벤치마크 1위 오픈 모델 Ox Alpha: 확인된 것과 모르는 것

벤치마크 상위권에 정체를 밝히지 않고 올라와 있던 모델의 주인이 밝혀졌습니다. 중국의 Z.ai가 만든 Ox Alpha이고, 2026년 8월 26일에 확인됐습니다. 가중치도 곧 공개한다고 했습니다. 다만 지금 확인되는 것과 아직 모르는 것을 나눠 봐야 합니다.

확인된 것

만든 곳은 Z.ai입니다. GLM 계열 모델로 알려진 곳입니다.
코딩과 오래 도는 작업을 겨냥해 만들었다고 밝혔습니다. 회사 표현으로는 “긴 호흡의 소프트웨어 작업, 복잡한 추론, 글과 화면을 같이 다루는 흐름”입니다.
가중치를 공개한다고 했고, 발표 다음 수요일로 예고됐습니다.

공개 발표에서 확인된 항목과 미공개 항목을 나눈 이미지 — 빈칸이 있는 발표입니다.

발표 당시 비어 있던 것

여기가 중요합니다. 8월 발표에는 빠진 것이 꽤 있었습니다. 아래 세 가지는 발표 당시 기준이고, 지금 공식 자료에서 확인되는 내용은 바로 뒤의 ‘그 뒤 공식 자료로 채워진 것’ 절에 따로 적었습니다.

어떤 벤치마크에서 얼마나 앞섰는지 — “상위권”이라는 표현만 있고 구체적인 점수 비교가 없습니다.
라이선스 — 가중치를 공개한다고 했지만 어떤 조건인지는 안 나왔습니다. 상업적으로 써도 되는지, 조건이 붙는지가 여기서 갈립니다.
지금 당장 쓸 수 있는지 — 공개 전까지 어디서 어떻게 시험해 볼 수 있는지도 명시되지 않았습니다.

‘가중치 공개’가 무슨 뜻인가

모델의 학습된 값들을 내려받을 수 있게 푼다는 뜻입니다. 그러면 남의 서버를 거치지 않고 내 컴퓨터나 내가 빌린 서버에서 돌릴 수 있습니다.

다만 공개된다고 아무나 쉽게 쓸 수 있는 건 아닙니다. 큰 모델은 돌리는 데 필요한 장비가 만만치 않습니다. 그래서 대개는 용량을 줄인 형태가 뒤따라 나오고, 그때부터 개인이 접근할 수 있게 됩니다.

그 뒤 공식 자료로 채워진 것

Z.ai 공식 문서는 이 모델이 GLM-5.3-Flash이고, 출시 전에 “ox-alpha”라는 이름으로 OpenCode와 OpenRouter에서 익명으로 시험됐다고 밝히고 있습니다. 문서에 따르면 시험 기간에 그 주에 가장 많이 쓰인 모델이 됐습니다. 8월 발표에서 비어 있던 항목은 아래처럼 채워져 있습니다.

발표 당시 빈칸	지금 공식 자료에 적힌 내용	출처
정체와 이름	ox-alpha는 GLM-5.3-Flash입니다. 모델 코드는 glm-5.3-flash와 glm-5.3-flashx입니다.	Z.ai 문서
규모	전체 320B, 실제로 켜지는 부분 18B(모델 카드의 메타 정보에는 321B 표기)	Z.ai 문서, 모델 카드
한 번에 다루는 양	입력 문맥 100만 토큰, 최대 출력 12만 8천 토큰	Z.ai 문서
넣을 수 있는 것	입력은 영상·이미지·글·파일, 출력은 글만	Z.ai 문서
라이선스	MIT로 표시되어 있습니다.	모델 카드
지금 쓸 수 있는지	Z.ai의 GLM Coding Plan에서 제공되고, 모델 카드에는 직접 내려받아 돌리는 방법이 적혀 있습니다.	Z.ai 문서, 모델 카드

다만 일반 API 요금표는 문서에서 확인되지 않았습니다. 문서에 적힌 금액은 외부 평가 지수 점수와 연결된 “작업당 0.045달러(할인가)” 한 가지뿐이라서, 쓰는 양에 따른 비용은 직접 계산할 수 없습니다.

성능 수치는 어떻게 읽나

모델 카드는 이 모델이 이전 세대인 GLM-5.2보다 전반적으로 낫고, 코딩·에이전트 벤치마크에서는 Claude Opus 4.8에 근접한다고 소개합니다. 카드에 나열된 수치로는 Terminal-Bench 2.1 84.3, DeepSWE 63.4 등이 있습니다. 그러나 이 점수는 모두 만든 회사가 올린 값입니다. 평가 조건은 각주에 따로 적혀 있어서(도구 사용 여부, 설정 등) 다른 모델의 점수와 나란히 놓으려면 같은 조건인지부터 봐야 합니다. 독립적으로 다시 잰 결과는 이번에 확인한 문서에서 찾지 못했습니다.

내 컴퓨터에서 돌릴 수 있을까

‘가중치 공개’가 곧 ‘누구나 돌릴 수 있다’는 뜻은 아니라고 위에서 말했습니다. 숫자로 보면 이유가 분명합니다. 모델 카드는 이 모델의 저장 형식이 BF16, F8_E4M3, F32가 섞인 safetensors이고 fp8로 표시되어 있다고 적었습니다. 모델 파일의 용량은 대략 “파라미터 수 × 값 하나당 바이트 수”로 어림할 수 있습니다. 아래는 그 단순 계산이고, 실제 실행에는 대화가 길어질수록 늘어나는 임시 메모리가 더 필요합니다.

값 하나의 크기	320B 기준 가중치만의 대략 용량	해석
16비트(2바이트)	약 640GB	일반 PC로는 불가능한 규모입니다.
8비트(1바이트)	약 320GB	fp8로 표시된 공식 형식이 이 수준에 가깝습니다.
4비트(0.5바이트)	약 160GB	용량을 줄인 형태라도 여전히 큽니다.

모델 카드는 실행 도구로 SGLang, vLLM, Transformers, KTransformers, Unsloth, Docker Model Runner 등을 안내하고, llama.cpp·Ollama·LM Studio 같은 앱용으로 용량을 줄인 변환본이 여럿 올라와 있다고 적었습니다. 서버를 직접 띄우는 경우 카드의 예시는 vllm serve "zai-org/GLM-5.3-Flash"이며, 이렇게 하면 OpenAI 호환 방식의 서버가 열린다고 합니다. 생각하는 정도는 reasoning_effort(low·high·max)로 정하고 기본값은 max입니다. 카드는 벤치마크를 재현하는 설정이 max이고, 일반 대화에서는 clear_thinking=true를 권한다고 설명합니다.

한편 Z.ai 문서에 따르면 이 모델은 생각하는 모드를 끌 수 없고, 스트리밍 출력·함수 호출·컨텍스트 캐싱·구조화된 출력(JSON 등)을 지원합니다. 내려받아 돌리기 어려운 사람은 이 쪽, 즉 회사가 제공하는 서비스를 쓰는 길이 현실적입니다.

상황별로 고르면

위 내용을 내 상황에 대 보면 선택지는 크게 세 갈래입니다. 아래는 공식 문서에 적힌 사실을 바탕으로 한 정리이고, 어느 쪽이 낫다는 평가는 아닙니다.

상황	선택지	미리 알아 둘 것
코딩 도구에서 바로 써 보고 싶다	Z.ai의 GLM Coding Plan에서 모델을 고릅니다.	문서에 따르면 GLM-5.3-Flash는 이 요금제에서 쓸 수 있고, 한가한 시간대 호출은 포인트가 절반만 차감됩니다. FlashX는 아직 이 요금제에서 쓸 수 없다고 적혀 있습니다.
내 서버에서 돌리고 싶다	가중치를 내려받아 vLLM이나 SGLang 등으로 실행합니다.	앞의 용량 계산처럼 장비 부담이 큽니다. 라이선스는 카드에 MIT로 표시되어 있으므로 저장소의 LICENSE 파일 본문까지 읽고 판단하세요.
내 노트북에서 가볍게 돌리고 싶다	용량을 줄인 변환본을 llama.cpp·Ollama·LM Studio 등에서 찾습니다.	변환본은 원 개발사와 다른 사람이 만든 것일 수 있어, 만든 곳과 원본 대비 품질 차이를 따로 봐야 합니다.

어느 쪽이든 먼저 내가 하는 일 세 가지로 시험해 보고 결정하는 편이 안전합니다. 순위표의 점수는 그 시험을 만든 쪽의 조건에서 나온 값이기 때문입니다. 예를 들어 사실 확인, 긴 글 요약, 자주 하는 형식의 코드 수정을 같은 문장으로 각 모델에 시키고, 결과와 걸린 시간을 나란히 적어 두면 내 일에 맞는 모델인지 훨씬 선명하게 보입니다. 이때 생각 정도(reasoning_effort) 같은 설정도 같이 적어 두어야 나중에 조건이 달라서 생긴 차이를 가려낼 수 있습니다.

새 모델 소식을 읽을 때

비슷한 발표가 자주 나옵니다. 저는 이 세 가지가 나왔는지부터 봅니다.

어떤 시험에서 무엇과 비교해 얼마나 — 숫자 없이 “최고”만 있으면 판단할 게 없습니다.
라이선스 조건 — 공개와 자유로운 사용은 다릅니다.
내 사양에서 돌아가는 크기가 있는지 — 없으면 남의 서버를 빌려야 합니다.

덧붙임

이 글은 8월 26일 전후에 나온 보도 내용으로 쓴 뒤, 2026년 10월 18일 기준 Z.ai 공식 문서와 Hugging Face 모델 카드의 내용으로 빈칸을 갱신한 것입니다. 성능 점수는 모두 만든 회사가 올린 값입니다. 가중치가 정확히 언제 풀렸는지는 이번에 참고한 공식 문서에서 날짜로 확인되지 않아 적지 않았습니다.

한 번 더 확인할 기준

벤치마크 1위라는 말은 그 시험의 규칙 안에서만 뜻이 있습니다. 문제 유형, 답을 채점하는 방식, 사용할 수 있었던 도구와 입력 길이가 실제 쓰는 일과 맞는지 확인해야 합니다.

확인할 것	왜 보는가	바로 해 볼 일
출처와 날짜	같은 말도 기준 시점이 다르면 뜻이 달라집니다.	원문과 마지막 갱신일을 함께 적습니다.
내 작업과의 거리	일반적인 설명이 내 상황에 그대로 맞지는 않습니다.	작은 예시 하나로 먼저 시험합니다.
되돌릴 방법	편리한 선택도 실수하면 비용이 생깁니다.	원본·설정·결과를 구분해 둡니다.

이 경우에는 이렇게 판단한다

비교할 때는 같은 프롬프트 세 개 정도로 직접 시험해 보세요. 사실 확인, 긴 글 요약, 내가 자주 하는 형식의 작업을 나눠 결과와 속도를 적으면 순위표보다 선택 근거가 선명해집니다.

업데이트

기능, 약관, 제공 범위와 수치는 바뀔 수 있으므로 실제 적용 전에는 아래 공식 자료의 최신 안내를 보세요. 이 글의 갱신 내용은 2026년 10월 18일 기준입니다.

확인 자료

Z.ai 문서: GLM-5.3-Flash (확인: 2026-10-18)
Hugging Face 모델 카드: zai-org/GLM-5.3-Flash (확인: 2026-10-18)