Z.ai가 복잡한 코딩과 여러 단계를 거치는 장기 에이전트 작업에 특화된 대규모 언어모델(LLM) GLM-5.3의 가중치(weight)를 공개하며, 개발자들이 자체 환경에 배포하거나 목적에 맞게 미세조정(fine-tuning)할 수 있도록 했습니다. 이는 새로운 기반 모델을 개발하는 대신 후속 학습(post-training)을 확대하여 성능을 끌어올린 결과로, 특히 코딩 및 사이버 보안 분야에서 인상적인 개선을 보였습니다.
GLM-5.3은 GLM-5.2와 동일한 기반 모델을 사용했음에도, Z.ai Code Bench에서 이전 모델 대비 코딩 성능이 50% 향상되었다고 밝혔습니다. 또한, 공개 평가표 기준 Terminal Bench 3.0과 Agents' Last Exam에서 오픈 웨이트 모델 중 최고 점수를 기록하며, 도구를 사용해 여러 단계를 수행하는 작업에서 강점을 입증했습니다. 사이버 보안 평가인 CyberGym에서는 84.5점으로 비교 대상 모델 중 가장 높았고, 취약점 활용 능력을 평가하는 ExploitBench에서도 GLM-5.2 대비 2배 이상 높은 점수를 기록했습니다. 이 모델은 vLLM, SGLang, Transformers 등 다양한 추론 환경을 지원하며, 상업적 사용도 허용하지만 일정 규모 이상의 모델 서비스 사업자에게는 별도 보안 심사 조건을 적용합니다.
이번 GLM-5.3의 오픈 웨이트 공개는 개발자들이 강력한 코딩 및 에이전트 기능을 갖춘 LLM을 직접 활용할 수 있는 기회를 제공합니다. 특히 자체 학습만으로 성능을 크게 개선했다는 점은 모델 개발 비용 효율성 측면에서 주목할 만합니다. 이는 기업들이 특정 목적에 맞춰 모델을 커스터마이징하고 배포하는 데 필요한 시간과 자원을 절약할 수 있게 하며, 사이버 보안과 같은 전문 분야에서의 활용 가능성을 넓혀줄 것으로 기대됩니다. 다만, 모든 평가에서 우세한 모델은 아니며, 특정 벤치마크에서는 경쟁 모델이 더 높은 점수를 기록하기도 했습니다.