요약
GLM-5.3-FlashX는 Z.ai의 GLM-5.3-Flash 고속 서빙(Serving) 변형입니다. 2026년 9월 18일 출시되었으며, 공급자 보고 기준 최대 200 토큰/초의 피크 생성 속도(보장되거나 독립적으로 검증된 배수 아님)를 목표로 하면서 GLM-5.3-Flash의 능력 기반을 유지합니다. GLM-5.3-FlashX는 이제 CometAPI에서 이용 가능합니다로, OpenAI 호환 채팅 완성(chat-completions) 엔드포인트를 통해 접근할 수 있습니다.
중요한 차이는 FlashX가 주로 서빙 및 추론 측 최적화라는 점이며, 별도의 문서화된 지능 체크포인트가 아니라는 것입니다. 그 능력 기반은 네이티브 멀티모달 입력, 1M 토큰 컨텍스트 윈도우, 하이브리드 희소 + 선형 어텐션, 도구 사용, 장기 지향 에이전트 워크플로를 갖춘 총 320B / 활성 18B GLM-5.3-Flash 모델입니다.
보고된 속도와 가격 배수는 출시 시점의 주장일 뿐, 모든 공급자나 모든 요청에 대한 보장은 아닙니다. 운영 환경에서는 첫 토큰까지의 시간, 지속 처리량, p95 지연, 작업 완료 시간, 그리고 현재 공급자 가격을 비교 평가해야 합니다.
최종 확인: 2026년 9월 20일
핵심 요점
- 속도: Z.ai는 최대 200 토큰/초의 피크 생성을 보고했습니다. 공식 기준선이나 보편적 배수는 제시되지 않았으므로, 각 팀은 자체 경로와 워크로드로 벤치마크해야 합니다.
- 능력 기반: FlashX는 320B 총/18B 활성 MoE 설계, 네이티브 멀티모달, 하이브리드 희소 + 선형 어텐션, 1M 컨텍스트 등 GLM-5.3-Flash의 특성을 계승합니다.
- 벤치마크: 공개된 지능 점수는 GLM-5.3-Flash에 속하며, FlashX 개별 벤치마크 실행이 아닙니다.
- 최적 적합: 상호작용 코딩 에이전트, 브라우저/컴퓨터 사용 루프, 비주얼 코딩, 엔터프라이즈 어시스턴트 등 단계가 많은 워크플로에서 지연이 누적되는 경우
- CometAPI 제공: GLM-5.3-FlashX는 CometAPI에서
glm-5.3-flashx모델 ID와/v1/chat/completions엔드포인트로 사용할 수 있습니다.
GLM-5.3-FlashX란?
GLM-5.3-FlashX는 GLM-5.3-Flash를 위한 지연 최적화 전달 계층으로 이해하는 것이 가장 적절합니다. Z.ai의 출시 메시지는 더 빠르고 부드러운 추론에 초점을 두며, 기본 Flash 모델이 능력의 토대 역할을 계속합니다. 따라서 FlashX는 새로운 모델 세대나 증류 체크포인트, 별도로 공개된 가중치 세트와는 다릅니다.
기본 GLM-5.3-Flash 모델은 효율적 추론을 중심으로 설계되었습니다. Z.ai에 따르면 새 멀티모달 베이스에서 학습되었고, 30조 토큰 규모의 멀티모달 코퍼스를 사용했으며, Mixture-of-Experts 라우팅과 하이브리드 어텐션을 결합합니다. FlashX는 GLM-5.3-Flash를 위해 개발된 추론 인프라를 기반으로 서빙 측을 한층 더 밀어붙입니다.
개발자 관점에서 “GLM-5.3-FlashX란?”에 대한 실용적 답은 다음과 같습니다. Z.ai가 제공하고 이제 CometAPI의 통합 API를 통해서도 사용할 수 있는 고처리량 GLM-5.3-Flash 서빙 옵션입니다. 가치 제안은 새로 주장된 지능 향상보다는 상호작용 지연의 감소입니다.
IT Home 보도에 따르면, GLM-5.3-Flash는 처음에 익명명 “Ox Alpha”로 해외 개발자에게 등장했고 사용량이 계속 증가했습니다. 그 수요를 처리하기 위해 Zhipu는 약 10만 개 규모의 국산 가속기 칩을 기반으로 한 프로덕션 인프라 투자와 추론 최적화를 강화한 뒤 FlashX를 도입했습니다. 이 서비스는 GLM-5.3-Flash 능력 기반을 유지하면서 공급자 보고 기준 최대 200 토큰/초의 피크 출력을 제시합니다. Zhipu는 이 출시를 지능, 가격, 속도 중심으로 포지셔닝하며, 엔터프라이즈 및 개발자 워크로드에서는 현실적 동시성 하에서 지속 처리량, p95 지연, 작업 품질, 비용으로 상업적 가치를 검증해야 합니다.
GLM-5.3-FlashX 사양
FlashX는 고속 서빙 변형이므로, 사양표는 상속된 모델 특성과 FlashX 특유의 서빙 특성을 구분해야 합니다.
| Specification | GLM-5.3-FlashX |
|---|---|
| Provider | Z.ai / Zhipu AI |
| Product positioning | GLM-5.3-Flash를 위한 고속 서빙 옵션 |
| Total / active parameters | 기본 모델에서 상속된 약 320B / 토큰당 18B |
| Architecture | Mixture-of-Experts; 하이브리드 희소 + 선형 어텐션; mHC |
| Context window | 최대 1,048,576 토큰 |
| Inputs / output | 정확한 모달리티 지원, 파일 한도, 비디오 제약, 경로별 매개변수는 프로덕션 배포 전 공급자 엔드포인트 기준으로 확인해야 합니다. |
| Reasoning | 기본 GLM-5.3-Flash 모델을 통해 지원 |
| Reasoning effort | 지원되는 경로에서 low / high / max |
| Thinking | 경로/API 의존적 |
| Tool / function calling | 지원 |
| Open weights | 기본 GLM-5.3-Flash: MIT 라이선스; FlashX는 호스팅 서빙 옵션으로 제시 |
| Reported peak speed | 최대 200 토큰/초 |
| Reported relative speed | 공식 기준선이나 보장된 배수 없음; 선택한 공급자 경로를 벤치마크 |
| CometAPI price | 입력 1M 토큰당 $60, 출력 1M 토큰당 $60, 2026년 9월 20일 기준 검증됨; 실시간 가격 재확인 |
| Launch date | 2026년 9월 18일 |
| Z.ai model key | GLM-5.3-FlashX / glm-5.3-flashx |
| CometAPI model ID | glm-5.3-flashx |
| CometAPI endpoint | POST /v1/chat/completions |
GLM-5.3-FlashX가 GLM-5.3-Flash보다 왜 더 빠른가?
속도 향상에는 두 겹의 최적화 층이 있습니다. GLM-5.3-Flash에서 계승된 효율적 아키텍처와 그에 맞춰 최적화된 서빙 인프라입니다.
하이브리드 희소 + 선형 어텐션
GLM-5.3-Flash는 로컬 의존성에는 선형 어텐션을, 더 넓은 컨텍스트에서 관련 정보를 검색하는 데에는 희소 어텐션을 결합합니다. Z.ai는 또한 IndexPool을 설명하는데, 이는 가중 풀링을 통해 네 개의 캐시된 인덱서 키 벡터를 하나로 압축합니다. Z.ai가 공개한 비교에 따르면, 이러한 변화는 긴 컨텍스트에서 GLM-5.3 대비 어텐션 연산을 약 3.0배, KV 캐시 크기를 약 4.4배 줄입니다.
Z.ai의 공식 GLM-5.3-Flash 아키텍처 섹션입니다.
추론 인프라
Z.ai에 따르면 프로덕션 GLM-5.3-Flash 트래픽은 10만 개 이상의 중국산 AI 가속기 클러스터에서 구동됩니다. 서빙 스택에는 텐서 병렬성, ReplaySSM, W8A8 양자화, 혼합 INT8/FP8/BF16 캐시 양자화, Layer Split, 그리고 Encode–Prefill–Decode 분리형 아키텍처가 포함됩니다. 동일 하드웨어에서 초기 기준선 대비 엔드 투 엔드 서빙을 약 3배 개선했다고 보고합니다.
따라서 FlashX는 지속적인 추론 최적화의 제품화로 읽어야 합니다. 모델은 연산과 캐시 비용을 줄이고, FlashX는 보다 공격적인 저지연 서빙 레이어를 추가합니다.
GLM-5.3-FlashX는 얼마나 빠른가?
Z.ai는 최대 200 토큰/초의 피크 생성 속도를 보고합니다. 이는 최대 서비스 수치이며 보장된 지속 속도가 아니므로, 프로덕션 경로에서 첫 토큰까지의 시간, 지속 출력 속도, p95 지연, 작업 완료, 오류율을 검증해야 합니다.
“최대 200 토큰/초”는 모든 요청에 대한 보장이 아니라 피크 서빙 수치입니다. 실제 처리량은 프롬프트 길이, 추론 노력, 출력 길이, 멀티모달 전처리, 동시성, 도구 호출, 리전, 공급자 부하에 따라 달라집니다.
유용한 프로덕션 지표로는 첫 토큰까지의 시간, 지속 출력 토큰/초, p95 지연, 엔드 투 엔드 작업 완료 시간이 있습니다. 특히 에이전트의 경우 20단계 워크플로라면 생성 지연을 20번 치러야 하므로 작업 완료 시간이 중요합니다.
GLM-5.3-FlashX의 벤치마크 성능은?
출시 시점에 FlashX 전용 지능 벤치마크 세트는 공식적으로 공개되지 않았습니다. FlashX는 추론 및 서빙 최적화로 문서화되었으므로, 검증된 차별점은 처리량이지 새로운 작업 품질 점수가 아닙니다.
해당 결과는 기본 GLM-5.3-Flash 모델에 속하며, 능력 맥락으로만 참고할 수 있습니다. FlashX의 체크포인트, 평가 하니스, 작업 품질 실행은 별도로 보고되지 않았기 때문입니다.
배포 결정을 위해서는 동일한 프롬프트, 추론 노력, 도구 설정에서 FlashX와 Flash를 테스트한 후, 작업 성공률, 첫 토큰까지의 시간, 지속 처리량, p95 지연, 완료된 워크플로 단가를 비교하세요.
GLM-5.3-FlashX vs GLM-5.3-Flash vs GLM-5.3
| Dimension | GLM-5.3-FlashX | GLM-5.3-Flash | GLM-5.3 |
|---|---|---|---|
| Positioning | 고속 서빙 티어 | 효율성 우선 멀티모달 모델 | 플래그십 능력 티어 |
| Context | 최대 1M | 1M | 지원 경로에서 1M급 |
| Total / active parameters | 320B / 18B 기반 상속 | 320B / 18B | 더 큰 플래그십 구성 |
| Peak output speed | 최대 200 토큰/초 보고 | 공급자 의존 기준선 | 공급자 의존 |
| Relative price vs Flash | 약 2.5× 보고 | 1× | Flash보다 높음 |
| Open weights | 서비스 티어; 기본 가중치는 오픈 | 예, MIT | 릴리스별 상이 |
| Reasoning and tools | Flash에서 상속; 경로 제어 확인 | 지원 | 플래그십 추론 티어 |
| CometAPI availability | 제공 | 제공 | 제공 |
| Best fit | 상호작용 저지연 에이전트 | 대량·비용 민감 멀티모달 작업 | 최대 능력 GLM 워크로드 |
CometAPI는 이제 GLM-5.3-Flash API와 GLM-5.3 API alongside GLM-5.3-FlashX API를 제공합니다. 이를 통해 단일 통합으로 지연, 비용, 작업 품질을 비교할 수 있습니다.
워크로드 기반 비교
| Scenario | Flash | FlashX |
|---|---|---|
| Batch processing | ✓ | |
| Cost-sensitive workloads | ✓ | |
| Interactive chat | ✓ | |
| Coding agents | ✓ | |
| Browser agents | ✓ | |
| Human-in-the-loop | ✓ | |
| Long-running automated jobs | ✓ | Depends |
| Latency-sensitive API | ✓ | |
| High output volume | ✓ | |
| Maximum responsiveness | ✓ |
GLM-5.3-FlashX 비용은?
CometAPI는 GLM-5.3-FlashX를 입력 1M 토큰당 $60, 출력 1M 토큰당 $60으로 게시하고 있습니다. 비교 표에는 공식 참고 가격으로 입력 1M 토큰당 $75, 출력 1M 토큰당 $75가 표시되어 있습니다. 가격은 변동될 수 있으니 예산 책정 전 모델 페이지에서 실시간 가격을 확인하세요.
| Usage | CometAPI price | Official reference price |
|---|---|---|
| Input | $60 / 1M tokens | $75 / 1M tokens |
| Output | $60 / 1M tokens | $75 / 1M tokens |
비용 예시
100M 입력 토큰과 20M 출력 토큰을 사용하는 워크로드의 현재 CometAPI 추정치는: 100 × $60 + 20 × $60 = $7,200. 공식 참고 요율에서는 동일 워크로드가 100 × $75 + 20 × $75 = $9,000입니다.
이러한 게시 요율에서는 지연이 매출, 사용자 경험 또는 순차적 에이전트 완료 시간에 실질적으로 영향을 미치는 워크플로에 FlashX를 사용하는 것이 적절합니다. 배치 처리와 비용 민감 대량 작업은 더 저렴한 Flash 경로와 비교 벤치마크하세요.
공급자 정책에 따라 추론 토큰이 과금되는 출력 사용량에 포함될 수 있습니다. 보이는 답변 길이만이 아니라 실제 사용 로그를 기준으로 비용을 추정하세요.
GLM-5.3-FlashX의 최적 사용 사례
실시간 코딩 에이전트
코딩 에이전트는 텍스트 생성, 도구 호출, 결과 검사, 파일 수정, 테스트 실행, 반복을 수행합니다. 더 빠른 생성은 액션 사이의 유휴 시간을 줄입니다.
브라우저 및 컴퓨터 사용 에이전트
멀티모달 입력을 통해 모델은 스크린샷과 인터페이스 상태를 추론 루프에서 사용할 수 있습니다. 브라우저 자동화는 관찰–결정–행동–재관찰이 빠르게 교차하므로 저지연이 중요합니다.
비주얼 코딩과 UI 반복
모델은 렌더된 인터페이스를 검사하고 요구사항과 비교한 뒤 코드를 수정하고 결과를 다시 검사할 수 있습니다. 더 빠른 추론은 시각적 피드백 고리를 단축합니다.
상호작용형 엔터프라이즈 어시스턴트
고객 대응 어시스턴트, 내부 코파일럿, 리서치 에이전트, 문서 에이전트는 각 턴마다 사람이 대기하는 경우가 많습니다. 배치 처리보다 지연 프리미엄을 정당화하기 쉽습니다.
장문맥 상호작용 작업
1M 토큰 컨텍스트 윈도우는 대규모 리포지토리, 장문 보고서, 확장된 에이전트 히스토리에 유용하며, 이러한 컨텍스트에서도 반응성이 필요한 상호작용에 적합합니다.
GLM-5.3-FlashX는 CometAPI에서 사용 가능한가?
예. GLM-5.3-FlashX는 CometAPI에서 라이브입니다. 모델 페이지에는 프로덕션 /v1/chat/completions 엔드포인트를 통해 제공되며, 문서화된 모델 ID는 glm-5.3-flashx로 기재되어 있습니다. 개발자는 다른 CometAPI 텍스트 모델과 동일한 OpenAI 호환 통합 패턴을 사용할 수 있습니다.
액세스 세부 정보, 가격, 한도, 지원 모달리티는 변경될 수 있습니다. 최신 경로에 대한 권위 있는 정보는 실시간 CometAPI 모델 페이지를 확인하세요.
FlashX가 가치 없을 수 있는 경우
- 오프라인 또는 배치 워크로드: 응답을 기다리는 사용자가 없는 경우 더 낮은 비용의 Flash 서빙이 경제성에서 유리할 수 있습니다.
- 비용 민감 대량 생성: 게시된 FlashX 토큰 가격은 작업이 더 빨리 끝나더라도 총 워크플로 비용에서 지배적일 수 있습니다.
- 지연이 아닌 모델 품질이 제한 요인인 작업: FlashX에는 별도 공식 지능 벤치마크 세트가 없으므로 검증된 능력 향상으로 구매해서는 안 됩니다.
- 다른 병목이 있는 워크플로: 검색, 도구, 브라우저, 데이터베이스, 휴먼 승인 등이 엔드 투 엔드 지연을 지배할 수 있어 더 빠른 토큰 생성의 가치가 줄어듭니다.
- 셀프 호스팅 또는 오픈 가중치 요건: FlashX는 호스팅 서빙 티어로 제시됩니다. 배포 제어가 중요할 때는 기본 GLM-5.3-Flash 가중치를 사용하세요.
- 엄격한 처리량 보장:
GLM-5.3-FlashX의 한계는?
- 200 토큰/초 수치는 최대 광고 속도이며, 보장된 지속 속도가 아닙니다.
- 보고된 가격은 Flash보다 높고, 공급자별로 달라질 수 있습니다.
- FlashX 전용 지능 벤치마크 세트는 아직 없습니다.
- 표준 출력은 텍스트이며, 네이티브 이미지/비디오 생성을 기본 제공하지 않습니다.
- 1M 토큰 한도는 검색, 컨텍스트 선택, 지연 관리의 필요성을 없애지 않습니다.
- 공급자별 레이트 리밋, 출력 한도, 모달리티, 실제 처리량은 Z.ai의 서비스와 다를 수 있습니다.
GLM-5.3-FlashX를 사용해야 할까?
GLM-5.3-FlashX는 GLM-5.3-Flash가 충분히 유능하지만 상호작용 워크플로에 비해 너무 느릴 때 가장 매력적입니다. 이번 출시는 핵심 능력 스토리보다 지연 경제성을 바꿉니다.
토큰 비용이 지배적이고 더 느린 생성이 허용되는 경우에는 GLM-5.3-Flash를 선택하세요. 사람의 대기 시간이나 에이전트 루프 지연이 서빙 프리미엄보다 더 비싸다면 FlashX를 선택하세요. 비용이나 지연보다 플래그십 능력 티어가 더 중요한 경우 GLM-5.3을 고려하세요.
이미 통합 게이트웨이를 사용하는 팀은 대표 워크로드를 CometAPI의 GLM-5.3-FlashX와 GLM-5.3-Flash에 동시에 실행하여 p95 지연, 작업 성공률, 완료된 워크플로 단가를 비교하는 것이 실용적 다음 단계입니다.
GLM-5.3-FlashX FAQ
GLM-5.3-FlashX란?
GLM-5.3-FlashX는 GLM-5.3-Flash 능력 기반을 위한 Z.ai의 고속 서빙 옵션입니다. 별도의 지능 향상 발표가 아니라 더 낮은 지연과 더 높은 출력 처리량을 목표로 합니다.
GLM-5.3-FlashX는 새로운 체크포인트인가?
Z.ai의 공개 출시 자료는 추론 및 인프라 최적화를 강조합니다. FlashX에 대해 별도의 파라미터 수, 가중치 공개, 지능 벤치마크 세트는 발표되지 않았습니다.
GLM-5.3-FlashX는 멀티모달 입력을 지원하나요?
기저 GLM-5.3-Flash 능력 기반은 멀티모달입니다. 공급자 및 경로별 모달리티는 배포 전에 확인해야 합니다.
GLM-5.3-FlashX 가중치는 오픈 소스인가요?
기저 GLM-5.3-Flash 가중치는 MIT 라이선스로 제공됩니다. FlashX는 별도로 공개된 가중치 체크포인트가 아니라 고속 호스팅 서빙 옵션으로 제시됩니다.
GLM-5.3-FlashX에 별도 벤치마크 점수가 있나요?
출시 시점에 별도 지능 벤치마크 세트는 공개되지 않았습니다. 현재 작업 품질 벤치마크는 GLM-5.3-Flash에 속합니다.