GLM-5.2 공개! 클로드 Opus급 코딩 성능, 정말일까?

GLM 5.2, 정말 Claude Opus 4.8급 성능인가요?

① 거대하지만 효율적인 'MOE' 구조

GLM-5.2는 전체 약 744B(7,440억) 파라미터 규모의 전문가 혼합(MoE) 모델이에요. 덩치는 크지만 질문 하나당 실제로는 약 40B만 작동해서, 크기에 비해 빠르고 효율적이에요. 여기에 100만 토큰(1M) 컨텍스트를 지원해서 아주 긴 코드베이스나 문서도 한 번에 다룰 수 있어요.

📎 MOE란?
전문가 혼합, 즉 Mixture of Experts의 줄임말이에요. 하나의 거대한 모델 안에 여러 전문가 네트워크를 두고, 입력에 따라 필요한 전문가 일부만 골라 사용하는 방식이에요. 매번 전체 파라미터를 계산하지 않아 연산량을 줄일 수 있지만, 전체 가중치를 보관해야 하므로 일반적인 40B 모델처럼 가볍지는 않아요.

② 오퍼스 4.8에 '1%포인트' 차로 추격

GLM 5.2에서 가장 주목받은 건 FrontierSWE 성적이에요. FrontierSWE는 몇 시간에서 길게는 수십 시간 동안 이어지는 복잡한 소프트웨어 개발 과제를 기준으로 평가해요. 

2026년 6월 26일 현재 공식 순위에서 GLM-5.2의 Dominance는 74%로, Opus 4.8의 75%와 거의 비슷하고 GPT-5.5의 73%보다 높아요.

💡 다만 가장 어려운 추론·터미널 자율작업에서는 아직 오퍼스 4.8이 앞서요.

GLM 5.2, Claude와 GPT를 불법 증류해 만들었나요?

GLM-5.2를 둘러싼 가장 흥미로운 논쟁은 어떻게 이 성능을 냈는가예요. 흔히 "중국 모델은 클로드·GPT 같은 미국 모델을 '증류(더 똑똑한 모델의 답을 베껴 학습)'해서 따라잡는다"고 알려져 있죠.

① 구글 TPU·XLA 엔지니어의 분석

하지만 구글 엔지니어 패트릭 툴메는 자신의 X 계정에 다른 의견을 내놨어요. GLM-5.2가 Claude와 GPT-5.5를 증류했지만, 증류 자체가 Opus급 성능을 만든 핵심은 아니라고 보았어요.

증류는 강화학습을 시작할 수 있는 성공 궤적을 만드는 ‘콜드 스타트’ 문제를 해결했을 뿐이고, 이후 성능 향상은 강화학습에서 나왔다고 주장한 것이죠.

② Z.ai가 공개한 기술 자료

Z.ai가 공개한 기술 자료에서는 Claude나 GPT-5.5를 교사 모델로 사용했다고 밝히지 않았어요. 공식적으로 확인되는 내용은 아래 두 가지예요.

첫째, GLM-5 계열은 추론 강화학습, 에이전트 강화학습과 일반 강화학습을 순차적으로 진행한 뒤, 이전 학습 단계의 체크포인트를 교사 모델로 사용하는 on-policy cross-stage distillation을 적용했어요.

둘째, GLM-5.2는 10개가 넘는 전문가 모델의 능력을 최종 모델에 통합했어요. 하지만 Z.ai는 이 전문가 모델들의 구체적인 이름이나, Claude·GPT가 포함됐는지를 공개하지 않았습니다. 

GLM 5.2 API 가격은 얼마인가요?

빠르게 변화하는 AI 시대, 무엇을 준비해야 할까요?

GLM-5.2처럼 도구의 이름은 매달 바뀌겠지만, 결국 변하지 않는 핵심은 ‘AI에게 정확한 방향을 지시하고 결과를 검증하는 능력’입니다.

인프런과 함께 탄탄한 에이전트 개발 흐름을 한 번만 제대로 익혀두면, 앞으로 어떤 괴물 같은 모델이 등장해도 가장 빠르게 내 무기로 만들 수 있어요.