Ox Alpha와 GLM-5.3-Flash: 가격과 평가표 읽기

Ox Alpha는 개발사를 밝히지 않고 제공했던 Z.AI의 GLM-5.3-Flash 프리뷰입니다. 프리뷰는 정식 제공에 앞서 시험하는 버전이고, OpenRouter는 여러 회사의 AI 모델 요청을 연결하는 중개 서비스입니다. 2026년 8월에 등장했으며 8월 26일 GLM-5.3-Flash로 정체가 공개됐습니다.

새 모델이 나오면 대개 만든 회사의 이름과 벤치마크, 즉 정해진 과제로 평가한 점수가 함께 발표됩니다. 어느 회사가 만들었는지 알면 대략의 기대치가 정해지고, 점수는 그 기대치를 숫자로 확인하는 재료가 됩니다. 그런데 Ox Alpha에는 둘 다 없었고, 판단할 재료가 실제로 돌려 본 결과밖에 없었습니다. 개발사 이름을 보지 않고 결과를 먼저 평가하도록 공개한 방식입니다.

가중치는 모델이 학습한 내부 수치 파일이고, API는 프로그램에서 모델에 요청하는 연결 방식입니다. 파일의 공개 라이선스와 API 사용료는 별개입니다.

무료로 열려 있는 사이 사용량 1위에 올랐고, 정체가 공개되면서 가중치까지 MIT 라이선스로 풀렸습니다. 순서가 이렇게 뒤집히면 실무자는 판단이 어려워지는데, 무료 기간에 붙어 있던 조건과 정식 출시 뒤의 가격이 서로 다르기 때문입니다. OpenRouter 모델 페이지와 Z.ai 공식 모델 카드, 평가 기관 Artificial Analysis의 측정을 근거로 당시 기록을 설명합니다. 이미지와 당시 순위는 8월 기록이며, 2026년 10월 4일의 가격 및 문서 안내는 별도로 구분합니다.

위 화면은 8월에 저장한 OpenRouter의 Ox Alpha 모델 페이지입니다. 캡처에는 공개일이 8월 21일로 보이지만 현재 페이지는 8월 20일로 표시합니다. 날짜 차이의 원인은 확인되지 않았으므로 정확히 닷새 만이라는 계산의 근거로 삼지 않습니다. 정체가 공개된 뒤 상단에 경고 배너가 붙었고, 여기에 개발과 운영을 맡은 곳이 ZAI이며 ZAI GLM-5.3-Flash로 밝혀졌다는 안내가 적혀 있습니다.

Ox Alpha 등장부터 정체 공개까지의 경과

당시 공개 과정을 날짜순으로 보면 다음과 같습니다.

OpenRouter가 모델 페이지에 적어 둔 설명은 이렇습니다. Ox Alpha는 코딩과 오래 돌아가는 에이전트 작업, 실제 운영 업무를 목표로 만든 추론 모델이고, 오래 걸리는 소프트웨어 작업과 텍스트에 시각 자료를 함께 쓰는 작업에 맞춘다는 내용입니다.

토큰은 글과 시각 자료를 모델이 처리하는 단위입니다. 컨텍스트는 한 번의 처리에서 참고할 수 있는 범위를 말하며, 큰 숫자가 모든 내용을 정확히 기억한다는 보장은 아닙니다. 프리뷰에서 안내한 정보는 다음과 같았습니다. 컨텍스트 100만 토큰, 텍스트와 이미지와 영상을 받아 텍스트를 내보내는 입출력 구성, 그리고 요금을 받지 않는다는 조건입니다. 만든 곳과 정식 가격, 파라미터 규모는 모두 비어 있었습니다.

스텔스 모델이라는 출시 방식

스텔스 모델이라는 말은 일반 모델 출시보다 상대적으로 낯설 수 있습니다. 쉽게 말하면 만든 곳을 밝히지 않은 채 중개 서비스에만 올려 두고 반응을 먼저 받아 보는 공개 방식입니다. OpenRouter는 이 모델을 두고 익명을 유지하기로 한 제3자 제공자가 개발하고 운영하며, 자신들은 요청을 넘겨줄 뿐 개발자나 소유자가 아니라고 명시했습니다.

개발사를 감추면 브랜드에 따른 기대를 줄이는 데 도움이 될 수 있습니다. 다만 무료 제공이나 입소문, 사용자의 과제 선택도 평가에 영향을 주므로 익명이라는 이유만으로 편향이 사라지는 것은 아닙니다.

당시 사용량 화면은 관심이 모였다는 기록이지만, 성능 시험이나 이용자 수를 직접 보여 주지는 않습니다.

위 화면은 2026년 8월 25일까지의 사용량을 반영한 OpenRouter 리더보드입니다. Ox Alpha가 23.2조 토큰으로 1위에 있고, 2위인 딥시크 V4 Flash의 11.6조 토큰과 견주면 두 배 규모입니다. 이는 해당 주간에 이 중개 서비스를 거친 처리 토큰의 양입니다. 사람이 몇 명인지, 성공한 업무가 몇 개인지, 가장 정확한 모델인지는 알 수 없습니다. 무료 조건의 영향이 있었을 가능성은 있지만 이 화면만으로 원인을 확정할 수는 없습니다.

커뮤니티가 정체를 좁혀 간 방법

공식 발표가 나오기 전까지 사용자들은 모델의 겉으로 드러나는 동작만으로 만든 곳을 추정했습니다. 커뮤니티 관찰이라 단정할 근거는 아니지만, 어떤 신호를 봤는지 정리하면 다음과 같습니다.

• 토큰 수 대조: 여러 언어와 이모지, 코드를 섞은 프롬프트를 넣고 집계된 토큰 수를 기존 모델들과 맞춰 보는 방식입니다. GLM 계열과 수치가 맞아떨어졌다는 보고가 이어졌습니다.
• 오류 응답 형식: 잘못된 요청을 일부러 보내면 돌아오는 오류 코드와 문구가 Z.ai의 기존 모델과 같았다는 관찰이 있었습니다.
• 영상 토큰 계산 방식: 같은 길이의 영상을 넣었을 때 소모되는 토큰이 Z.ai의 시각 모델과 비슷한 규칙을 따랐다는 분석이 나왔습니다.

이런 관찰은 계열을 좁히는 데는 쓸모가 있었지만 버전까지 특정하지는 못했습니다. 여러 모델이 같은 글 분할 방식을 쓰거나 같은 서버를 거칠 수 있으므로, 토큰 수와 오류 문구가 비슷하다는 사실만으로 특정 회사나 버전을 증명하지는 못합니다. 결국 정체는 추정이 아니라 회사의 확인으로 정해졌습니다.

GLM-5.3-Flash 공식 사양과 평가

8월 26일 정식 공개된 GLM-5.3-Flash의 공식 사양은 다음과 같습니다.

파라미터는 학습한 내용을 담는 내부 수치입니다. 총 3,200억은 전체 규모, 활성 180억은 토큰 하나를 처리할 때 사용하는 부분입니다. 메모리에 180억 규모만 준비하면 된다는 뜻이 아닙니다.

이름이 비슷한 GLM-5.3과 헷갈리기 쉬운데 둘은 다른 모델입니다. GLM-5.3은 텍스트 중심 모델이며 원문 작성 당시 비교한 출력 단가는 100만 토큰당 4.40달러였습니다. 이는 현재 모든 공급자의 가격이 아닙니다. 8월 26일에 나온 GLM-5.3-Flash는 이미지와 영상을 함께 받는 멀티모달 모델이면서 단가는 훨씬 낮습니다. Z.ai 개발자 문서는 GLM-5.3과 견줘 어텐션 연산을 약 1/3.01, 이전 계산을 저장하는 KV 캐시를 약 1/4.44로 줄였다고 밝힙니다. Flash라는 이름만 보고 성능이나 크기를 단정하기보다 구조와 실제 평가를 함께 봅니다. 이 연산 및 저장량 비율이 모든 작업의 가격이나 속도에 그대로 적용되지는 않습니다.

Z.ai는 모델 카드에서 GLM-5.3-Flash를 GLM-5 계열 최초의 네이티브 멀티모달 모델로 소개하고, 벤치마크와 실사용 모두에서 GLM-5.2를 10분의 1 가격으로 앞서면서 코딩과 에이전트 평가에서 Claude Opus 4.8에 근접했다고 밝혔습니다. 이는 제공사의 평가이며 자신의 업무에서 같은 비용 대비 성능을 보장하지 않습니다.

위 그래프는 Z.ai가 공개한 공식 평가 결과입니다. 여섯 개 평가 가운데 직무 과제 결과물을 비교하는 GDPVal-AA v2 한 곳에서 비교 대상 중 가장 높은 점수를 받았습니다.

Terminal Bench는 터미널 작업, DeepSWE는 코드 수정, AutomationBench는 업무 자동화 과제를 평가합니다. GDPVal-AA의 1773은 Elo라는 상대 점수이므로 1773%나 완료한 업무 건수로 읽지 않습니다. 모델 카드에 따르면 GDPVal-AA는 Artificial Analysis가 평가했습니다.

이전 버전인 GLM-5.2와의 차이가 특히 큽니다. 코드 수정을 평가하는 DeepSWE에서 46.2에서 63.4로 올랐고 AutomationBench는 26.2에서 48.8로 거의 두 배가 됐습니다. 다만 터미널 작업과 DeepSWE에서는 GPT-5.6 Terra가, AutomationBench에서는 Gemini 3.7 Flash가 앞서므로 전 항목 우위라는 서술은 성립하지 않습니다. 회사도 발표문에서 Claude Opus 4.8을 앞섰다고 하지 않고 근접했다고 적었습니다.

같은 벤치마크에서 점수가 다르게 나온 사례

프리뷰 기간에 커뮤니티가 올린 측정치와 공식 점수가 어긋난 대목이 있습니다. 이 차이는 모델을 판단할 때 무엇을 조심해야 하는지 보여 주는 사례라서 따로 정리했습니다.

공개된 커뮤니티 실행 기록은 과제 113개 가운데 66개를 해결해 58.4%라고 보고합니다. Z.ai의 정식 모델 발표 점수 63.4%와는 다른 실행입니다. 두 값을 같은 시험의 정정 전후 점수처럼 이어 붙이면 안 됩니다.

이 커뮤니티 기록에는 ‘과제의 약 80%에서 새 기능 검사 항목의 90% 이상을 통과했다’는 별도 지표도 있습니다. 일부 검사를 통과한 과제와 과제 전체를 해결한 것은 다릅니다. 숫자 80%만 옮겨 전체 과제 해결률이라고 쓰면 의미가 바뀝니다.

작은 표본도 구분합니다. 예를 들어 10개 중 8개 성공은 80%지만 한 과제의 결과만 바뀌어도 70% 또는 90%가 됩니다. 이 계산 예를 모델의 공식 점수로 쓰지는 않습니다.

Z.ai는 DeepSWE를 mini-swe-agent라는 실행 도구 묶음, 40만 토큰 컨텍스트와 과제당 여섯 시간 제한으로 평가했다고 밝힙니다. 제품이 최대 약 100만 토큰을 지원해도 특정 시험에서는 40만 토큰으로 제한할 수 있으므로 두 숫자가 같은 조건을 뜻하지는 않습니다. 이런 실행 도구와 제어 설정을 하네스라고 부릅니다. 모델뿐 아니라 과제 구성과 하네스, 제한 시간 및 재시도 조건까지 같아야 직접 비교하기 쉽습니다.

제3자 측정에서 확인되는 속도와 출력량

앞 표는 Z.ai가 발표한 비교이며 자체 측정과 외부 평가가 포함됩니다. 만든 곳이 고른 항목과 조건만으로 판단하기는 이릅니다. 평가 기관 Artificial Analysis가 같은 모델을 따로 측정한 결과를 함께 보면 발표문에 없던 대목이 드러납니다.

아래 이미지는 8월 당시 평가 기록입니다. 현재 수치와 같은 표에 섞지 않고 당시의 지표 구분을 연습하는 자료로 봅니다.

위 화면은 2026년 8월 27일 기준 Artificial Analysis의 과거 측정 기록입니다. 현재 점수와 순위가 아닙니다. 지능 지수는 같은 급 108개 모델 가운데 3위에 올랐지만 나머지 지표는 순위가 다릅니다.

측정 기관은 이 모델을 두고 지능은 앞서지만 눈에 띄게 느리고 말이 많다고 평했습니다. 여기서 1억 5천만 출력 토큰은 질문 한 번의 답변 길이가 아니라 지능 지수의 여러 평가를 수행한 전체 출력량입니다. 당시 비교 대상의 출력량 중간값은 1억 1천만 개였습니다. 작업당 0.09달러도 특정 평가의 비용이므로 일반 업무 한 건의 고정 요금이 아닙니다. 10월 4일 현재 측정 페이지는 지능 지수 약 42, 출력 속도 초당 53.2토큰을 표시합니다. 평가 버전과 조건을 맞추지 않고 과거 57에서 모델 성능이 떨어졌다고 결론 내릴 수는 없습니다.

속도와 출력량 두 지표는 실무에서 서로 다른 방향으로 작용합니다. 출력 단가가 낮아도 토큰을 많이 쓰면 작업 하나를 끝내는 금액이 그만큼 올라가고, 응답이 느리면 사람이 화면 앞에서 결과를 기다리는 작업에 쓰기 어렵습니다. 여러 요청을 모아 처리하는 배치 작업에서도 완료 시각과 재시도 비용을 확인합니다. 초당 출력량에는 첫 답변을 기다리는 시간이나 도구 실행 시간이 포함되지 않으므로 작업 전체의 소요 시간과 다릅니다.

가격과 라이선스, 무료 프리뷰의 조건

정식 출시 뒤의 가격은 프리뷰 기간과 완전히 다릅니다. 2026년 8월 27일 기준 OpenRouter에 표시된 정가는 100만 토큰당 입력 0.15달러, 출력 0.50달러입니다. 당시에는 2026년 9월 9일 16시 UTC, 한국 시간 9월 10일 오전 1시까지 50% 할인해 입력 0.075달러, 출력 0.25달러를 안내했습니다. 그 할인 기간은 지났습니다.

위 화면은 당시 할인 안내입니다. 2026년 10월 4일 현재 OpenRouter 공급자 표는 Z.ai의 입력 $0.15/출력 $0.50 외에도 다른 공급자의 서로 다른 단가를 보여 줍니다. 예를 들어 Relace는 입력 $0.0352/출력 $0.50입니다. 공급자와 요청 옵션을 고른 뒤 그 단가로 계산해야 하며 상단 최저가가 모든 요청에 적용되는 것은 아닙니다. ‘10분의 1 가격’이라는 출시 설명을 모든 요청의 청구액에 적용하지 않고 실제 사용량으로 계산합니다.

가중치가 MIT 라이선스로 공개된 점도 함께 봐야 할 조건입니다. 모델의 MIT 라이선스는 사용과 수정 및 재배포를 허용하며 저작권과 허가 고지를 보존하도록 정합니다. 이것이 서버 비용이나 API 이용료를 없애거나, 함께 쓰는 자료의 권리와 서비스 약관까지 대신하는 것은 아닙니다.

프리뷰 기간의 데이터 조건은 따로 확인이 필요합니다. OpenRouter는 Ox Alpha 모델 페이지에 프롬프트와 응답을 제공자가 보관하며 학습에는 쓰지 않고, 그 밖의 사용은 스텔스 모델 약관을 따른다고 적어 두었습니다. 학습에 쓰지 않음과 보관하지 않음은 다릅니다. 프리뷰의 안내만으로 현재 모든 공급자의 저장 조건을 판단하지 않습니다.

계산기로 평가와 비용 확인하기

가입이나 API 호출 없이 위 표와 계산기로 연습합니다. 먼저 DeepSWE의 GLM-5.3-Flash 63.4와 GLM-5.2 46.2를 찾습니다. 차이는 17.2%포인트입니다. 17.2% 더 좋아졌다는 뜻과 구분합니다. 원래 점수 대비 증가율을 계산하면 17.2 ÷ 46.2 × 100, 약 37.2%입니다. 어느 표현이든 내 업무의 오류가 그만큼 줄어든다는 보장은 아닙니다.

비용은 Z.ai 공급자의 표준 입력 $0.15, 출력 $0.50을 예로 듭니다. 입력 10,000토큰과 과금 대상 출력 2,000토큰이라면 다음과 같습니다. 캐시와 별도 도구 요금 및 세금은 제외한 가상 계산입니다.

값이 크게 다르면 단가가 100만 토큰당인지, 입력과 출력을 따로 계산했는지 확인합니다. 혼자 반복할 때는 출력만 4,000토큰으로 바꿉니다. 출력 비용은 $0.0020, 합계는 $0.0035입니다. 입력 비용이 그대로이므로 합계는 두 배가 아닙니다.

마지막으로 작은 표본에서 8/10이던 성공을 7/10으로 바꿔 봅니다. 80%에서 70%로 10%포인트 내려갑니다. 표본이 작으면 한 건의 영향이 크다는 점과 API 단가가 낮아도 출력량에 따라 비용이 달라진다는 점을 설명할 수 있으면 연습을 마친 것입니다.

실무에서 확인할 순서

• 무료 프리뷰에 넣은 자료부터 살펴봅니다. Ox Alpha를 당시 무료 프리뷰 기간에 써 봤다면 그 기간에 어떤 자료를 넣었는지 확인합니다. 고객 정보나 계약서 같은 자료가 들어갔다면 보관 조건을 팀 내부에 공유해 두는 편이 안전합니다.
• 현재 선택한 공급자의 단가로 계산합니다. 과거 할인 이미지 대신 공급자 표의 입력과 출력, 캐시 가격을 확인합니다.
• 응답 속도가 중요한 작업인지 먼저 나눕니다. 제3자 측정에서 초당 48.7토큰으로 느린 편에 속했습니다. 현재 이용할 공급자에서 첫 응답과 전체 완료 시간도 확인해야 합니다.
• 평소 쓰는 작업 두세 개를 같은 조건으로 돌려 봅니다. 발표된 점수는 특정 하네스와 제한 시간 아래에서 나온 값이라, 이미 모델을 사용한다면 작은 가상 과제의 결과물과 걸린 시간으로 비교합니다. 이 글의 계산 연습을 위해 유료 호출할 필요는 없습니다.
• 자체 운영이 필요한지부터 정합니다. MIT 라이선스로 가중치가 열려 있어도 3,200억 파라미터 모델을 돌리려면 상당한 장비가 필요합니다. API로 충분한 작업이라면 자체 운영을 검토할 이유가 크지 않습니다.

Ox Alpha를 지금도 쓸 수 있나요?

프리뷰 이름으로는 계속 쓰기 어렵습니다. OpenRouter의 stealth/ox-alpha 페이지는 남아 있지만 상단에 GLM-5.3-Flash로 밝혀졌다는 안내가 붙었고, 정식 모델은 z-ai/glm-5.3-flash로 따로 등록됐습니다. 같은 모델을 계속 쓰려면 정식 모델 ID로 옮기는 편이 맞습니다. 프리뷰의 무료 조건을 그대로 이어 받는 것은 아닙니다. 현재 선택한 공급자의 가격과 모델 ID, 입력 형식 및 응답을 작은 가상 자료로 확인한 뒤 사용합니다.

GLM-5.3-Flash를 회사 서버에서 직접 돌리려면 무엇이 필요할까요?

가중치는 모델이 학습한 내부 수치 파일이며 허깅페이스에 MIT 라이선스로 공개돼 있습니다. 이용할 파일과 라이선스 조건을 확인합니다. 다만 총 3,200억 파라미터 규모라 메모리와 실행 환경을 먼저 계산해야 합니다. 모델 카드는 SGLang과 vLLM을 비롯한 실행 프레임워크를 함께 안내하고 있어서, 이미 GPU 서버를 운영하는 팀이라면 기존 환경에 붙일 수 있습니다. 토큰마다 활성화되는 부분이 180억이라 파라미터를 전부 쓰는 같은 규모의 모델보다 연산은 적게 들지만, 전체 가중치를 보관할 공간은 필요합니다. GPU 여러 개에 나누거나 CPU 메모리를 함께 쓰는 방식도 있으므로 GPU 하나에 전부 올려야 한다는 뜻은 아닙니다. 저정밀 저장으로 용량을 줄이는 양자화를 사용해도 추가 실행 메모리와 성능을 별도로 확인합니다. 데이터를 외부로 내보낼 수 없는 조직이 아니라면 API 쪽이 대체로 현실적인 선택입니다.

공식 자료와 평가 원본

• Ox Alpha 모델 페이지 (OpenRouter)
• Z.ai GLM 5.3 Flash 모델 페이지 (OpenRouter)
• LLM Rankings (OpenRouter)
• zai-org/GLM-5.3-Flash 모델 카드 (Hugging Face)
• GLM-5.3-Flash 개발자 문서 (Z.AI)
• GLM-5.3-Flash 성능과 가격 분석 (Artificial Analysis)
• GLM-5.3-Flash 공식 발표 (Z.ai)
• GLM-5: from Vibe Coding to Agentic Engineering (기술 보고서)

3줄 요약

1. Ox Alpha는 익명으로 제공됐던 GLM-5.3-Flash 프리뷰이며 당시의 무료 이용과 데이터 보관 조건은 현재 정식 API 조건과 구분합니다.

2. GLM-5.3-Flash는 총 3,200억 파라미터 가운데 토큰마다 180억을 활성화하는 모델이며 활성 수치만으로 필요한 메모리를 계산할 수 없습니다.

3. 사용량 순위와 평가 점수 및 작업 비용은 서로 다른 지표이므로 공급자와 평가 조건을 확인하고 작은 계산부터 대조합니다.