중국 Z.ai, 새 GLM 모델 '옥스 알파' 공개… 가중치 개방 예고

파라미터 구조와 요금제 실체

해커뉴스 이용자가 블로그 게시물을 분석한 내용에 따르면 옥스 알파는 전체 3200억 파라미터, 활성 180억 파라미터의 MoE 구조다. 전체 크기는 거대하지만 실제 추론에 쓰이는 활성 파라미터는 180억 수준이다. 추론 비용을 줄이면서 대형 모델급 성능을 노린 설계로 보인다.

요금제는 정규가 기준 입력 토큰당 0.15달러, 출력 0.50달러다. 현재 출시 기념 50% 할인으로 입력 0.075달러, 출력 0.25달러에 제공 중이다. 해커뉴스 댓글에서는 "대부분 V4 플래시 공급자보다 싸다"는 평가가 나왔으나 "작업당 토큰 수가 동일하지 않을 수 있다"는 주의도 함께 달렸다.

커뮤니티가 짚은 강점과 약점

사용자 반응은 양극단으로 갈린다. **"최신 '지능형' 모델보다 인간미·공감 능력이 낫다"**는 호평이 있는가 하면 **"GLM 시리즈는 매 버전마다 '둠 루프' 이슈가 있었다"**는 경고도 공존한다. 둠 루프는 모델이 특정 패턴에 빠져 같은 실수를 반복하거나 출력이 붕괴되는 현상을 지칭하는 커뮤니티 용어다.

한 이용자는 "미모 2.5가 4개월 전 출시인데 이미 구식 취급받는다"며 모델 세대 교체 속도가 빨라 검증 주기가 짧아진 점을 지적했다. 또 다른 개발자는 자동화된 테스트 하네스에서 유사한 도구 호출이 반복 감지되면 에러로 종료하도록 만들었다고 밝혔다. 실제 배포 환경에서 안정성 검증이 여전히 과제임을 시사한다.

앞서 본 GLM 모델들과 무엇이 다른가

Z.ai의 전신인 ZHIPU AI가 내놓은 GLM-4 시리즈에 대한 해외 사용자 평가는 자료에 없다. 본지가 확인하지 못했습니다. 옥스 알파는 가중치 공개를 전제로 한 만큼 외부 연구자와 개발자가 미세조정으로 약점을 보완할 여지를 열었다는 점이 가장 큰 차이다.

다만 가중치 공개 시점과 라이선스 조건은 아직 공개되지 않았다. "공개하겠다"는 약속만으로는 상업적 이용 가능 여부, 재배포 제한, 파생 모델 배포 조건 등을 알 수 없다. 이 부분이 확정되기 전까지는 오픈소스 모델로 분류하기 이르다.

쉽게 풀어보면

Z.ai가 새로운 AI 모델 옥스 알파를 내놨습니다. 이 모델의 설계도는 '전문가 혼합(MoE)' 방식입니다. 거대한 도서관(3200억 파라미터)을 갖춰 두고 질문이 들어오면 관련 분야 사서 18명(180억 활성 파라미터)만 불러내 답을 찾는 식이죠. 전체 크기는 크지만 실제 일하는 인원은 적은 셈이라 비용 대비 성능이 유리할 수 있습니다.

가장 눈여겨볼 대목은 **'가중치 공개 약속'**입니다. 가중치는 AI가 학습하며 익힌 '뇌의 연결 상태' 같은 값입니다. 이걸 공개하면 누구나 모델을 내려받아 자기 데이터로 추가 학습하거나 동작 원리를 분석해 버그를 고칠 수 있습니다. 메타의 라마 시리즈가 그랬듯 개방형 생태계가 열리면 기술 발전 속도가 빨라집니다.

하지만 '약속'과 '실제 공개' 사이에는 간극이 있습니다. 라이선스가 상업 이용을 막거나 핵심 레이어만 숨길 수도 있습니다. 또 GLM 시리즈는 과거 버전마다 '둠 루프'라 불리는 반복 오류가 보고됐습니다. 같은 말을 끝없이 되풀이하거나 논리가 꼬이는 현상입니다. 옥스 알파에서 이 문제가 해결됐는지는 독립 벤치마크와 실사용 검증이 더 필요합니다.

나에게 미치는 영향

지금 바로 써볼 만한가? 호기심이라면 할인 기간(입력 0.075달러, 출력 0.25달러/1M 토큰)에 API로 테스트해 볼 만합니다. 대량 텍스트 처리 실험용으로는 부담이 적습니다.

실무 투입은 신중히. 한국어 벤치마크 점수, 긴 문맥 안정성, 툴 사용 신뢰도 등 한국 실무 환경에서 검증된 데이터가 아직 없습니다. 옥스 알파가 기존 모델을 대체할 수 있을지는 미지수입니다.

기다려도 되는 사람. 가중치 공개 라이선스가 확정돼 상업 이용이 자유로워질 때까지, 또는 국내 클라우드·SaaS 업체가 관리형 서비스로 내놓을 때까지 관망해도 늦지 않습니다. 모델 교체 비용을 고려하면 검증된 모델로 당분간 버티는 게 합리적일 수 있습니다.

남은 검증 포인트

가중치 공개 라이선스 전문 — 아파치 2.0급 자유 라이선스인지, 커스텀 제한이 따르는지
한국어·코딩 벤치마크 실측 — 제미나이 2.5 프로, 클로드 4 소넷, 딥시크 V3 대비 상대 성능
둠 루프 재현 테스트 — 장문 생성·다중 턴 대화에서 반복 붕괴 발생 빈도
서빙 인프라 안정성 — Z.ai 자체 API 외 서드파티 호스팅 등장 여부

이 네 가지가 확인되기 전까지는 '가성비 좋은 실험용 모델'로 분류하는 게 적절해 보입니다. 발표문만으로는 알 수 없는 실전 내구성이 관건입니다.