Z.ai 오픈 웨이트 전략 이해하기: 공개 모델과 유료 API의 차이
모델 가중치를 공개하면서 API로 수익을 내는 구조를 설명하고, 공개 범위와 라이선스, 로컬 실행 및 API 비용을 확인하는 연습을 안내합니다.
목차
세 줄로 먼저 읽기
이번 방문에서 한 편은 바로 볼 수 있습니다.
Z.ai는 GLM 계열 AI 모델을 개발하고 API와 코딩 도구용 구독 서비스를 제공하는 기업입니다. API는 내 프로그램이 다른 서비스에 요청하고 결과를 받는 연결 방식입니다. 이 회사는 일부 모델의 가중치를 공개해 직접 실행하는 선택지도 제공합니다. 공식 서비스 소개, GLM-5.3-Flash 모델 카드
‘무료로 모델을 공개하는데 왜 유료 서비스가 필요한가요?’라는 질문은 모델 파일과 그 모델을 운영하는 서비스를 나누면 이해하기 쉽습니다. 이 글은 2026년 10월 4일 확인한 자료를 바탕으로 공개 범위, 비용과 이용 경로를 구분합니다.
가중치 공개는 무엇을 뜻하나요?
가중치는 AI가 학습하며 조정한 숫자들의 집합입니다. 이 파일을 실행 프로그램과 함께 사용하면 질문에 답을 생성할 수 있습니다. 오픈 웨이트는 이런 가중치에 접근할 수 있도록 공개하는 방식을 가리킵니다.
다만 ‘오픈 웨이트’라는 이름만으로 학습 코드와 데이터 정보가 얼마나 공개됐는지 알 수는 없습니다. 함께 공개한 항목을 따로 읽어야 합니다. 가중치가 열려 있다고 자동으로 오픈 소스 AI의 모든 요건을 충족하는 것도 아닙니다.
OSI(Open Source Initiative)는 오픈 소스의 정의를 관리하는 단체입니다. OSI의 Open Source AI Definition 1.0은 사용, 연구, 수정과 공유의 자유 및 이를 가능하게 하는 데이터 정보, 코드와 파라미터를 요구합니다. 데이터 정보에는 공유할 수 없는 자료의 출처와 특성 등의 설명도 포함됩니다. 따라서 ‘모든 원본 학습 데이터를 예외 없이 배포해야 한다’라는 단순한 표로 바꾸면 정확하지 않습니다. OSI 정의
| 확인할 항목 | 읽어야 할 내용 |
|---|---|
| 가중치 | 어떤 모델 버전과 정밀도의 파일을 받을 수 있는지 |
| 실행 및 학습 코드 | 공개된 범위와 필요한 실행 도구 |
| 데이터 정보 | 자료의 출처, 구성과 처리 방법을 어디까지 설명하는지 |
| 라이선스 | 사용, 수정과 재배포의 허용 범위 및 지켜야 할 조건 |
Z.ai의 공개 모델에서 보이는 것
Hugging Face는 모델 파일과 설명을 공유하는 플랫폼입니다. 위 이미지는 원문 작성 당시의 목록이며 현재 모델 수를 나타내는 자료가 아닙니다. 다운로드 수와 팔로워 수를 업무 성능이나 유료 고객 수로 바꿔 읽지 않습니다.
GLM-5.3-Flash의 공식 배포자는 zai-org입니다. 현재 모델 카드는 총 약 3,200억 파라미터, 그중 활성 약 180억이라고 설명합니다. 활성 파라미터는 한 번의 계산에서 사용하는 부분이며, 전체 파일을 저장하거나 실행할 때 필요한 메모리가 180억 모델 수준이라는 뜻은 아닙니다. 모델 카드
파라미터 수는 모델 규모를 나타내는 숫자입니다. 파일 형식과 정밀도, 실행 도구와 입력 길이도 메모리에 영향을 주므로 모델 이름만 보고 개인 노트북에서 실행할 수 있다고 판단하지 않습니다.
파생본은 같은 이름이어도 같은 파일이 아닙니다
이 화면에는 공식 계정과 다른 배포자의 파일이 함께 있습니다. 하지만 검색 결과 45개에서 공식 계정의 두 개를 뺀 값이 곧 ‘하루 만에 만들어진 고유 파생본 43개’라고 확정할 수는 없습니다. 전체 목록의 생성 시점과 중복, 실제 변환 내용을 확인해야 합니다.
파생본을 볼 때는 다음 차이를 구분하면 됩니다.
- 양자화는 가중치 숫자의 표현을 줄여 용량과 계산 부담을 낮추는 방법입니다. 품질 변화는 별도로 확인합니다.
- GGUF는 모델 파일 형식이고, FP8은 숫자 표현 방식입니다. 두 이름은 같은 종류의 표기가 아닙니다.
- MLX는 Apple silicon에서 계산 프로그램을 만들고 실행하도록 돕는 소프트웨어 구성요소인 프레임워크입니다. 이름에 MLX가 있어도 모든 맥에서 충분한 속도와 메모리를 확보한다는 뜻은 아닙니다.
검색 화면의 59B 같은 표시만으로 원본을 정확히 그 규모로 축소했다고 결론 내리지 않습니다. 저장소의 변환 설명과 실제 파일 구성을 확인해야 합니다. UNCENSORED나 ABLITERATED 같은 이름도 변경 의도를 암시할 뿐, 실제 동작과 품질을 검증한 표시가 아닙니다.
공개 가중치는 다른 개발자가 변환이나 실행 도구 지원을 시도할 수 있게 합니다. 회사가 직접 지원하지 않은 환경에서 활용 사례가 생길 수 있다는 점은 장점입니다. 다만 기여가 항상 무상이라는 보장이나, 파생본 개수가 곧 실제 사용자 수라는 근거는 없습니다.
파일을 공개해도 API로 수익을 낼 수 있습니다
직접 실행하는 사용자는 장비, 설치, 운영과 장애 대응을 맡습니다. API 사용자는 제공업체의 서버에 요청을 보내고 사용량에 따라 비용을 냅니다. 코딩 구독은 정해진 도구와 한도 안에서 모델을 쓰는 또 다른 상품입니다.
Z.ai의 현재 Coding Plan은 Claude Code, Cline, OpenCode 등의 연결을 안내하며 5시간 및 주간 한도를 둡니다. 이것을 모든 API 호출에 쓸 수 있는 무제한 이용권으로 해석하지 않습니다. Coding Plan 개요
Z.ai가 자사 도구 없이 다른 회사 도구에만 연결하는 것도 아닙니다. 공식 사이트에는 ZCode와 AutoClaw 같은 자체 제품도 있습니다. 특정 국가 기업은 모두 비공개, 다른 국가는 모두 공개라고 분류하기보다 선택한 모델과 상품의 실제 조건을 비교하는 편이 정확합니다. 제품 목록
가중치를 직접 써 본 뒤 운영 편의를 위해 API를 선택하는 흐름은 가능한 사업 설명입니다. 그러나 공개가 매출 증가를 얼마나 일으켰는지는 별도의 분석이 필요합니다. 같은 시기에 모델 성능, 가격, 영업과 고객 구성도 바뀔 수 있기 때문입니다.
실적 숫자에서도 단위를 구분합니다
회사가 공개한 2025년 실적 요약은 연간 매출 약 7.24억 위안과 API 플랫폼 매출 약 1.9억 위안을 구분합니다. 매출총이익률은 41.0%로 표시돼 있습니다. 회사 전체 매출을 모두 공개 모델의 API 매출로 볼 수는 없습니다. 회사 실적 발표
매출은 판매로 얻은 금액이고, 매출총이익은 매출에서 매출원가를 뺀 금액입니다. 연구개발비 등 다른 비용까지 반영한 최종 이익과는 다릅니다. 매출이나 매출총이익이 늘었다고 회사가 흑자라고 단정하지 않습니다.
같은 자료의 400만+는 기업 사용자와 개발자 규모이고 4배는 1분기 유료 토큰 성장 표시입니다. 사용자 수, 호출 횟수와 토큰 양은 서로 다른 단위입니다. 토큰은 AI가 문장을 처리하는 단위이므로 같은 요청 한 번이어도 길이에 따라 사용량이 다릅니다.
첫 연습: 다운로드 없이 이용 조건을 기록합니다
브라우저에서 공식 모델 카드와 LICENSE 파일을 엽니다. 가입하거나 파일을 받지 않고 다음을 메모합니다.
확인 날짜:
배포자와 모델 이름:
원본인지, 다른 배포자의 파생본인지:
라이선스 이름:
재배포할 때 유지해야 하는 표시:
사용하려는 실행 도구:
장비 요구량을 확인했는지:현재 해당 원본 LICENSE는 MIT이며 저작권 및 허가 문구를 복사본이나 중요한 부분에 포함하는 조건과 보증 부인을 담고 있습니다. ‘조건이 하나도 없다’고 요약하면 안 됩니다. 이 확인을 같은 회사의 모든 모델이나 모든 파생본에 자동 적용하지 않습니다. 라이선스 원문
이번 연습의 완료 기준은 정확한 배포자와 파일, 확인한 조건 및 아직 모르는 항목을 기록하는 것입니다. 검색 결과의 모델 이름만 보고 빈칸을 추측해 채우지 않습니다. 다음에는 다른 배포자의 파생본 하나를 열어 원본 링크와 변경 설명이 있는지 찾아봅니다. 찾지 못한 항목은 미확인으로 남기고 원본과 같은 품질 또는 같은 조건이라고 가정하지 않습니다. 다운로드 없이도 이 차이를 기록할 수 있습니다.
API 비용은 입력과 출력을 더합니다
2026년 10월 4일 공식 요금표에서 GLM-5.3-Flash는 100만 토큰당 일반 입력 0.15달러, 캐시 입력 0.03달러, 출력 0.50달러입니다. 캐시는 이전에 처리한 입력을 재사용하는 방식으로, 별도 조건이 적용됩니다. 아래 연습은 캐시와 외부 도구를 쓰지 않는 가상 사용량입니다. 공식 요금표
| 가상 사용량 | 계산 | 금액 |
|---|---|---|
| 입력 200만 토큰 | 2 × 0.15달러 | 0.30달러 |
| 출력 100만 토큰 | 1 × 0.50달러 | 0.50달러 |
| 두 항목 합계 | 0.30 + 0.50달러 | 0.80달러 |
이 금액은 실제 청구서나 원화 환산액이 아닙니다. 다른 모델이나 검색 도구, 재시도와 추가 요청이 있으면 해당 항목도 반영합니다. 출력 단가 한 줄만으로 다른 서비스와 총비용을 비교하지 않습니다. 같은 자료와 같은 완료 기준으로 결과 품질을 확인한 뒤, 재작업에 든 시간과 요청량까지 함께 비교해야 합니다.
한 조건을 바꿔 다시 비교합니다
입력은 200만 토큰으로 두고 출력만 300만 토큰으로 바꿔 계산합니다. 먼저 답을 적고 아래 결과와 대조합니다.
비용 재연습 결과
입력 0.30달러와 출력 1.50달러를 더해 1.80달러입니다. 틀렸다면 100만 토큰 단위로 바꿨는지, 출력량만 바꿨는지 확인합니다.
이번에는 실행 위치를 바꿔 봅니다. ‘회사 서버에서 모델을 실행한다’와 ‘회사 프로그램이 Z.ai API에 요청한다’는 같은 상황이 아닙니다. 전자는 모델 계산을 회사가 맡고, 후자는 요청이 제공업체 서버로 갑니다.
로컬 실행도 검색, 오류 기록이나 연결 도구가 외부로 자료를 보낼 수 있습니다. 모델 파일이 내 컴퓨터에 있다는 사실만으로 모든 통신이 없다고 판단하지 않습니다. 어떤 내용이 어느 도구를 거쳐 어디로 전송되는지를 적을 수 있어야 실행 방식의 차이를 설명할 수 있습니다.
Sources
제대로 이해했는지 한 문제로 확인해 볼까요?
답을 고르면 바로 풀이가 나와요.
가중치가 공개된 모델을 업무에 도입할 때 무엇을 확인해야 하나요?
이 글이 도움이 되었나요?
내 컴퓨터에서 AI를 돌릴 때 필요한 하드웨어, 모델 크기, 실행 도구를 순서대로
코스 전체 보기 →
새 글과 AI 소식을 메일로 받아 보세요
AI가 바꾸는 일과 도구, 측정 실무 이야기를 매주 한 번 보내 드려요.