오픈 가중치 모델, 최상위권 진입: GLM-5.2 vs GPT-5.5

28% vs 86%. 51 vs 55. 25% vs 57%. 같은 두 모델을 측정한 세 쌍의 숫자임. 첫 번째 숫자는 MIT 라이선스 오픈 가중치 모델이 GPT-5.5를 박살냈다고 말함. 두 번째 숫자는 GPT-5.5가 두 배 넘게 유능하다고 말함. 세 번째는 그 사이 어딘가에 있음. 그런데 이 중 어느 것이 ‘신뢰성’임? 새로 등장한 오픈 가중치 모델 흐름의 한복판에 놓인 함정이 바로 이것임. 답을 틀리면 기업은 돈이든 신뢰든 둘 중 하나를 잃게 됨.

요즘 도는 헤드라인은 단순함. Z.ai의 GLM-5.2, 그러니까 직접 내려받아 돌릴 수 있는 오픈 가중치 모델이 OpenAI 플래그십 GPT-5.5보다 환각을 약 3배 덜 일으킨다는 것임. 마치 오픈이 마침내 클로즈드 프런티어를 추월한 순간처럼 들림. 부분적으로는 사실이고, 단일 축으로 환원하면 완전히 오도임. 정직한 버전은 두 사실을 같은 강도로 동시에 쥐고 있어야 성립함. GLM-5.2는 환각이 훨씬 적고, 동시에 정답도 훨씬 적게 맞힘. 흥미로운 질문은 ‘어느 모델이 더 나은가’가 아님. ‘당신 업무가 가장 감당하기 어려운 실패는 어느 쪽인가’임.

두 등장인물부터 소개함. 이 글 전체가 이 둘에 관한 이야기이기 때문임. GLM-5.2는 확신이 없으면 입을 다무는 모범생임 — 환각 낮음, 지식 더 낮음. GPT-5.5는 아는 건 많지만 몰라야 할 때조차 답을 단정하는 천재임 — 지식 높음, 환각 더 높음. 둘 다 실패함. 다만 정반대 방향으로 실패함.

Z.ai는 2026년 6월 16일 GLM-5.2를 공개함. 관대한 MIT 라이선스의 오픈 가중치 모델임. OpenAI는 그보다 앞선 2026년 4월 23일 GPT-5.5를 클로즈드 프런티어 모델로 출시함. 그 사이 몇 달 동안 ‘오픈’과 ‘프런티어’의 격차는 균일하게 좁혀지지 않았음. 어떤 축에서는 좁혀지고, 어떤 축에서는 오히려 벌어졌음. 그 불균일한 움직임이 진짜 이야기이고, 단일 벤치마크 숫자가 위험한 이유임.

아래 모든 수치는 Artificial Analysis(AA)의 두 가지 점수판에 묶여 있음. 종합 역량 지수인 AA Intelligence Index v4.1, 그리고 지식·정직성 검사인 AA-Omniscience임. 다른 출처에서 나온 숫자는 그때마다 명시함.

오픈 가중치 모델에서 ‘1위’가 의미하는 것

가장 강한 주장부터. GLM-5.2는 AA Intelligence Index에서 오픈 가중치 1위임. 검증된 사실임. 51점으로 MiniMax-M3(44)·DeepSeek V4 Pro(44)·Kimi K2.6(43)을 앞섬. 실제로 가중치를 내려받을 수 있는 모델 중에는 이보다 높은 게 없음.

그런데 헤드라인이 자꾸 빠뜨리는 단서가 있음. 51점은 전체로 보면 4위임. Claude Fable 5(60)·Opus 4.8(56)·GPT-5.5(55)가 모두 위에 있음. 그러니 ‘오픈 가중치 모델이 프런티어를 추월했다’는 오픈 가중치 진영 안에서만 참임. 종합 지능 기준으로는 클로즈드 프런티어 3종이 여전히 앞섬. 정직한 프레이밍은 ‘오픈 1위 / 전체 4위’이고, 뒷부분을 떼어내는 순간 진짜 이정표가 과장으로 둔갑함.

그렇다면 전면 역전이 아니라면 변곡점은 무엇임? 두 가지가 동시에 일어난 것임. 오픈 가중치가 톱5 티어에 진입한 것, 그리고 그 밑에서 가격이 붕괴한 것임.

가격 붕괴는 아무도 반박 못 하는 부분임

GLM-5.2는 총 744B·활성 40B의 전문가 혼합(MoE) 모델이고, 컨텍스트 창은 1M 토큰임. 가격은 입력 100만 토큰당 약 $1.4, 출력 100만 토큰당 약 $4.4임. GPT-5.5 출력은 100만 토큰당 약 $30임. 종합 지수에서 한 티어 아래에 있는 모델을 약 6~7분의 1 비용에 쓰는 셈임.

매달 수백만 콜을 돌리는 기업 입장에서 ‘종합 지능 한 티어’와 ‘청구서 6분의 1’은 많은 곳이 망설임 없이 받아들일 거래임. 이정표는 오픈이 클로즈드보다 똑똑해진 게 아님. 오픈이 충분히 근접했고, 충분히 저렴해졌고, 결정적으로 직접 호스팅할 만큼 통제 가능해진 것임.

‘환각 3배 적음’이 실제로 의미하는 것

이제 모든 논의를 촉발한 그 숫자임. AA-Omniscience에서 GLM-5.2 환각률은 28.1%, GPT-5.5는 보도값 약 86%임 — 약 3.06배 차이임. 참고로 같은 검사에서 Opus 4.7은 약 36%, Gemini 3.1 Pro는 약 50%임. GLM-5.2가 이 그룹에서 가장 신중한 모델인 건 맞음.

정직성을 위해 귀속 하나를 짚음. GLM-5.2의 28.1%는 AA-Omniscience 1차 표에서 그대로 나온 값임. 그런데 GPT-5.5의 약 86%는 AA 1차 표에서 직접 가져온 게 아니라 AA-Omniscience 방법론 기준 보도값임. 방향은 견고하되 정확한 배수는 벤치 의존으로 봐야 함.

모든 걸 바꾸는 방법론 한 문장

AA-Omniscience가 환각을 어떻게 채점하는지가 핵심임. 환각률 = 오답 / (오답 + 부분답 + 미시도)임. 기권, 그러니까 ‘모름’이라고 말하는 건 벌점이 없음. 종합 AA-Omniscience 지수(−100~100 범위)는 정답을 보상하고, 확신에 찬 오류를 처벌하고, 기권은 무벌점으로 처리함.

두 번 읽어볼 대목임. 확신이 없을 때마다 입을 닫는 모델은 환각률이 거의 기계적으로 낮게 나옴. ‘모름’은 전부 미시도이고, 미시도는 환각으로 집계되지 않기 때문임. 낮은 환각률은 모델이 얼마나 아는지를 재는 지표가 아님. 추측을 얼마나 자주 거부하는지를 재는 지표임.

헤드라인이 숨긴 반전

그래서 ‘3배’ 프레이밍이 빼놓은 숫자가 여기 있음. 이게 글 전체의 척추임. 같은 AA-Omniscience 검사에서 정확도는 반대로 흐름. GLM-5.2는 25.1%, GPT-5.5는 약 57%임. GPT-5.5가 두 배 넘게 정답을 맞힘.

메커니즘은 GLM-5.2의 시도율 약 47%임. 질문의 절반 넘게 답하기를 그냥 거부함. 낮은 환각률은 상당 부분 그 기권의 산물임. GPT-5.5는 훨씬 많이 시도하고, 훨씬 많이 알고, 그 대가로 자기 지식을 넘어설 때 확신에 차서 틀림.

그러니 ‘환각 3배 적음’과 ‘정확도 2배 낮음’은 모순이 아님. 같은 행동을 정반대 끝에서 측정한 두 가지 서술임. GLM-5.2 = 겸손한 무지: 안전하지만 덜 유용함. GPT-5.5 = 확신에 찬 오류: 유용하지만 틀리면 위험함. 신뢰성은 단일 숫자가 아님. 실패 모드 사이의 선택임.

이 재프레이밍이 모델 신뢰성이 곧 운영 리스크라는 명제를 추상이 아니라 구체로 만듦. 확신에 찬 오답을 처벌하는 업무라면 — 법률 초안, 의료 요약, 컴플라이언스 — 겸손한 모범생이 더 안전함. 폭넓음을 보상하고 어차피 사람이 결과를 확인하는 업무라면 — 리서치, 브레인스토밍, 아이데이션 — 박식한 천재가 이김. 벤치마크가 그 판단을 대신해주지는 못함.

클로즈드는 끝났나? 종합을 떠받치는 축에서는 아님

오픈이 판을 싹 쓸었다고 말하면 깔끔하겠지만, 그렇지 않음. 코딩과 추론 그림은 축마다 갈리고, 아닌 척하는 건 옷만 갈아입은 똑같은 과장임.

GLM-5.2가 앞서는 곳: FrontierSWE 74.4 vs GPT-5.5 72.6, SWE-bench Pro 62.1 vs 58.6임. 일부 장기 에이전틱 코딩 벤치에서는 오픈 모델이 실제로 우위임. ‘오픈이 코딩에서 GPT-5.5를 이겼다’는 헤드라인의 진실 알맹이가 여기임.

GPT-5.5가 앞서는 곳: Terminal-Bench 2.1에서 84.0 vs 81.0, 그리고 종합 Intelligence Index 자체가 55 vs 51임. GPT-5.5는 한때 AA Index 1위(xhigh 55)였고, FrontierMath Tier 4 약 35.4%, Terminal-Bench 2.0 82.7% 같은 강한 추론 성적을 가짐.

그러니 ‘오픈이 코딩·추론에서 클로즈드를 추월했다’는 무조건문으로는 거짓이고 한정문으로는 참임. 특정 장기 코딩 벤치: 오픈 우위. 표준 터미널 작업·종합 지능·폭넓은 추론: 클로즈드 우위. 프런티어는 무너지지 않았음. 빠르고 저렴한 이웃이 생겼을 뿐임.

기업 매트릭스: 신뢰성은 주권이 아님

이제 조달을 가르는 부분임. 서로 다른 두 축이 늘 하나로 뭉뚱그려지기 때문임. ‘신뢰성 우위’와 ‘데이터 주권 리스크’는 별개 질문이고, 한 축을 이기면서 다른 축을 질 수 있음.

채택 순풍은 진짜임. AA 상위 10개 중 5개가 이제 오픈 가중치임. 주권을 중시하는 기업은 1조 파라미터급 모델을 온프레미스나 프라이빗 클라우드에서, 데이터 경로에 제3자 없이, 자체 통제로 돌릴 수 있음.

아무도 건너뛰면 안 되는 중국 균형추

‘환각 낮음’ 헤드라인이 절대 세탁하지 못하게 막아야 할 대목임. GLM-5.2는 Z.ai(옛 Zhipu), 중국 기업에서 나옴. 이걸 쓰는 방법은 완전히 다른 두 가지이고, 정반대 리스크 프로파일을 가짐.

첫 번째는 Zhipu API임. 데이터가 중국 내 인프라를 경유함. 중국에서는 국가정보법(National Intelligence Law)이 조직에 국가 정보 활동을 지원·협력할 의무를 부과함. 낮은 환각률은 그것에 대해 아무것도 말해주지 않음. ‘안전한 답변’이 ‘중국 경유 API로 데이터를 보내도 안전’을 뜻하지는 않음.

두 번째는 MIT 가중치 자체 호스팅임. 라이선스가 모델을 자체 하드웨어에 내려받아 돌리도록 허용하기 때문에 데이터 경로가 로컬에 머물고 자체 통제 아래 둠. 같은 모델, 정반대 주권 태세임. 라이선스가 중국발 모델을 로컬에서 통제 가능한 자산으로 바꿔주고, 규제 기업에게는 그 구분이 오픈 가중치 모델의 핵심 가치임.

왜 한국에서 더 세게 작동하나

한국의 AI 기본법은 2026년 1월 시행됐고, ‘고영향’ AI에 의무를 부과함. 그 체제는 오픈 가중치가 제공하는 바로 그 속성을 보상함. 호출만 가능한 블랙박스 API가 아니라, 직접 통제·감사·진화시킬 수 있는 모델임. 신세계-Reflection AI 딜 같은 사례도 같은 방향을 가리킴 — 기업은 거버넌스 가능한 모델을 원함.

추상이 재무제표 항목으로 바뀌는 지점임. 모델 신뢰성이 곧 운영 리스크이지 연구실 호기심이 아님. 같은 논리가 규제 업무에 Claude를 도입한 한국 기업의 흐름에도, 모델에 행동 권한을 주는 순간 모델 행동이 에이전트 공격 표면의 일부가 되는 방식에도 그대로 흐름. 실패 모드를 잘못 고르면 망한 데모가 아니라 사고가 돌아옴.

한줄 코멘트와 직장인 시사점

한줄 코멘트. 오픈 가중치 모델의 변곡점은 진짜이지만, ‘오픈이 클로즈드보다 똑똑해졌다’가 아님. ‘오픈이 6분의 1 비용으로 충분히 근접했고, 직접 호스팅할 수 있게 됐다’임. GLM-5.2는 GPT-5.5를 앞선 게 아니라 더 많이 기권한 것임. 환각 3배 격차와 정확도 2배 격차는 겸손 대 확신이라는 같은 거래의 양면이고, ‘신뢰성’은 우리 사업이 못 버티는 실패가 무엇인지 이름 붙인 뒤에야 의미가 생김.

직장인 시사점. 지금 중요한 역량은 단일 숫자가 가장 좋은 모델을 고르는 게 아님. 내 업무가 실제로 어느 축 위에서 돌아가는지를 아는 것임. 다음 ‘우리 모델이 쟤네를 이겼다’ 헤드라인이 책상에 떨어지기 전에 던져볼 질문은 이것임. 내 업무에서 확신에 찬 오답은 겸손한 ‘모름’보다 비싼가, 그리고 그걸 확인하러 우리 데이터가 건물 밖으로 나가도 되긴 하나.

자주 묻는 질문 (FAQ)

Q. GLM-5.2가 환각을 3배 적게 일으키면, 더 정확한 오픈 가중치 모델인가요? A. 아닙니다. AA-Omniscience에서 GPT-5.5의 정확도(약 57%)는 GLM-5.2(25.1%)의 두 배를 넘습니다. 환각률은 기권을 무벌점으로 집계하므로, 자주 ‘모름’이라고 답하는 모델은 더 많이 알지 않아도 환각률이 낮게 나옵니다.

Q. GLM-5.2는 중국 기업 모델이라 보안 위험이 있나요? A. 어떻게 돌리느냐에 달려 있습니다. Zhipu API를 쓰면 데이터가 중국을 경유하므로 데이터 주권 우려가 실재합니다. MIT 라이선스 가중치를 자체 하드웨어에 자체 호스팅하면 데이터 경로가 로컬에 머물고 통제권이 유지됩니다.

Q. 우리 회사는 어떤 모델을 골라야 하나요? A. 실패 비용과 배포 형태에 맞춥니다. 확신에 찬 오답이 치명적이면(법률·의료·컴플라이언스) 기권하는 모델이 안전하고, 폭넓음이 중요하고 사람이 결과를 검토하면 지식 많은 모델이 유리합니다. 그다음 데이터 주권 규정에 따라 API와 온프레미스를 결정합니다.

Q. 오픈 가중치 모델이 클로즈드 프런티어를 완전히 대체했나요? A. 아직 아닙니다. AA Intelligence Index 상위 3위는 여전히 클로즈드(Fable 5·Opus 4.8·GPT-5.5)입니다. 다만 격차가 좁고 오픈 옵션 비용이 약 6분의 1이라, 오픈 채택이 빨라지고 있습니다.

참고 소스

• Artificial Analysis — GLM-5.2가 AA Intelligence Index 신규 오픈 가중치 1위: https://artificialanalysis.ai/articles/glm-5-2-is-the-new-leading-open-weights-model-on-the-artificial-analysis-intelligence-index
• Artificial Analysis — AA-Omniscience 벤치마크: https://artificialanalysis.ai/evaluations/omniscience
• Artificial Analysis — GLM-5.2 모델 페이지: https://artificialanalysis.ai/models/glm-5-2
• OpenAI — Introducing GPT-5.5: https://openai.com/index/introducing-gpt-5-5/
• VentureBeat — GLM-5.2가 6분의 1 비용으로 장기 코딩 벤치에서 GPT-5.5를 이김: https://venturebeat.com/technology/z-ais-open-weights-glm-5-2-beats-gpt-5-5-on-multiple-long-horizon-coding-benchmarks-for-1-6th-the-cost
• Office Chai — GLM-5.2, AA Intelligence Index 4위·최강 오픈 모델: https://officechai.com/ai/glm-5-2-places-4th-on-artificial-analysis-intelligence-index-becomes-most-capable-open-model/
• TechTimes — GLM-5.2 오픈 가중치 공개: API 사용 시 중국 데이터 리스크: https://www.techtimes.com/articles/318543/20260617/glm-52-open-weights-live-top-coding-benchmark-api-use-carries-china-data-risk.htm
• Stanford HAI / DigiChina — Beyond DeepSeek: 중국의 다양한 오픈 가중치 AI 생태계: https://hai.stanford.edu/assets/files/hai-digichina-issue-brief-beyond-deepseek-chinas-diverse-open-weight-ai-ecosystem-policy-implications.pdf
• Future of Privacy Forum — 한국의 새 AI 기본법: https://fpf.org/blog/south-koreas-new-ai-framework-act-a-balancing-act-between-innovation-and-regulation/
• arXiv — AA-Omniscience (2511.13029): https://arxiv.org/pdf/2511.13029