채우기, 그리고 에이전트로의 급선회

GLM은 Llama 파생 모델에 상표만 바꿔 붙인 것이 아닙니다. 자체 사전학습 목적함수를 가진 몇 안 되는 모델 제품군이며, 같은 연구 그룹이 5년째 이어 다듬어 왔습니다. 이름은 General Language Model의 약자이고, 시초가 된 논문 GLM: General Language Model Pretraining with Autoregressive Blank Infilling(ACL 2022)은 BERT의 마스크 언어 모델링과 GPT의 엄격한 좌→우 자기회귀 옆에 제3의 선택지를 제안했습니다. GLM은 연속된 구간을 빈칸으로 만들고 그것을 뒤섞인 순서로 자기회귀적으로 복원하며, 2차원 위치 인코딩으로 손상된 문서 안에서의 토큰 위치와 채워지는 구간 안에서의 위치를 함께 추적합니다. 하나의 아키텍처가 이해와 생성을 똑같이 잘 처리하는 셈입니다.

그 뒤에 있던 그룹은 칭화대학교의 Knowledge Engineering Group으로, 지금은 Z.ai(이전 이름 Zhipu AI)로 알려진 회사를 분사시켰습니다. 첫 대표작은 2022년 10월의 GLM-130B였습니다. 1,300억 파라미터의 영어·중국어 이중언어 밀집 모델이었고, 발표 시점에 가중치와 코드가 공개되었습니다. 이후로 공개 릴리스가 이 집안의 방식이 되었습니다.

MoE 시대, 그리고 에이전트로의 전환

개별 릴리스보다 관통하는 흐름이 더 중요합니다. GLM-4.5 이후 모든 버전은 같은 목표에 최적화되어 왔습니다. 수십 번의 툴 호출을 거치면서도 일관성을 유지하는 것입니다. 단일 턴 벤치마크 점수를 극대화하는 것과는 다른 목표이며, 결과는 형식이 깨진 툴 인자의 감소, 긴 계획에서의 표류 감소, 그리고 에이전트 프레임워크를 비싸게 만드는 "14번째 턴에서 자신만만하게 작업을 처음부터 다시 시작하는" 행동의 감소로 나타납니다.

02GLM-5.2는 무엇이며, 어떻게 측정되었는가

Z.ai는 GLM-5 저장소에 GLM-5.2의 벤치마크 수치를 공개합니다. 그중 둘은 잡학 암기가 아니라 실제 에이전트 작업에 대응합니다.

Terminal-Bench 2.1 — 장기 지평 커맨드라인 에이전트 과제. Z.ai 보고 수치.

SWE-bench Pro — 실제 저장소의 이슈 해결. Z.ai 보고 수치이며, 같은 테스트에서 GLM-5.1은 58.4를 기록했습니다.

이는 우리 수치가 아니라 연구소의 수치이며, 비압축 파운데이션을 설명합니다. 여러분이 다루는 모델의 급을 알려 줄 뿐, 보증서는 아닙니다.

벤치마크보다 값진 데이터 포인트가 하나 있습니다. 모델을 치켜세울 유인이 없는 평가자에게서 나왔기 때문입니다. 2026년 7월 미국 국립표준기술연구소(NIST)의 AI 표준·혁신 센터는 GLM-5.2를 평가하고, 출시 시점 기준으로 구할 수 있는 공개 가중치 AI 모델 중 아마 가장 유능한 모델이며 전반적 능력은 GPT-5.2에, 사이버 능력은 Claude Opus 4.6에 견줄 만하다고 결론지었습니다. 같은 평가는 GLM-5.2가 미국 기준 모델들보다 민감한 요청을 덜 차단한다는 점, 그리고 공개 가중치에 구워 넣은 안전장치는 그 가중치를 직접 호스팅하는 순간 우회될 수 있다는 점도 함께 관찰했습니다. 05절에서 이 이야기로 돌아옵니다.

03"3BIT-REAP"의 의미, 그리고 그 대가

REAP: 전문가를 병합하지 않고 잘라내기

744B 파라미터 MoE 모델은 레이어마다 전문가 256개를 두고, 주어진 토큰에서는 그중 8개가 발화합니다. 라우터는 일을 고르게 나누지 않습니다. 어떤 전문가는 끊임없이 호출되고, 긴 꼬리 쪽은 드물게 호출되며 호출되더라도 기여가 적습니다. Cerebras Research가 내놓고 ICLR 2026에 채택된 REAP(Router-weighted Expert Activation Pruning)은 이 점을 활용합니다. 라우터가 얼마나 강하게, 얼마나 자주 게이팅하는가와 출력 기여의 크기를 결합한 중요도 기준으로 전문가마다 점수를 매긴 다음, 낮은 쪽을 영구히 삭제합니다.

흥미로운 부분은 REAP이 이기는 비교 대상입니다. 전문가를 버리는 대신 살아남은 전문가에 병합하는 것이 뻔한 대안이고, 더 안전해 보입니다. 20B에서 1T 파라미터에 이르는 MoE 모델들을 대상으로 한 논문의 결론은, 생성 작업에서는 병합이 오히려 더 나쁘다는 것, 그리고 프루닝은 놀라울 만큼 잘 버틴다는 것입니다. Qwen3-Coder-480B와 Kimi-K2를 포함한 파운데이션에서 전문가를 절반 제거한 뒤에도 코드 생성과 툴 호출 벤치마크는 사실상 무손실이었습니다. 존재 이유가 에이전틱 엔지니어링인 모델에서 코드와 툴 호출이 온전히 살아남는 것은 정확히 우리가 지키고 싶은 부분입니다.

3비트 가중치, 그리고 정직한 트레이드오프

프루닝 위에 더해, 살아남은 가중치는 3비트로 저장됩니다. 카탈로그 다른 곳의 W4A16-AUTOROUND-REAP이나 W8A16 티어보다 공격적이며, 가장 큰 파운데이션에만 씁니다. 3/4조 파라미터 모델을 서빙 노드에 올리고 쓸 만한 속도로 토큰을 흘려보낼 다른 방법이 없기 때문입니다.

압축은 공짜가 아닙니다. 올바른 직관은 이렇습니다. 프루닝과 양자화는 긴 꼬리부터 깎아 냅니다. 자주 쓰이는 조밀한 행동 — 지시 수행, 코드 구조, 툴 호출 형식, 다단계 계획 — 은 잘 살아남으며, REAP 결과가 보여 주는 바가 정확히 그것입니다. 비압축 GLM-5.2와의 차이를 예상해야 할 곳은 희귀한 사실 암기, 소수 언어, 틈새 분야의 잡지식입니다. 워크로드가 "특이한 사실을 정확히 알고 있을 것"이라면 더 높은 충실도 티어에 값을 치르세요. "마흔 번의 툴 호출에 걸친 계획을 탈선 없이 수행할 것"이라면, 이 기법이 겨냥한 티어가 바로 이것입니다.

04가성비 논거: 저렴한 무검열 LLM API를 굴리는 데 드는 실제 비용

Z.ai가 공개한 GLM-5.2 API 정가는 입력 100만 토큰당 $1.40, 출력 100만 토큰당 $4.40입니다. 같은 파운데이션에 대한 우리 가격은 $0.73 / $2.34로, 입력은 약 48%, 출력은 약 47% 저렴합니다. 그 할인이 압축이 사 준 것이고, 여기에 1차 제공자에게서는 어떤 값을 치러도 살 수 없는 것이 하나 더 붙습니다. 거절 레이어가 없다는 점입니다.

우리 카탈로그 안에서는 혼합 단가가 중요한 숫자입니다. 아래는 입력:출력 3:1 기준이며, 실무에서 툴 호출 에이전트가 대략 이런 모습입니다. 컨텍스트와 툴 결과가 잔뜩 들어가고, 나오는 토큰은 상대적으로 적습니다.

모델	입력 / 1M	출력 / 1M	혼합 3:1	비전
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	$1.13	없음
Nemotron3Ultra · 3BIT-REAP	$0.75	$3.30	$1.39	없음
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	$1.50	있음
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	$2.44	없음
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	$2.58	있음
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	$7.65	있음

여섯 모델이 $0.50 / $2.00 최저선에 있습니다 — MiniMax-M3, DeepSeek-V4-Flash, Laguna-S-2.1, MiMo-V2.5, MiMo-V2.5-Pro, Hy3 — 혼합 단가로는 $0.875입니다. GLM-5.2는 그 최저선보다 29% 위이며, 그 대가로 에이전트 행동에 꾸준히 투자해 온 744B급 파운데이션을 얻습니다. 그보다 비싼 것은 전부 혼합 단가가 최소 23% 더 들고, Kimi-K3는 6.8배입니다. 가성비 논거는 한 줄로 끝납니다. 최상급 에이전트 파운데이션을 카탈로그에서 가장 싸게 사는 자리라는 것입니다.

작업량으로 환산하면

• 컨텍스트 한 번 가득 채우기 — 입력 262,144 토큰: $0.19. 대형 저장소 전체를 20센트 미만으로 윈도우에 읽어들입니다.
• 최대 길이 응답 하나 — 출력 16,384 토큰: $0.038.
• 에이전트 턴 하나 — 입력 20K, 출력 2K: $0.019. 같은 턴이 Kimi-K3에서는 $0.115, DeepSeek-V4-Pro에서는 $0.047입니다.
• 에이전트 턴 100회: $1.93. 카탈로그에서 가장 비싼 모델에서는 $11.48입니다.

에이전트 워크로드는 입력이 무겁고, GLM의 이점은 정확히 그 지점에서 가장 큽니다. 입력 가격이 Kimi-K3보다 5.2배, DeepSeek-V4-Pro보다 2.7배 낮습니다. 여러분의 에이전트가 매 턴 불어나는 대화를 다시 보낸다면 — 거의 모든 에이전트가 그렇게 합니다 — 그 배수가 청구서에 그대로 찍힙니다.

05이 엔드포인트에서 "무검열"이 뜻하는 것

정확히 두 가지입니다. 거절 레이어 없음 — 어떤 요청을 모델이 볼 수 있는지 결정하는 분류기도, 프롬프트가 도착하기 전에 그것을 고쳐 쓰는 정책 모델도 없습니다 — 그리고 출력 필터링 없음, 즉 모델이 만들어 낸 토큰이 곧 여러분이 받는 토큰이며 가려지거나 바뀌지 않습니다.

이는 "완화" 모드나 "개발자" 모드를 내세우는 상용 API와는 다른 제안입니다. 그런 서비스는 여전히 트래픽을 공급업체의 정책 스택으로 통과시킵니다. 바뀌는 것은 임계값이지 게이트의 존재 여부가 아닙니다. 여기에는 조정할 게이트가 없습니다. 모델은 자체 GPU 클러스터에서 돌고, 그 동작은 곧 파운데이션의 동작입니다. 02절의 NIST CAISI 결론을 경고가 아니라 기술적 진술로 읽으면 이 제품이 설명됩니다. 정렬이 가중치 안에 살아 있고 외부 정책 레이어 없이 제공되는 모델은, 그 가중치대로 행동합니다.

에이전트에서 이것이 특히 중요한 이유

거절은 보통 콘텐츠 문제로 논의됩니다. 에이전트 작업에서는 대체로 신뢰성 문제입니다. 40턴짜리 실행의 31번째 턴에서 나온 거절은 읽고 넘어가는 정중한 사양이 아닙니다. 형식이 깨진 한 단계이고, 어떻게 진행할지 모르는 오케스트레이터이며, 무너진 계획이고, 아무 성과 없이 소모된 30턴 분량의 토큰입니다. 보안 연구, 악성코드 분석, 침투 테스트, 레드팀 훈련, 성인 픽션, 의료·법률 초안 작성, 안전 학습용 데이터셋 생성이 이 문제에 끊임없이 부딪히며, 실패가 늦게 도착하기 때문에 정확히 그만큼 비쌉니다.

뒤집어 말하면 정책 레이어가 이제 여러분의 것이라는 뜻입니다. Shannon AI 게이트웨이 사용은 우리 책임 있는 사용 정책의 적용을 받습니다. 공급업체의 판단을 루프에서 걷어낸다는 것은 여러분의 판단을 대신 넣는다는 뜻입니다.

06엔드포인트가 실제로 제공하는 것

기능	GLM-5.2 · 3BIT-REAP
모델 ID	GLM-5.2-3BIT-REAP
컨텍스트 윈도우	262,144 토큰
요청당 최대 출력	16,384 토큰
스트리밍	지원
툴 호출	지원
추론 / reasoning_effort	지원
JSON 스키마 (json_schema)	지원
response_format	지원
비전 / 이미지 입력	없음 — 텍스트 전용
거절 레이어 / 출력 필터링	없음

무언가를 만들기 전에 비전 행을 꼼꼼히 읽으세요. 우리 게이트웨이에서 GLM-5.2는 텍스트 전용입니다. 이미지 입력이 필요하다면 카탈로그에 비전 지원 선택지가 다섯 개 있습니다 — $0.50 / $2.00 최저선의 MiniMax-M3와 MiMo-V2.5, $0.78 / $3.67의 Kimi-K2.6, $1.42 / $6.07의 inkling, $3.83 / $19.12의 Kimi-K3입니다. 이미지 이해는 MiniMax-M3로, 나머지는 전부 GLM-5.2로 라우팅하는 것이 합리적인 패턴이며, 모델 문자열 하나 외에는 비용이 들지 않습니다.

세 방언, 하나의 모델

같은 모델을 세 가지 요청 형식으로 호출할 수 있고, 전부 스트리밍을 지원합니다. /v1/chat/completions(OpenAI 방언), /v1/messages(Anthropic 방언), 그리고 /v1/responses입니다. 그 사이에 모델이 달라지는 것은 없습니다. 여러분의 SDK가 이미 쓰는 방언을 고르면, 대개 베이스 URL 한 줄만 바꿔도 바로 돌아갑니다.

# OpenAI dialect — point your existing client at the gateway
from openai import OpenAI

client = OpenAI(
    base_url="https://api.shannon-ai.com/v1",
    api_key="sk-...",
)

resp = client.chat.completions.create(
    model="GLM-5.2-3BIT-REAP",
    messages=[{"role": "user", "content": "..."}],
    tools=tools,                 # tool calling supported
    reasoning_effort="medium", # low | medium | high
    stream=True,
)

세 방언 전부의 요청·응답 스키마, 툴 호출 형식, 스트리밍 이벤트 형태, 그리고 인터랙티브 플레이그라운드는 Shannon AI API 문서에 있습니다.

07GLM-5.2를 고를 때와 고르지 말아야 할 때

이럴 때 고르세요

• 에이전트를 돌릴 때. 긴 툴 호출 루프는 이 계보가 만들어지고 거듭 후처리 학습된 목적 그 자체이며, 입력 가격 덕분에 매 턴 불어나는 대화를 다시 보내는 것이 부담스럽지 않습니다.
• 큰 코드베이스를 다룰 때. 262K 컨텍스트, 안정적인 툴 호출 형식, 그리고 윈도우 전체를 읽는 데 $0.19.
• 물량이 제약일 때. 분류, 추출, 합성 데이터 생성, 대량 재작성 — 호출당 비용에 큰 수를 곱한 값이 프로젝트의 성립 여부를 가르는 모든 작업.
• 거절이 파이프라인을 깨뜨릴 때. 보안 연구, 적대적 테스트, 무검열 픽션, 민감한 초안 작성 — 여기에는 그 실패 양상이 없습니다.

이럴 때는 다른 것을 고르세요

• 비전이 필요할 때. 텍스트 전용입니다. 위의 비전 지원 선택지를 참고하세요.
• 가장 깊은 단일 턴 추론이 필요할 때. 가장 어려운 원샷 분석 문제에는 혼합 단가 2.2배의 더 무거운 도구인 DeepSeek-V4-Pro-0813 · 3BIT-REAP이 있습니다. 상한이 제약인 호출에서는 그쪽이 맞는 거래입니다.
• 희귀 지식에 최대 충실도가 필요할 때. W8A16 티어 — MiMo-V2.5-Pro와 Hy3 — 는 압축이 훨씬 덜 공격적이며, 더 작은 파운데이션 위에서 $0.50 / $2.00 최저선에 있습니다.

GLM-5.2 벤치마크 수치(Terminal-Bench 2.1, SWE-bench Pro)는 Z.ai가 비압축 파운데이션에 대해 보고한 값이며, 독립적인 재현은 아직 이루어지지 않았습니다. Claude Opus 4.8과 GPT-5.5 수치는 참고용으로만 표시했습니다. 1차 제공자 GLM-5.2 API 정가는 2026년 9월 Z.ai가 공개한 값입니다.

08자주 묻는 질문

---

출처: Z.ai GLM-5 저장소 · Du et al., GLM: General Language Model Pretraining with Autoregressive Blank Infilling, ACL 2022 · Zeng et al., GLM-130B: An Open Bilingual Pre-trained Model · Lasby et al., REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression, ICLR 2026 · NIST CAISI Assessment of Z.ai's GLM-5.2, 2026년 7월. 파운데이션 벤치마크 점수는 연구소가 보고한 잠정 수치이며, 이 압축 빌드가 아니라 비압축 GLM-5.2를 설명합니다. 가격, 컨텍스트, 기능 수치는 2026년 9월 5일 기준 Shannon AI 카탈로그 값입니다.