GLM 5.2는 현재 Synthorai에서 최첨단(frontier) 모델의 토큰당 가격의 약 6분의 1 수준으로 제공되고 있으며, 오픈 웨이트(open-weight) 및 최첨단 벤치마크 성능이라는 헤드라인은 사실입니다. 하지만 토큰당 가격은 기준점으로 삼기에 잘못된 수치입니다. GLM 5.2에서 실제 코딩 작업에 드는 비용은 단 하나의 노브(knob)인 추론 노력(reasoning effort)에 따라 한 자릿수 이상의 차이가 나며, 기본 설정값은 이 노브를 최악의 위치에 둡니다. 설정을 잘 맞추면 GLM 5.2는 쉬운 작업과 어려운 작업 모두에서 최첨단 모델보다 정확하고 저렴합니다. 기본값으로 두면 동일한 답변을 얻는 데 20배 더 많은 비용이 들고 몇 분이 소요됩니다. 저희가 직접 측정했습니다.

GLM 5.2란 무엇인가

GLM 5.2는 Zhipu가 2026-06-13에 출시한 오픈 웨이트(open-weight) 최첨단 모델입니다. 이는 전문가 혼합(mixture-of-experts, MoE) 네트워크(총 약 744B, 활성 약 40B), 사용 가능한 1M-토큰 컨텍스트(context), 그리고 직접 호스팅할 수 있는 MIT 라이선스를 특징으로 합니다. 이 모델은 코딩 및 에이전트(agentic) 작업을 목표로 하며, 강력한 공개 벤치마크 성능(SWE-bench Pro 62.1, Terminal-Bench 2.1 81.0, AIME 2026 99.2, GPQA Diamond 91.2)을 보유하고 있습니다. Synthorai에서 이 모델은 glm-5.2로 제공되며, 가격은 입력 토큰 100만 개당 $1.40, 출력 토큰 100만 개당 $4.40입니다.

아래의 모든 내용을 결정짓는 핵심 세부 사항은 다음과 같습니다: 이 모델은 추론 모델(reasoning model)이며, 얼마나 추론할지는 사용자가 설정하는 것입니다.

가격 측면에서의 위치

토큰당 표시 가격 기준으로 GLM 5.2는 서구권의 최첨단 모델들보다 훨씬 낮으며, 저렴한 중국 모델들 사이에 위치합니다. 대표적인 세트에 대한 Synthorai의 요율은 다음과 같습니다:

deepseek-v4-pro의 출력 요율은 $4.40로, gpt-5.5의 약 7분의 1이자 claude-opus-4-8의 6분의 1 수준이지만, deepseek-v4-pro와 kimi-k2.5가 이보다 더 저렴합니다. 따라서 GLM 5.2는 절대적인 최저가는 아니지만, 대략적인 중국 모델 가격으로 최첨단(frontier)급 성능을 제공합니다. 별도의 캐시 쓰기(cache-write) 비용은 없으며, 캐시 쓰기는 입력 요율로 청구되고 캐시 읽기(cache read)만 위에서 언급한 할인된 요율로 적용됩니다. 할인율은 벤더마다 다르며, GLM 5.2의 캐시 읽기 요율은 입력 요율의 약 5분의 1 수준이고, 최첨단 모델들(gpt-5.5, claude-opus-4-8, gemini-3.1-pro)은 읽기 요율을 약 10분의 1까지 할인합니다.

또한 이는 이전 세대 모델들보다 한 단계 격상된 것입니다. 이전 GLM 세대는 매우 저렴했습니다. GLM 5 라인은 가격을 인상했으며, GLM 5.2는 GLM-4.6(Zhipu의 공식 요율 기준) 입력 요율의 약 3배 수준에 안착했습니다.

이 가격으로 1M 컨텍스트(context)와 최첨단 벤치마크 성능을 얻을 수 있습니다. 하지만 토큰당 요율은 헤드라인일 뿐입니다. 실제로 작업당 지불하게 되는 비용은 추론 노력(reasoning effort)에 의해 결정됩니다.

추론 노력 다이얼 (The reasoning-effort dial)

GLM 5.2의 추론은 스위치가 아니라 다이얼과 같습니다. 추론을 끌 수도 있고(enable_thinking: false), reasoning_effort를 낮음(low), 중간(medium), 높음(high)으로 설정하거나, 제한 없이 추론을 실행하는 기본값(default)으로 둘 수도 있습니다. 이 설정은 가격보다 훨씬 더 큰 폭으로 비용과 지연 시간(latency)을 변화시킵니다. 저희는 하나의 쉬운 코딩 작업과 하나의 어려운 코딩 작업을 각 설정에 대해 실행하였으며, 수백 개의 무작위 사례에 대해 모든 답변을 참조값(reference)과 대조하여 확인했습니다.

쉬운 작업: 추론은 비용만 추가할 뿐

중간 난이도의 동적 계획법(dynamic-programming) 문제인 가중 구간 스케줄링(Weighted interval scheduling):

두 가지 사항이 눈에 띕니다. 'Thinking off' 상태는 정답을 맞히면서도 비용은 가장 저렴하며, 최첨단 모델(frontier models)보다 약 8배 낮습니다. 그리고 다이얼을 한 단계씩 올릴 때마다 동일한 답변을 얻기 위해 비용만 추가됩니다. 또한 비용은 답변이 아닌 추론(reasoning)을 따라갑니다. GLM이 반환하는 코드는 매번 약 150개의 토큰인 반면, 그 앞의 추론 토큰은 아무것도 없는 상태에서 약 6,300개까지 늘어나며, 동일한 $4.40/M 출력 요율로 청구됩니다. 제한 없는 기본 설정(unbounded default)은 'thinking off'가 추론 없이 도달한 것과 동일한 답변에 도달하기 위해 해당 추론을 소모하며, 그 차이가 전체 비용 차이가 됩니다. 최첨단 모델들은 여기서 보고된 추론을 거의 사용하지 않거나 전혀 사용하지 않고 답변합니다: gpt-5.5는 59개의 추론 토큰을 사용하며, claude-opus-4-8의 사용량은 보고되지 않았습니다.

어려운 과제: 추론은 제값을 하지만, 기본 설정은 그렇지 않다

와일드카드 문자열 매칭(? 및 *)은 미묘하게 틀리기 쉬운 고전적인 문제입니다. 여기서 'thinking off'는 실패했습니다. 메모이제이션(memoized)된 재귀(recursion)를 반환했습니다:

def is_match(s, p):
    memo = {}
    def match(i, j):
...

겉보기에는 올바르며, 메모이제이션을 사용한 점은 세심한 주의를 기울인 것처럼 보입니다. 하지만 * 분기에서 i의 범위를 제한하지 않고 match(i + 1, j)를 재귀 호출합니다. 문자열이 소모되었음에도 패턴에 여전히 *가 남아 있으면, i는 무한히 증가하여 스택 오버플로(stack overflow)가 발생합니다. 빠르고, 저렴하지만, 틀렸습니다.

다이얼을 올리면 재귀 대신 마지막 *로 백트래킹(backtrack)하는 올바른 반복문 기반의 투 포인터(two-pointer) 알고리즘을 반환합니다:

def is_match(s, p):
    s_idx, p_idx, star_idx, match_idx = 0, 0, -1, 0
    while s_idx < len(s):
...

이 과제에 대한 다이얼 최대 설정 결과:

모든 명시적인 노력 수준(effort level)이 문제를 해결했습니다. reasoning_effort: high는 $0.0031의 비용으로 13초 만에 해결했는데, 이는 동일한 답변을 얻기 위해 제한 없는 기본값(unbounded default)을 사용하는 것보다 약 20배 저렴하고 30배 빠르며, 비용 측면에서 최첨단 모델(frontier models)보다 저렴하면서 속도는 불과 몇 초 느릴 뿐입니다. 알아둘 만한 특이한 점은, GLM의 low 설정이 두 작업 모두에서 일관되게 high보다 더 많은 추론을 생성했다는 것입니다. 따라서 설정 이름이 토큰 수와 직결되지는 않습니다. Medium과 high는 저렴하고 빠른 설정이었습니다.

제한 없는 기본값(unbounded default)은 피해야 할 설정입니다. 이는 두 가지 측면 모두에서 최악입니다. 작업에 필요하지 않을 수도 있는 추론을 수행하며, 이를 완료하는 데 몇 분이 걸리는데, 이는 reasoning_effort: high가 20배 저렴한 비용으로 내놓은 것과 동일한 답변을 얻기 위해 소모되는 자원입니다.

결정 규칙 (The decision rule)

조절 레버는 추론 노력(reasoning effort)이며, 올바른 설정은 모델이 아닌 작업(task)에 따라 결정됩니다:

• 정확도를 확보하기 쉬운 단순하거나 대량의 작업: thinking off (enable_thinking: false). 정확하며, 최첨단 모델(frontier) 대비 약 8배 저렴합니다.
• thinking off가 실패하는 더 어려운 문제: reasoning_effort: medium 또는 high. 정확하며, 작업당 약 $0.003 정도의 비용이 들고, 최첨단 모델보다 비용은 저렴하며 속도는 불과 몇 초 느립니다.
• 절대로 제한 없는 기본값(unbounded default)을 사용하지 마세요. 노력 상한(effort cap) 없이 추론을 켜두는 것은 $0.003짜리 답변을 $0.06짜리 7분짜리 답변으로 만드는 지름길입니다.

작업에 추론이 필요한지 사전에 판단할 수 없다면, reasoning_effort: high가 안전한 기본값입니다. 비용이 저렴하고, 두 가지 작업을 모두 해결했으며, 통제 불능 상태로 치닫지 않았기 때문입니다.

캐싱(Caching)은 추론이 아닌 입력을 돕습니다

GLM 5.2는 게이트웨이에서의 캐싱을 지원하며, 이는 예상대로 도움이 됩니다. 우리는 여러 가지 서로 다른 질문과 함께 1,494토큰의 공유 접두사(검토할 코드 모듈)를 보냈습니다:

한 번 대규모 접두사(prefix)가 확인되면, 그것은 캐시됩니다. 캐시된 입력 토큰은 일반 입력 요율의 약 5분의 1 수준으로 청구되며, 이는 동일한 요청의 비용을 $0.0026에서 $0.0009로 약 64% 절감했습니다. 정확히 동일한 요청은 시맨틱 캐시(semantic cache)에서 즉시 제공됩니다. 즉, 캐시된 호출과 동일한 비용으로 동일한 답변을 받되, 5초가 아닌 약 1초 만에 결과를 얻을 수 있습니다.

함정은 앞서 다이얼(dial)을 통해 배운 것과 같습니다. 캐싱은 입력을 할인해주지만, 추론(reasoning) 기능이 켜지는 순간 비용과 지연 시간은 캐싱되지 않는 추론 출력(reasoning output)에 달려 있게 됩니다. 따라서 캐싱은 추론을 끈 상태의 고컨텍스트(high-context) 작업(매 호출마다 동일한 시스템 프롬프트나 코드베이스를 사용하는 경우)에는 큰 이득이 되지만, 추론 기능이 켜져 있을 때는 그 이득이 작아집니다.

Synthorai에서의 사용

glm-5.2가 게이트웨이에 출시되었습니다. 저희 테스트를 통해 얻은 세 가지 실질적인 참고 사항은 다음과 같습니다:

• 추론 노력(reasoning effort)을 명시적으로 설정하세요. 간단한 작업에는 enable_thinking: false를 사용하고, 더 어려운 문제에는 reasoning_effort: medium 또는 high를 사용하세요. 피해야 할 한 가지는 노력 제한(effort cap) 없이 추론을 켜두는 것(제한 없는 기본값)이며, 이는 0.06달러를 지불하며 7분을 기다려야 하는 함정에 빠지게 합니다.
• 추론 기능이 켜져 있을 때는 스트리밍(Stream)을 사용하세요. 추론 응답은 몇 분 동안 지속될 수 있으며, 비스트리밍(non-streaming) 요청은 연결이 침묵 상태로 너무 오래 유지되어 답변이 도착하기 전에 클라이언트에서 타임아웃(time out)이 발생할 가능성이 높습니다. stream: true를 사용하면 점진적인 출력과 전체 결과를 모두 얻을 수 있습니다.
• 컨텍스트(context)를 재사용하세요. 매 호출마다 동일한 대규모 시스템 프롬프트나 코드베이스를 보낸다면, 접두사 캐싱(prefix caching)이 입력 비용을 절감해 줍니다. 여기에 추론 기능을 끄는 설정을 결합하면 전체 요청 비용을 저렴하게 만들 수 있습니다.

가격은 100만 토큰당 $1.40 / $4.40이며, 게이트웨이는 호출당 cost 필드를 반환하므로 각 요청에 정확히 얼마의 비용이 들었는지 확인할 수 있습니다.

결론

GLM 5.2는 진정으로 저렴하면서도 유능한 코딩 모델이며, 설정을 잘 한다면 쉬운 작업과 어려운 작업 모두에서 프런티어(Frontier) 모델의 가격 경쟁력을 압도합니다. 관건은 설정입니다. 이 모델의 추론(Reasoning)은 다이얼과 같아서, 기본값으로 두면 제한이 없게 됩니다. 이로 인해 0.003달러면 충분할 작업이 0.06달러짜리 7분짜리 호출이 되어버립니다. 간단한 작업에는 enable_thinking: false를 설정하고, 나머지 작업에는 reasoning_effort: medium 또는 high를 설정하면 GLM 5.2는 전반적으로 저렴하면서도 정확합니다. 추론을 기본값으로 방치한다면, 이는 당신이 선택할 수 있는 가장 느리고 가장 비싼 옵션이 될 것입니다.

Sources

• VentureBeat: Z.ai's open-weight GLM-5.2 beats GPT-5.5 on long-horizon coding for 1/6 the cost
• eigent.ai: GLM-5.2 specs and overview
• CloudPrice: GLM-5.2 pricing and specs
• Z.ai: official GLM API pricing (GLM-4.5 / 4.6 / 5 generations)

(위에 나열된 Synthorai의 가격은 2026-06-24 기준 이 플랫폼의 요율입니다. GLM 세대별 요율은 Zhipu의 공식 목록입니다.)

2026-06-24 Synthorai에서 측정된 비용 (glm-5.2 기준 M 토큰당 $1.40 / $4.40); 이를 신뢰하기 전에 현재 가격을 확인하십시오.