GLM-5.3 Flash: 빠르고 저렴한 멀티모달 모델

GLM-5.3 Flash는 2026년 8월 26일 OpenRouter에 등록되었습니다. GLM-5.3과 달리 성능과 효율성을 위해 아키텍처 및 학습 레시피를 새롭게 재설계한 베이스 모델을 기반으로 합니다. 총 320B 파라미터를 보유하며, 토큰당 활성 파라미터는 18B에 불과합니다.

Z.ai는 GLM 시리즈 최초로 sparse attention과 linear attention을 결합한 하이브리드 설계를 도입하여, 정밀한 롱 컨텍스트 처리 성능을 유지하면서도 서빙 비용을 대폭 절감했습니다. Z.ai에 따르면 이는 GLM-5.3 대비 어텐션 연산량을 3.01×, KV cache를 4.44× 줄여줍니다. 또한 이 모델은 Manifold-Constrained Hyper-Connections(mHC)를 사용하며 30조 토큰 규모의 멀티모달 코퍼스로 사전 학습되었습니다.

OpenRouter에서 GLM-5.3 Flash는 텍스트, 이미지, 비디오 입력을 지원하며, 컨텍스트 윈도우는 1,048,576 토큰, 최대 출력은 943,718 토큰입니다. 비용은 100만 입력 토큰당 $0.0052, 100만 출력 토큰당 $0.1985로, GLM-5 제품군 중 압도적으로 가장 저렴합니다. Z.ai 플랫폼에서 모델 코드는 glm-5.3-flash이며, 1M 컨텍스트, 최대 128K 출력 토큰 및 image_url을 통한 이미지 입력을 지원합니다.

Z.ai에 따르면 GLM-5.3 Flash는 10분의 1 가격으로 벤치마크와 실제 워크로드 전반에서 GLM-5.2를 능가하며, 코딩 및 에이전트 벤치마크에서는 Claude Opus 4.8에 근접한 성능을 발휘합니다. 가중치는 MIT 라이선스 하에 Hugging Face(zai-org/GLM-5.3-Flash)에서 제공됩니다.

2026년 9월 18일에 공개된 GLM-5.3 FlashX는 GLM-5.3 Flash의 고속 파생 모델입니다. 동일한 하이브리드 어텐션 아키텍처를 기반으로 구축되었으며, 설명에 따르면 최대 초당 200 토큰의 추론 속도를 제공합니다. 1M 토큰 컨텍스트에서 텍스트, 이미지 및 비디오를 지원하지만, 요청당 반환 가능한 최대 토큰 수는 약 131K 토큰입니다.

FlashX는 OpenRouter에서 100만 입력 토큰당 $0.37, 100만 출력 토큰당 $1.25로 책정되어 있으며 가중치는 공개되지 않습니다. 비용보다 지연 시간(레이턴시)이 더 중요할 때 적합하며, 그 외 대부분의 작업에는 표준 GLM-5.3 Flash가 훨씬 경제적입니다.