GLM-5.3: 포스트 트레이닝만으로 코딩 성능 50% 끌어올린 오픈소스 모델 (z.ai)

한줄 요약

기반 모델은 그대로, 포스트 트레이닝 스케일링만으로 오픈소스 코딩 성능을 50% 끌어올린 GLM-5.3이 공개됐다.

무엇이 달라졌나?

GLM-5.3은 GLM-5.2와 동일한 기반 모델을 사용한다. 달라진 건 포스트 트레이닝의 규모와 방식이다. 이전 버전에서 구축한 IndexShare(장문 컨텍스트 처리), SAO(장기 과제용 강화학습), slime(대규모 비동기 학습) 스택 위에서 환경의 다양성과 컴퓨팅 규모를 집중적으로 확장했다.

성능 변화를 벤치마크로 보면 격차가 뚜렷하다. Terminal Bench 3.0에서 GLM-5.2의 4.6점에서 GLM-5.3은 28.3점으로 뛰었다. DeepSWE v1.1에서는 46.2에서 66.9로 올랐고, Agents' Last Exam(ALE-CLI)에서는 23.8에서 28.5를 기록했다. CyberGym 취약점 탐지 벤치마크에서는 84.5%로 비교 모델 중 최고점을 찍었다.

주목할 부분은 사이버 취약점 분석 능력이 예상보다 빠르게 발전했다는 점이다. 개발팀은 취약점 탐지 데이터를 학습에 추가했을 때 단순 식별 능력 향상을 기대했는데, 실제로는 다단계 익스플로잇 체인 전체를 계획하고 실행하는 능력이 함께 출현했다고 밝혔다. ExploitBench에서는 24.4에서 54.4로 두 배 이상 뛰어올랐다.

오픈소스 가중치는 안전성 평가 및 강화 작업을 마친 뒤 출시 2주 후 공개할 계획이다.

실무에서 어떤 의미인가?

이번 사례가 흥미로운 이유는 '어떻게 성능을 올렸는가'에 있다. 더 큰 모델을 만들거나 사전 학습 데이터를 늘린 게 아니다. 모델이 훈련하는 '환경'을 실제 업무에 가깝게 설계하고, 그 환경의 수를 자동으로 늘리는 파이프라인을 구축한 게 핵심이다.

GLM-5.3의 훈련 환경 중 일부는 숙련된 엔지니어가 며칠을 투입해야 할 수준의 작업이다. ML 인프라 태스크를 예로 들면, 모델은 컴퓨팅 클러스터와 내부 코드베이스에 직접 접근해 병목을 진단하고 최적화를 구현하며 실험까지 수행한다. 단순 코드 작성 연습이 아니라 업무 단위 전체를 끝내는 훈련이다.

이 접근법은 개발 외주나 소프트웨어 개발 프로젝트 실무에 직접적인 함의를 가진다. AI 코딩 보조 도구의 품질이 '코드 조각 생성'에서 '전체 태스크 수행'으로 이동하고 있다는 신호이기 때문이다. 지금까지는 AI가 함수 단위 코드를 제안하면 개발자가 구조를 잡고 통합했다면, 이 방향이 계속되면 AI가 독립적으로 처리할 수 있는 범위가 점점 넓어진다.

내부 벤치마크인 Z.ai Code Bench 결과도 주목할 만하다. Max 노력 수준에서 GLM-5.3은 약 7만 5천 토큰을 사용해 34.5% 완료율을 기록했다. 같은 노력 수준에서 GLM-5.2는 9만 6천 토큰을 쓰고도 23.4%에 머물렀다. 성능이 오르면서 토큰 효율도 함께 올랐다.

도입 전 체크포인트

GLM-5.3을 실무에 적용하거나 비교 검토할 때 짚어야 할 지점들이 있다.

가중치 공개 시점 확인이 필요하다. 블로그 발표 기준으로 안전성 평가 완료 후 2주 내 공개 예정이며, 아직 즉시 활용 가능한 상태는 아니다.

사이버 보안 능력의 이중성을 인식해야 한다. 취약점 탐지와 익스플로잇 추론 능력이 동시에 향상됐다는 점은 방어적 보안 업무에는 유용하지만, 그만큼 안전한 사용 환경 구성이 전제돼야 한다.

벤치마크 맥락을 함께 봐야 한다. Terminal Bench 3.0 기준으로 Claude Fable 5(33.7점)와 GPT-5.6 Sol(34.6점)이 GLM-5.3(28.3점)보다 높다. Z.ai Code Bench의 Max 노력 수준 완료율도 Claude Fable 5의 39.5%보다 낮다. 오픈소스 모델 중 최고 수준이지만, 최상위 클로즈드 모델과의 격차는 여전히 존재한다.

환경 합성 파이프라인은 아직 인간 개입이 필요하다. 개발팀 스스로 환경 생성과 검증의 자동화를 다음 과제로 꼽았다. 이 방법론이 더 성숙하면 성능 향상 속도가 다시 빨라질 가능성이 있다.