Open-source AI model GLM-5.1 with 754B parameters scores 58.4 on SWE-Bench Pro, surpassing GPT-5.4 through 8-hour autonomous coding on Huawei chips.

754B 오픈소스 AI, 8시간 코딩으로 GPT-5.4를 꺾은 중국의 역습

작성자:
💡 Key Takeaways

  • 중국 Z.ai의 GLM-5.1이 SWE-Bench Pro 58.4점으로 GPT-5.4(57.7)와 Claude Opus 4.6(57.3)을 동시에 제치고 오픈소스 AI 세계 1위에 올랐다.
  • 754B MoE 아키텍처에 화웨이 Ascend 910B 칩만으로 훈련 — 엔비디아 GPU 없이 달성한 최고 성능이다.
  • 8시간 연속 자율 코딩을 시연하며 리눅스 데스크톱 환경을 655회 반복만으로 완성했다.

58.4점. 실리콘밸리의 자존심이던 SWE-Bench Pro 리더보드 꼭대기에 오른 숫자입니다. 이번에 그 자리를 차지한 것은 GPT도, 클로드도 아닌 칭화대 스핀오프 Z.ai의 오픈소스 AI 모델 GLM-5.1입니다.

이 모델은 엔비디아 칩 단 한 개도 쓰지 않고, 화웨이 칩만으로 훈련되었습니다. 4월 7일 MIT 라이선스로 공개된 이 754B 파라미터 모델은 벤치마크 1위를 넘어, 8시간 동안 사람 개입 없이 혼자 코드를 짜고 수정하는 자율 코딩 시연까지 성공했습니다. DeepSeek V4에 이어 중국발 오픈소스 AI가 또 한 번 판을 흔들고 있습니다.

오픈소스 AI 뉴럴 네트워크 3D 렌더링 (AI-generated)
754B 파라미터 GLM-5.1이 오픈소스 AI 벤치마크 정상에 올랐다 — Generated by OpenAI DALL-E 3

SWE-Bench Pro 58.4점: GPT-5.4와 클로드를 동시에 꺾다

GLM-5.1은 소프트웨어 엔지니어링 벤치마크 SWE-Bench Pro에서 58.4점을 기록했습니다. GPT-5.4의 57.7점, Claude Opus 4.6의 57.3점, Gemini 3.1 Pro의 55.1점을 모두 넘어선 수치입니다. 오픈소스 모델 중 세계 1위이자, 프로프라이어터리 모델을 포함한 전체 순위에서도 3위에 올랐습니다.

SWE-Bench Pro는 실제 깃허브 리포지토리에서 추출한 버그를 자동으로 수정하는 능력을 측정합니다. 단순 코드 생성이 아니라 코드베이스 이해, 디버깅, 테스트 통과까지 요구하는 실전형 벤치마크입니다. 여기서 오픈소스 AI 모델이 독점 모델들을 앞선 것은 처음입니다.

코딩 능력만 측정한 것도 아닙니다. CyberGym 벤치마크에서는 68.7점을 기록하며 1,507개의 실전 사이버보안 태스크를 엔드투엔드로 수행했습니다. 다만 전체 코딩 역량 종합 평가에서는 Claude Opus 4.6의 약 94.6% 수준으로, 모든 영역에서 절대 우위를 점한 것은 아닙니다.

핵심: GLM-5.1은 SWE-Bench Pro에서 GPT-5.4를 0.7점, Claude Opus 4.6을 1.1점 차이로 앞섰다. 오픈소스 모델이 독점 모델을 코딩 벤치마크에서 꺾은 최초의 사례다.

754B MoE 아키텍처: 토큰당 40B만 활성화하는 효율성

GLM-5.1의 총 파라미터 수는 754B(7,540억)입니다. 하지만 MoE(Mixture of Experts, 여러 전문가 모듈 중 일부만 골라 쓰는 구조) 아키텍처 덕분에 토큰 하나를 처리할 때 실제로 활성화되는 파라미터는 40B에 불과합니다. 한마디로, 754B의 지식을 갖추되 40B의 비용으로 작동하는 구조입니다.

컨텍스트 윈도우(한 번에 처리할 수 있는 텍스트 길이)는 200K 토큰, 최대 출력은 128K 토큰입니다. 수만 줄 규모의 코드베이스를 한 번에 읽어 들이고, 방대한 수정 결과를 한 번에 출력할 수 있다는 뜻입니다.

내부적으로는 DeepSeek Sparse Attention(DSA) 메커니즘을 채택했습니다. 이는 같은 중국 AI 기업 DeepSeek에서 개발한 희소 어텐션 기법으로, 긴 시퀀스를 처리할 때 불필요한 연산을 줄여 효율성을 높입니다.

쉽게 말하면: MoE 구조는 대형 회의실에 다양한 분야의 전문가가 앉아 있는 것과 같습니다. 매번 전원이 발언하는 대신, 질문에 맞는 소수의 전문가만 나서서 답하는 방식입니다. 전체 역량은 유지하면서 비용과 속도를 동시에 잡은 셈입니다.
오픈소스 AI 칩 아키텍처 일러스트레이션
754B 파라미터 중 40B만 활성화하는 MoE 구조가 성능과 효율의 균형을 잡았다 — Photo by Igor Omilaev on Unsplash

8시간 자율 코딩: 리눅스 데스크톱을 혼자 만들다

GLM-5.1의 가장 충격적인 시연은 8시간 연속 자율 코딩이었습니다. Z.ai는 GLM-5.1에게 완전한 리눅스 데스크톱 환경을 처음부터 구축하라는 과제를 주었고, 모델은 사람 개입 없이 655회의 자율 반복을 수행하며 이를 완성했습니다.

여기서 핵심은 속도의 변화입니다. 4개월 전만 해도 GLM 시리즈가 사람 없이 수행할 수 있는 자율 단계는 약 20단계에 불과했습니다.

GLM-5.1은 이를 1,700단계까지 끌어올렸습니다. Z.ai 리더십은 “자율 작업 시간이 스케일링 법칙 이후 가장 중요한 곡선”이라고 밝혔습니다.

단순히 코드를 생성하는 데 그치지 않았습니다. 벡터 데이터베이스 쿼리 처리량을 초기 프로덕션 기준 대비 6.9배까지 최적화하는 성과도 함께 시연됐습니다. 계획(plan), 실행(execute), 테스트(test), 수정(fix), 최적화(optimize)를 하나의 루프로 돌리는 완전한 자율 엔지니어링 사이클을 증명한 셈입니다.

핵심: 자율 수행 단계가 4개월 만에 20 → 1,700으로 85배 증가했다. Z.ai는 이 ‘자율 작업 시간’을 AI 발전의 핵심 지표로 제시하고 있다.

화웨이 Ascend 910B: 엔비디아 없이 세계 1위를 찍다

GLM-5.1이 기술적 성과를 넘어 지정학적 의미를 갖는 이유가 여기에 있습니다. 이 모델은 화웨이 Ascend 910B 칩으로 100% 훈련되었습니다. 엔비디아 GPU는 단 하나도 사용되지 않았습니다.

미국의 반도체 수출 규제가 중국 AI 산업의 발목을 잡을 것이라는 전망이 지배적이었습니다. 그러나 GLM-5.1은 규제 대상인 고성능 GPU 없이도 SWE-Bench Pro에서 GPT-5.4를 앞설 수 있음을 증명했습니다. DeepSeek V4가 화웨이 칩으로 1조 파라미터 훈련에 성공한 것에 이어, 중국 독자 AI 인프라가 실전 경쟁력을 갖추었다는 두 번째 증거입니다.

이 결과가 규제 무력화를 의미하는 것은 아닙니다. 화웨이 칩의 절대 성능은 여전히 엔비디아 H100 대비 낮고, 동일 성능을 내기 위해 더 많은 칩과 전력이 필요할 수 있습니다. 하지만 “최종 산출물의 품질”이라는 기준에서는 격차가 사실상 사라졌습니다.

서버룸 인프라 케이블 네트워크
화웨이 Ascend 910B 칩만으로 세계 1위 벤치마크를 달성하며 중국 독자 AI 인프라의 경쟁력이 입증됐다 — Photo by Taylor Vick on Unsplash

$528억 칭화대 스핀오프: 세계 최초 AI 상장사의 도박

Z.ai(구 Zhipu AI, 智谱)는 칭화대학교 스핀오프로, 2026년 1월 8일 홍콩 증시에 상장했습니다. IPO를 통해 HKD 43.5억(약 $5.58억)을 조달했으며, 세계 최초의 AI 파운데이션 모델 상장사라는 타이틀을 얻었습니다. 시가총액은 약 $528억에 달합니다.

하지만 이 거대한 시가총액 뒤에는 적자가 있습니다. 2025년 순손실은 CNY 47억(약 $6.83억)이었습니다. 연간 7억 달러 가까이를 태우면서도 500억 달러 이상의 기업가치를 유지하는 구조는, 시장이 GLM 시리즈의 미래 수익성에 강하게 베팅하고 있다는 뜻입니다.

GLM-5.1 오픈소스 공개 당일, 시장은 즉각 반응했습니다. Z.ai 주가는 장중 19% 급등했고 종가 기준 15.92% 상승으로 마감했습니다. 이전 2025년 실적 발표 때도 35% 급등한 바 있어, 투자자들이 기술 성과를 곧바로 주가에 반영하는 패턴이 반복되고 있습니다.

MIT 라이선스 공개: 누구나 쓸 수 있는 754B 모델

GLM-5.1은 MIT 라이선스로 Hugging Face에 공개되었습니다. 상업적 사용, 수정, 재배포에 어떠한 제한이 없는 가장 허용적인 오픈소스 라이선스 중 하나입니다.

실용성 측면에서도 진입 장벽을 낮췄습니다. FP8 양자화(모델 정밀도를 낮춰 용량을 줄이는 기법) 버전을 함께 제공해 메모리 사용량을 약 50% 절감했습니다. Claude Code, OpenCode, Kilo Code 등 주요 AI 개발 환경과도 호환됩니다.

오픈소스 공개가 단순한 선의가 아닌 전략적 선택이라는 점도 주목할 필요가 있습니다. 개발자 생태계를 선점하면 API 유료 서비스로의 전환율이 높아지고, 커뮤니티 기여를 통해 모델 개선 비용까지 줄일 수 있습니다. AI 에너지 효율이 핵심 과제로 떠오른 시점에, 754B 모델을 누구나 로컬에서 돌릴 수 있게 만든 것은 생태계 확장의 핵심 무기입니다.

💡 함께 읽으면 좋은 글
$5.6M으로 1조 파라미터, DeepSeek V4가 엔비디아 없이 AI를 바꾼다

가격 인상과 흑자 딜레마: 오픈소스의 수익 방정식

오픈소스로 모델을 풀면서 동시에 API 가격을 올리는 것은 모순처럼 보입니다. 하지만 Z.ai는 GLM-5.1 출시와 함께 API 가격을 8~17% 인상했습니다. 2026년 들어 두 번째 인상이며, 현재 입력 토큰 기준 $1.40/M, 출력 토큰 $4.40/M입니다.

CEO 장펑은 “클라우드 모델 사업에서 기하급수적 성장을 기대한다”고 밝혔습니다. 가격 인상의 배경으로 “시장 수요의 지속적인 강세와 사용자 규모의 급격한 증가”를 들었습니다.

이는 Z.ai만의 현상이 아닙니다. 알리바바와 텐센트를 포함한 중국 AI 업계 전반에서 서비스 가격 인상이 진행되고 있습니다.

연간 $6.83억의 적자를 내면서 가격을 올리는 전략은 명확합니다. 오픈소스로 개발자를 끌어모으고, API로 수익을 거두는 이중 구조입니다. 이 방정식이 실제로 흑자로 이어질지는 다음 분기 실적이 말해줄 것입니다.

💡 함께 읽으면 좋은 글
Q1 2026 글로벌 AI 벤처 투자 $300B 사상 최대 기록과 버블 경고
핵심: 오픈소스 공개와 API 가격 인상을 동시에 실행 — 개발자 생태계 확보와 수익화를 동시에 추구하는 전략이다.

GLM-5.1은 하나의 모델이 아니라 세 가지 질문에 대한 답입니다. 오픈소스가 독점 모델을 이길 수 있는가, 화웨이 칩으로 세계 최고 성능을 낼 수 있는가, AI가 사람 없이 8시간 동안 일할 수 있는가. 세 질문 모두에 대해 GLM-5.1은 “그렇다”고 답했습니다.

SWE-Bench Pro의 0.7점 차이가 실리콘밸리의 기술 우위를 뒤집지는 않습니다. 하지만 오픈소스 + 자국산 칩 + 8시간 자율 실행이라는 조합은 AI 경쟁의 판도를 바꿀 수 있는 변수입니다. Z.ai의 다음 분기 실적과 GLM-5.1의 실제 기업 도입 사례가 이 변수의 무게를 결정할 핵심 지표입니다.

참고 자료

트렌드를 먼저 읽는 사람들

AI, 테크, 경제의 핵심 인사이트를 한국어와 영어로 동시에 제공합니다.

더 많은 글 보기