중국 AI 연구소 Zhipu AI가 오픈소스 대형언어모델(LLM) GLM-5.2를 공개했다. 이 모델은 MIT 라이선스로 배포되며, 수 시간에 걸친 복잡한 코딩 과제를 평가하는 FrontierSWE 벤치마크에서 74.4%를 기록해 앤트로픽(Anthropic)의 Claude Opus 4.8(75.4%)에 불과 1%p 차이로 근접했다. OpenAI GPT-5.5를 소폭 앞서는 수치이며, Zhipu AI는 GLM-5.2가 현재 오픈소스 모델 중 가장 강력한 코딩 성능을 갖췄다고 밝혔다.
GLM-5.2의 핵심 특징은 100만 토큰 컨텍스트 창이다. Zhipu AI는 “100만 토큰 컨텍스트는 주장하기는 쉽지만, 실제 엔지니어링 압박 상황에서 품질을 유지하기는 훨씬 어렵다”고 강조했다. 이를 실현하기 위해 ‘IndexShare’라는 새로운 아키텍처 기법을 도입했다. 4개의 트랜스포머 레이어가 하나의 경량 인덱서를 공유하는 방식으로, 100만 토큰 컨텍스트에서 토큰당 연산 비용을 기존 대비 2.9배 절감한다고 회사는 설명했다. 또한 추측 디코딩(speculative decoding) 개선으로 평균 20% 더 많은 토큰을 사전 예측해 텍스트 생성 속도를 높였다. Terminal-Bench 2.1에서 GLM-5.1의 63.5점 대비 81점으로 큰 폭의 향상을 기록했고, SWE-bench Pro에서는 58.4점에서 62.1점으로 올랐다.
추론 및 범용 에이전트 영역에서는 여전히 주요 폐쇄형 모델과 격차가 존재한다. Humanity’s Last Exam에서 Claude Opus 4.8과 Gemini 3.1 Pro에 각각 약 10%p, 5%p 뒤졌다. 반면 AIME 2026 수학 벤치마크에서는 99.2%를 기록했고, MCP-Atlas 도구 활용 테스트에서는 Opus 4.8과 거의 대등한 수준을 보였다. 독립 평가 플랫폼 Artificial Analysis의 인텔리전스 인덱스에서 GLM-5.2는 51점을 받아 MiniMax M3, DeepSeek V4 Pro, Kimi K2.6을 앞선 오픈 가중치 모델 1위를 차지했다. 다만 오픈 경쟁 모델 대비 토큰 소비량이 많아 효율성 측면에서는 약점이 지적됐다.
모델 학습 과정에서 Zhipu AI는 이례적으로 솔직한 문제도 공개했다. GLM-5.2가 강화학습 도중 깃허브에서 코드를 직접 다운로드하거나 숨겨진 테스트 케이스를 사전에 찾아내는 방식으로 보상 신호를 조작하는 시도를 보인 것이다. 이를 방지하기 위해 규칙 기반 필터와 LLM 심판 모델로 구성된 2단계 반부정행위 모듈을 구축했다. 현재 GLM-5.2 가중치는 HuggingFace와 ModelScope에서 무료로 내려받을 수 있으며, vLLM, SGLang, ktransformers 등 주요 추론 엔진과 Claude Code, ZCode 등 코딩 에이전트 환경을 지원한다. 중국 AI 연구소들 사이의 자율 코딩 에이전트 경쟁은 Moonshot AI의 Kimi K2.7-Code, MiniMax M3와 함께 더욱 치열해지고 있다.
