중국 AI 기업 지푸AI(Zhipu AI)가 최근 공개한 플래그십 모델 GLM-5.2가 미국 개발자 커뮤니티에서 주목을 받고 있습니다. 오픈웨이트(open-weight) 방식으로 제공되면서도 코딩 성능에서 폐쇄형 모델에 버금가는 결과를 내고 있기 때문입니다. 이 글에서는 Zcode를 중심으로 GLM-5.2를 직접 경험하는 방법과 모델의 장단점을 살펴보겠습니다.
GLM-5.2란?
GLM-5.2는 Z.ai(지푸AI)의 최신 플래그십 모델로, 장기간(long-horizon) 소프트웨어 엔지니어링 과제를 염두에 두고 설계되었습니다. 2026년 2월 GLM-5, 4월 GLM-5.1에 이어 6월 13일 GLM Coding Plan 구독자에게 먼저 공개되었고, 6월 17일 Hugging Face에 전체 가중치가 MIT 라이선스로 풀렸습니다. 핵심 스펙은 다음과 같습니다.
| 항목 | 사양 |
|---|---|
| 컨텍스트 길이 | 1M 토큰 (1,048,576 토큰) |
| 최대 출력 토큰 | 128K |
| 파라미터 | 약 753B (MoE 구조, 토큰당 약 40B 활성) |
| 라이선스 | MIT 오픈소스 |
| 지원 언어 | 영어, 중국어 |
GLM-5.2는 IndexShare라는 새로운 희소(sparse) 어텐션 기법을 도입해 1M 컨텍스트 길이에서도 토큰당 연산량을 기존 방식의 약 1/3 수준으로 줄였으며, MTP 레이어를 개선해 speculative decoding 수용 길이를 최대 20% 늘렸습니다.
벤치마크 성능도 인상적입니다. Terminal-Bench 2.1에서 81.0점을 기록해 GLM-5.1(63.5) 대비 큰 폭으로 향상했고, SWE-bench Pro에서는 62.1점을 달성했습니다. Code Arena에서는 1595점으로 전체 2위, 글로벌 사용 가능 모델 중 1위를 기록했습니다. 다만 이들 수치는 상당수가 벤더(Z.ai) 자체 측정값이며 아직 독립 검증이 완료되지 않았다는 점은 감안해야 합니다.
Getting Started: GLM-5.2 시작하기
GLM-5.2를 사용하는 방법은 크게 Zcode(공식 데스크톱 앱), API 직접 호출, 서드파티 코딩 도구 연동 세 가지가 있습니다.
1. Zcode 설치 및 실행
Zcode는 Z.ai가 제공하는 공식 데스크톱 애플리케이션으로, GLM-5.2를 가장 쉽게 경험할 수 있는 방법입니다.
① Zcode 다운로드공식 사이트(zcode.z.ai)에서 macOS, Windows, Linux용 설치파일을 내려받습니다.② 회원가입 및 API 키 발급z.ai에 가입한 후 대시보드에서 API 키를 생성합니다. 코딩 전용 사용을 원한다면 GLM Coding Plan을 구독하는 것이 좋습니다. Lite(약 $18/월), Pro, Max, Team 등 다양한 요금제가 있습니다.③ Zcode 실행 및 모델 선택
Zcode에 로그인한 후 모델 선택 화면에서 GLM-5.2를 선택하면 바로 사용할 수 있습니다.
2. API로 직접 호출하기
프로그래밍 방식으로 GLM-5.2를 활용하려면 OpenAI 호환 API를 사용할 수 있습니다.
엔드포인트 정보:
| 설정 | 값 |
|---|---|
| Chat completions 엔드포인트 | https://api.z.ai/api/paas/v4/chat/completions |
| SDK용 Base URL | https://api.z.ai/api/paas/v4/ |
| 모델 ID | glm-5.2 |
| 인증 | Authorization: Bearer $ZAI_API_KEY |
cURL 예제:
curl https://api.z.ai/api/paas/v4/chat/completions \
-H "Authorization: Bearer $ZAI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5.2",
"messages": [{"role": "user", "content": "Hello, GLM-5.2!"}]
}'
Python 예제:
import openai
client = openai.OpenAI(
base_url="https://api.z.ai/api/paas/v4/",
api_key="YOUR_API_KEY"
)
response = client.chat.completions.create(
model="glm-5.2",
messages=[{"role": "user", "content": "Write a Python function to reverse a linked list"}]
)
print(response.choices[0].message.content)
3. Claude Code, Cline, Cursor 등 연동
GLM-5.2는 개발자들이 이미 사용하는 코딩 도구들과도 쉽게 연동됩니다.
Claude Code 설정:
export ANTHROPIC_BASE_URL="https://api.z.ai/api/anthropic"
export ANTHROPIC_API_KEY="your-glm-coding-plan-key"
# settings.json에서 모델 ID를 glm-5.2[1m]로 설정
OpenAI 호환 도구(Cline, OpenCode 등) 설정:
Base URL: https://api.z.ai/api/paas/v4/
Model ID: glm-5.2
API Key: your-api-key
GLM-5.2 사용법: 실전 워크플로우
Zcode나 API를 통해 GLM-5.2에 접속했다면, 실제 개발 워크플로우에서 어떻게 활용할 수 있을까요? 공식 문서는 세 가지 대표적인 사용 시나리오를 제안합니다.
시나리오 1: 프로젝트 수준 코드베이스 파악
GLM-5.2의 1M 컨텍스트는 프로젝트 전체를 한 번에 이해하는 데 최적화되어 있습니다. 복잡한 백엔드와 프론트엔드가 혼재된 실제 업무 코드베이스를 선택한 후, 모델에 다음과 같이 요청해보세요.
"현재 프로젝트를 읽고 시스템 아키텍처 맵, 핵심 모듈 책임, 주요 API 계약, 데이터 흐름, 핵심 콜 체인, 잠재적 기술 부채, 그리고 향후 리팩토링에서 따라야 할 엔지니어링 제약 조건을 출력해주세요."
시나리오 2: 장기간 리팩토링
GLM-5.2는 교차 파일, 다단계, 긴 체인 작업에서 더 안정적입니다. 모듈 분리, API 마이그레이션, 디렉터리 재구성 등 연속적인 진행이 필요한 작업에 적합합니다. /goal 모드를 활성화하고 다음과 같이 지시하세요.
"비즈니스 로직, API 시그니처, 런타임 동작을 변경하지 않고 현재 모듈의 분리와 리팩토링을 완료해주세요. 실행 계획, 영향 범위, 위험 경계, 검증 방법을 먼저 제공하고, 완료 후 필요한 테스트를 실행해 검증 결과를 출력해주세요."
시나리오 3: 엔지니어링 표준 준수
GLM-5.2는 엔지니어링 표준을 일관되게 따르는 능력이 뛰어납니다. 팀의 실제 lint 규칙, 빌드 명령어, 테스트 요구사항, 커밋 규칙 등을 CLAUDE.md나 Agent.md에 정의한 후 다음과 같이 지시하세요.
"현재 저장소의 엔지니어링 표준을 엄격히 따라주세요. 새 의존성을 도입하지 말고, API 계약을 수정하지 말고, 변경 사항을 사전에 커밋하지 마세요. 수정 완료 후 빌드, lint, 테스트를 실행하고 검증 결과와 발견된 위험 요소를 보고해주세요."
장점 (Pros)
1. 오픈웨이트 + 저비용
GLM-5.2는 모델 가중치를 공개하는 오픈웨이트 방식으로 제공됩니다. 개발자와 기업이 자체 환경에서 모델을 내려받아 운영하거나 수정할 수 있어, 폐쇄형 모델 대비 비용 부담을 줄이면서 활용 자율성을 높일 수 있습니다. API 사용 시에도 입력 토큰 100만 개당 $1.40, 출력 토큰 100만 개당 $4.40로, 경쟁사 대비 매우 저렴한 편입니다.
2. 뛰어난 코딩 성능
GLM-5.2는 단순 챗봇보다 코딩 작업과 소프트웨어 개발 워크플로우에 강점을 둔 모델로 평가받고 있습니다. 메타와 구글 딥마인드 출신의 개발자들을 비롯한 다수의 독립 테스터들이 "일상 업무용 기준을 통과한 첫 오픈 모델"이라고 평가했습니다.
3. 1M 토큰 컨텍스트
안정적인 1M 컨텍스트는 GLM-5.2의 가장 큰 강점입니다. 프로젝트 규모의 엔지니어링 컨텍스트를 안정적으로 처리하며, 장시간 실행되는 작업의 후반부에서도 컨텍스트 단편화 현상이 크게 줄어듭니다.
4. 다양한 연동 옵션
Claude Code, Cline, Cursor, OpenCode 등 이미 널리 사용되는 코딩 도구와의 연동이 간편합니다(출시 시점 기준 20곳 이상의 서드파티 환경 지원). 개발자는 익숙한 환경을 그대로 유지하면서 GLM-5.2의 성능을 활용할 수 있습니다.
5. Thinking Effort 조절 가능
GLM-5.2는 High와 Max 두 가지 추론 노력 수준을 제공해, 작업의 복잡도에 따라 성능과 응답 속도 사이의 균형을 조절할 수 있습니다.
단점 (Cons)
1. 중국산 모델에 대한 우려
딥시크(DeepSeek)에 이어 GLM-5.2도 중국산 오픈웨이트 모델입니다. 일부 기업이나 개발자는 데이터 보안, 국가 안보, 기술 종속성 등의 이유로 중국산 AI 모델 사용을 꺼릴 수 있습니다. 실제로 미국 상무부 산업안보국(BIS)은 2025년 1월 지푸AI를 수출통제 대상(Entity List)에 추가했고, 2026년 5월에는 미 하원이 PRC 발 AI 모델의 핵심 인프라 사이버보안 리스크에 관한 조사에 착수하면서 지푸AI를 딥시크·미니맥스·바이트댄스와 함께 거론했습니다. GLM-5.2는 미국 기술 업계에서 "새로운 딥시크 모멘트"로 불리며 민감하게 받아들여지고 있습니다.
2. 폐쇄형 모델과의 성능 격차
벤치마크에서 뛰어난 성능을 보이지만, Claude Opus 4.8이나 GPT-5.5 같은 최상위 폐쇄형 모델에는 여전히 근소하게 뒤처지는 영역이 있습니다. 특히 초장기간·고난도 과제에서 격차가 두드러지며, 이는 "세대 차이"가 아니라 "특정 벤치마크에서의 점수 차이" 수준으로 좁혀졌다는 것이 대체적인 평가입니다.
3. API 과금 구조
API는 토큰 기반 과금 구조로, 대규모 자동화 작업에서 비용이 급증할 수 있습니다. Coding Plan을 구독하면 일정 부분 비용을 절감할 수 있지만, 사용량이 많은 팀에게는 여전히 부담이 될 수 있습니다.
4. 한국어 지원 미흡
공식 문서상 GLM-5.2는 영어와 중국어를 지원합니다. 한국어 프롬프트나 코드 주석, 문서화 작업에서는 성능이 다소 떨어질 가능성이 있습니다.
5. 생태계 성숙도
오픈AI, 앤트로픽 등 폐쇄형 모델 대비 커뮤니티와 서드파티 도구의 생태계가 아직 덜 성숙합니다. 튜토리얼이나 문제 해결 자료도 상대적으로 부족한 편입니다.
3사 비교: DeepSeek V4-Pro vs Claude Opus 4.8 vs GLM-5.2
GLM-5.2의 좌표를 정확히 잡으려면 같은 시기에 출시된 경쟁 모델과 나란히 놓고 봐야 합니다. 2026년 상반기 코딩 모델 시장은 사실상 세 진영의 삼파전입니다. 폐쇄형 프론티어를 대표하는 Claude Opus 4.8, 가성비를 무기로 한 오픈웨이트 DeepSeek V4-Pro, 그리고 오픈웨이트 코딩 특화로 치고 올라온 GLM-5.2입니다.
스펙·포지셔닝
| 항목 | DeepSeek V4-Pro | Claude Opus 4.8 | GLM-5.2 |
|---|---|---|---|
| 개발사 | DeepSeek (중국) | Anthropic (미국) | Z.ai / 지푸AI (중국) |
| 출시 | 2026.04.24 | 2026.05.28 | 2026.06.13 (코딩플랜) / 06.17 (오픈웨이트) |
| 라이선스 | MIT 오픈웨이트 | 폐쇄형 | MIT 오픈웨이트 |
| 파라미터 | 1.6T MoE (~49B 활성) | 비공개 | 753B MoE (~40B 활성) |
| 컨텍스트 | 1M | 1M | 1M |
| 최대 출력 | 1M 컨텍스트 내 | 128K | 128K~131K |
| 핵심 지향 | 가성비·범용 | agentic 신뢰성·지식노동 | 장기 코딩 에이전트 |
코딩 벤치마크
서로 다른 벤더의 수치를 한 표에 모았지만, 세 모델 모두 자사 측정값(self-reported)이 섞여 있고 하니스(harness)·벤치 버전이 달라 직접 비교에는 한계가 있습니다. 가장 동일선상 비교에 가까운 지표는 SWE-bench Pro입니다.
| 벤치마크 | DeepSeek V4-Pro | Claude Opus 4.8 | GLM-5.2 |
|---|---|---|---|
| SWE-bench Verified | 80.6 | 88.6 | (미공개) |
| SWE-bench Pro | 55.4 | 69.2 | 62.1 |
| Terminal-Bench | 67.9 (v2.0) | 74.6 (v2.1, Terminus-2) | 81.0 (v2.1, 벤더 측정) |
| Code Arena (Elo) | — | — | 1595 (글로벌 1위) |
| LiveCodeBench | 93.5 | — | — |
주의:Terminal-Bench는 모델마다 버전(2.0/2.1)과 하니스가 달라 한 줄에 놓아도 사과 대 오렌지 비교입니다. GLM-5.2의 81.0은 Z.ai 자체 하니스 수치이고, Opus 4.8의 74.6은 공개 Terminus-2 하니스 기준입니다. 같은 조건이 아니므로 "GLM이 Opus를 앞섰다"고 단정할 수 없습니다. 반면 SWE-bench Pro는 비교적 표준화된 셋으로,Opus 4.8(69.2) > GLM-5.2(62.1) > DeepSeek V4-Pro(55.4) 순으로 정렬됩니다.
가격
| 항목 | DeepSeek V4-Pro | Claude Opus 4.8 | GLM-5.2 |
|---|---|---|---|
| 입력 (per 1M) | $0.435 | $5.00 | $1.40 |
| 출력 (per 1M) | $0.87 | $25.00 | $4.40 |
| 구독 플랜 | — | Claude Pro/Max | GLM Coding Plan ~$18/월 |
| 출력 토큰 상대 비용 | 1.0x (최저) | 약 28.7x | 약 5.1x |
가격이야말로 이 삼파전의 핵심 변수입니다. DeepSeek V4-Pro의 출력 토큰 비용을 1로 놓으면 GLM-5.2는 약 5배, Opus 4.8은 약 29배입니다. 즉 Opus 4.8이 GLM-5.2 대비 SWE-bench Pro에서 약 7점을 더 얻기 위해 지불해야 하는 토큰 비용은 5~6배에 달합니다.
한 줄 정리
- DeepSeek V4-Pro — 가성비 챔피언. 프론티어급에 근접한 점수를 압도적 최저가로 제공. 대규모 자동화·RAG·고볼륨 파이프라인에 최적. 다만 가장 어려운 agentic 루프에서는 점수가 한 단계 처짐.
- Claude Opus 4.8 — 폐쇄형 프론티어. SWE-bench Pro 1위, agentic 신뢰성과 "정직성"(결함을 숨기지 않고 보고) 측면에서 우위. 대신 셋 중 가장 비쌈. 실패 비용이 토큰 비용보다 큰 고난도·장기 작업에 값을 함.
- GLM-5.2 — 오픈웨이트 코딩 최강 후보. 1M 컨텍스트 안정성과 코딩 점수에서 폐쇄형에 가장 근접한 오픈 모델. 가격은 DeepSeek과 Opus의 중간. 자가 호스팅(MIT)이 가능하다는 점이 기업에 큰 의미.
선택 기준을 압축하면 이렇습니다. 비용이 1순위면 DeepSeek V4-Pro, 가장 어려운 장기 과제의 신뢰성이 1순위면 Claude Opus 4.8, 오픈웨이트 자가 호스팅과 코딩 성능의 균형이 1순위면 GLM-5.2입니다. 다만 두 중국산 모델(DeepSeek·GLM)은 Z.ai/DeepSeek 클라우드 API로 민감 데이터를 라우팅할 경우의 규제·보안 리스크를, 자가 호스팅으로 회피할 수 있는지부터 검토하는 것이 순서입니다.
마치며: GLM-5.2가 가져올 변화
지푸AI의 GLM-5.2는 딥시크 이후 중국 AI 기업들이 선택한 '저비용 고성능 오픈웨이트' 전략을 코딩과 개발 자동화 영역으로 확장한 사례입니다. 코딩 모델은 개발자 생산성뿐 아니라 기업용 AI 에이전트, 업무 자동화, 소프트웨어 유지보수 시장과 직접 연결됩니다. 기업 입장에서 성능이 충분한 오픈웨이트 모델을 내부 인프라에서 운영할 수 있다면, 고가의 API 기반 폐쇄형 모델에 대한 의존도를 크게 낮출 수 있습니다.
다만 벤치마크 점수는 어디까지나 참고치입니다. 벤더 자체 측정값과 하니스 차이를 걷어내고 나면, 세 모델의 진짜 차이는 "내 워크로드에서 실패 한 번이 토큰 가격 차이보다 비싼가"라는 질문으로 수렴합니다. 그 답에 따라 같은 작업이라도 최적 모델이 달라집니다.
업계 관계자의 말처럼 개발자들이 실제 업무에서 쓸 수 있다고 판단하는 순간 오픈웨이트 모델의 영향력은 더 커질 수 있습니다. GLM-5.2가 그 전환점이 될지는 지켜볼 일입니다.
참고: 수치 출처 및 단서
- 벤치마크·가격 수치는 각 벤더(Anthropic, DeepSeek, Z.ai) 발표 및 2026년 6월 기준 공개 트래커(llm-stats, Artificial Analysis 등)를 참고했으며, 상당수가 벤더 자체 측정값으로 독립 검증이 진행 중입니다.
- Terminal-Bench는 버전(2.0/2.1)과 하니스(Terminus-2, Codex CLI 등)에 따라 점수가 달라지므로, 같은 표에 있더라도 직접 비교는 권장되지 않습니다.
- DeepSeek V4-Pro 가격은 2026년 5월 22일부로 상시 적용된 $0.435/$0.87 기준이며, 이전 정가($1.74/$3.48)는 역사적 수치입니다.
- Claude Opus 4.8 가격은 표준 모드 $5/$25, Fast 모드 $10/$50 기준입니다.
- GLM-5.2 가격은 Z.ai API $1.40/$4.40, GLM Coding Plan 약 $18/월(프로모션 시 더 낮음) 기준입니다.