GLM

앤트로픽이 한국 시각 9월 30일 새벽 Z.ai의 오픈웨이트 모델 GLM-5.3 분석을 내놨습니다.

미국 NIST 산하 CAISI는 9월 17일 이 모델을 지금까지 공개된 오픈웨이트 모델 가운데 사이버 능력이 가장 높고 미국 최전선 모델보다 약 4개월 뒤처진다고 평가했는데, 앤트로픽 시험 결과도 대체로 같았습니다.

ExploitBench 410번 가운데 50번에서 끝까지 성공했고, 앤트로픽은 단순한 방법으로 안전장치를 64~100% 우회할 수 있었다고 밝혔습니다.

보안 테스트 기록과 다국어 데이터로 필요한 전문가만 골라 1.51TB짜리 GLM-5.3을 328GB로 줄였고, 보안용 추가 미세 조정은 하지 않았습니다.

실제 취약점 32개 평가에서 23개를 찾아 원본이 찾은 25개의 92%를 유지했고, 평균 탐지율은 60.4%로 원본 65.6%보다 5.2%p 낮았습니다.

가중치가 공개돼 자체 서버나 폐쇄망에서 H200 4장으로 돌릴 수 있습니다.

Unsloth가 GLM-5.3-Flash의 로컬 GGUF 추론을 최적화했습니다.

디코딩 최적화와 Multi-Token Prediction을 적용해 기존보다 1.6~3.4배 빠르게 실행할 수 있다고 합니다.

GLM-5.3-Flash는 전체 320B 중 토큰당 18B만 활성화하는 MoE 모델로, 1M 컨텍스트와 멀티모달을 지원합니다.

3-bit 양자화를 사용하면 128GB 메모리 환경에서도 Unsloth Desktop이나 llama.cpp로 실행할 수 있습니다.

수천억 파라미터급 모델도 양자화와 추론 최적화를 통해 로컬에서 쓸 수 있는 범위로 계속 들어오고 있습니다.

Abliteration.ai가 GLM-5.3 기반 abliterated-model-large-v2를 공개했습니다.

모델 내부에서 거절 반응과 관련된 활성화 방향을 제거해, 기존 모델이 중단하던 보안 테스트나 레드팀 작업을 계속 수행하도록 만든 버전입니다.

Terminal-Bench 4.0에서는 상위권 성능을 기록했고, 사이버 보안 벤치마크도 GLM-5.2보다 크게 올랐다고 합니다.

AI 안전장치를 더 강하게 만드는 흐름과, 반대로 안전장치를 걷어내 연구·보안용으로 쓰려는 흐름이 동시에 커지고 있습니다.

320B 파라미터 중 18B가 활성화되는 구조이며, LoRA나 탈옥 프롬프트 대신 모델 가중치 자체를 수정했습니다.

MaliciousInstruct 거부율은 96%→11%, JailbreakBench는 93%→12%까지 떨어졌습니다.

다만 거부 성향이 완전히 사라지지는 않았습니다.

GLM-5.3-Flash의 안전장치가 특정 한 부분에 몰려 있지 않고 더 복잡하게 학습됐을 가능성이 있다는 설명입니다.

AI가 실제 터미널 환경에서 코딩·보안·머신러닝·시스템 운영 등의 작업을 얼마나 잘 처리하는지 평가하는 Terminal-Bench 4.0이 공개됐습니다.

Z.ai의 오픈웨이트 모델 GLM-5.3 Max가 GPT-5.6 Sol Max보다 높은 성적을 기록했습니다.

Terminal-Bench 4.0은 기존 평가에서 문제가 있던 작업을 수정·제거하고 실행 시간과 CPU, 메모리 조건까지 다시 조정했습니다.

몇 달 전까지만 해도 중국 오픈웨이트 모델은 미국의 최상위 모델을 따라가는 구도였는데, 이제는 새로운 평가가 나오자마자 GPT-5.6 Sol과 경쟁하거나 앞서는 결과까지 나오고 있습니다.

벤치마크 하나로 실제 성능을 전부 판단할 수는 없습니다.