GLM-5.3-Flash를 떠받치는 10만 개 넘는 중국산 칩: 자체 지표와 남은 물음표 사이의 Z.ai 설명

2026년 9월 17일, 베이징 기업 Z.ai는 공식 블로그에 GLM-5.3-Flash의 추론 인프라에 관한 기술 보고를 공개했다. 2026년 8월 26일 발표된 GLM-5.3-Flash는 전체 파라미터 3200억 개, 활성 180억 개의 mixture-of-experts 모델로, 컨텍스트 창은 100만 토큰이며 가중치는 MIT 라이선스로 Hugging Face에 공개돼 있다. 회사 설명에 따르면 이 모델의 프로덕션 트래픽 전체를 10만 개가 넘는 중국산 가속기 클러스터가 처리하며, 엔드투엔드 처리량은 초기 기준선 대비 세 배가 됐고 운영 환경으로의 전환은 2주가 채 걸리지 않았다고 한다. 병목이 실리콘 자체보다 소프트웨어 개발에 있는 경우가 많은 베이징의 기술 자립 노력이라는 맥락에서, 이 문서는 회사의 표현대로 중국산 가속기에서 지금껏 다뤄진 적 없는 규모를 주장한다.

Z.ai의 설명을 주목하게 만드는 대목은, 성능 분석부터 SGLang 프레임워크의 코드 수정까지 최적화 작업의 상당 부분을 GLM-5.3 자체를 기반으로 한 소프트웨어 에이전트가 수행했다는 주장이다. Z.ai가 꼽은 난제는 온칩 메모리의 용량과 대역폭, 100만 토큰 창, 그리고 커널 지원이 불완전한 소프트웨어 생태계다. 다만 이 글은 에이전트가 수행한 두 번째 최적화 라운드를 공개하지 않는다. 순환은 한 번만 기술돼 있고, 외부에서 확인할 수 있는 유일한 산출물은 2026년 8월 27일 병합된 flash-linear-attention 저장소의 풀 리퀘스트 1180 — 긴 시퀀스에서 정밀도를 회복하기 위해 TF32x3 에뮬레이션을 도입한 변경 — 뿐이다. 회사 스스로도 글에서 재귀적 자기 개선에는 이르지 못했으며 목표 선택과 한계 설정, 위험 평가는 사람의 몫으로 남아 있다고 밝힌다.

비용 측면에서 Z.ai는 하드웨어 활용 효율과 토큰당 지출이 주류 NVIDIA GPU에 견줄 수준에 도달했다고 주장한다. 그러나 이 주장에는 독립적인 검증에 필요한 수치가 빠져 있다. 총 전력 소비 데이터도, 하드웨어 자본의 감가상각 기준도, 클러스터의 지속 가동률 지표도 없다. 게다가 세 배라는 값은 비용이 아니라 처리량에 관한 것이며, Z.ai 자신의 초기 기준선 — 즉 측정하는 쪽이 고른 출발점 — 을 기준으로 계산됐다. 칩 제조사가 어디인지도 회사는 공개하지 않았다.

한 당사자가 내놓은 데이터는 개발의 궤적을 그릴 뿐, 시장의 확실성은 아니다. 없는 것은 분석이 아니라 측정값이다. 전력 소비, 하드웨어 감가상각, 클러스터 가동률의 추이 — Z.ai가 이를 공개하거나 외부의 누군가가 결과를 재현하기 전까지, NVIDIA와의 비용 동등성은 자기 작업에 대한 회사 자신의 주장으로 남는다. — Olya