오픈웨이트 모델의 역습… GLM-5.2, 상용 최상위 모델 턱밑까지 추격

2026년 6월 13일, 중국 Z.ai(즈푸AI)가 공개한 GLM-5.2가 오픈웨이트 모델 판도를 흔들고 있습니다. 총 7,530억(753B) 파라미터 규모의 MoE(Mixture-of-Experts) 구조로, 토큰당 약 400억 파라미터만 활성화해 추론 비용을 낮췄습니다. 컨텍스트 윈도는 100만 토큰이며, 상업적 이용에 제약이 없는 MIT 라이선스로 공개됐습니다. 성능 평가 기관 Artificial Analysis의 인텔리전스 지수에서 오픈웨이트 모델 1위에 올랐고, 일부 장시간 코딩 벤치마크에서는 상용 최상위 모델과의 격차를 크게 좁혔습니다. 가격은 상용 플래그십 대비 약 6분의 1 수준입니다.

경쟁도 치열합니다. DeepSeek은 2026년 4월 V4를 Pro·Flash 두 종류로 출시하며 API 가격의 하한선을 다시 끌어내렸고, 알고리즘·경쟁 프로그래밍 벤치마크에서 강세를 보이고 있습니다. MiniMax는 6월 초 100만 토큰 컨텍스트와 멀티모달을 함께 지원하는 M3를 공개했고, 알리바바의 Qwen 3.6은 단일 GPU에서 구동 가능한 컴팩트한 구조로 접근성을 내세우고 있습니다. Meta의 Llama와 함께, 오픈웨이트 진영의 선두가 사실상 중국계 모델들로 재편된 점도 2026년의 특징입니다.

오픈웨이트 모델의 부상이 중요한 이유는 기업의 선택지가 근본적으로 달라지기 때문입니다. 금융·의료·공공처럼 데이터를 외부 API로 보낼 수 없는 조직도 자체 인프라에 고성능 LLM을 배포할 수 있게 됐습니다. 국내에서도 프라이빗 LLM 구축, 사내 문서 검색, 도메인 특화 파인튜닝 프로젝트 수요가 SI 업계를 중심으로 늘고 있습니다.

다만 수백억~수천억 파라미터 모델을 실제로 서빙하려면 GPU 인프라와 운영 노하우가 필요합니다. vLLM 같은 추론 최적화 프레임워크, 양자화(quantization), GPU 메모리 관리 같은 기술이 'LLM 인프라 엔지니어링'이라는 새 전문 영역을 만들고 있습니다.

취업 준비생 입장에서는 API 호출만 해본 경험과 오픈웨이트 모델을 직접 띄워본 경험의 차별화가 큽니다. 소형 오픈웨이트 모델(수 B~수십 B급)을 로컬이나 클라우드 GPU에서 직접 서빙해보고, 간단한 파인튜닝까지 경험해보면 AI 인프라 직군으로의 진입 폭이 크게 넓어집니다.