GLM 5.3 Flash 운영기 및 ds4, Mythos의 79건 분석: AI 기술 블로그 번역

2026년 9월 28일~10월 4일 주에 화제가 된 AI 뉴스 8가지 중, 직접 실습하는 사람에게 유용한 3가지를 정리한 글입니다.

다루는 내용은 GLM 5.3 Flash의 한 달 운영기, Redis 개발자가 만든 추론 엔진 ds4, 그리고 Linux 측이 AI 취약점 보고서 79건을 정밀하게 분석한 강연입니다.

이번 주 지도: 자세히 보기 3가지

날짜는 Hacker News에서 화제가 된 날짜를 기준으로 하며, 한국 시간 기준입니다.

10월 2일에는 Linux 안정 버전 담당자인 Greg Kroah-Hartman 씨가 AI 취약점 보고서를 정밀하게 분석한 강연이 상위에 올랐습니다(336점). 10월 3일에는 GLM 5.3 Flash의 운영기(228점), ds4(358점), OpenAI 안전 담당자의 퇴사 소식이 겹쳤습니다. 같은 날 Aleph Alpha의 LLM, Kolibri 설명 기사도 나왔지만, 이미 다른 회차에서 소개했으므로 이번에는 제목만 다룹니다.

10월 4일에는 LeCun 씨의 인터뷰(Fortune)와 종교학자가 Anthropic과 만났다는 보도(New York Times)가 있었습니다. 이 두 가지는 확인된 것이 헤드라인까지만입니다. 내용까지 깊이 파고들지는 않습니다.

GLM 5.3 Flash: 하룻밤 150달러의 오선택

'저렴한 모델로 바꾸면 비용이 줄어든다.'와 같은 인상을 Wagtail 개발팀이 공개한 한 달 운영 기록으로 확인합니다.

기록에 따르면, 사용된 토큰은 약 20억 개였으며, 그중 절반가량을 GLM 5.3 Flash가 담당했습니다. GLM 관련 비용은 68달러입니다. 작업 내용은 본체 개발, 화면, 문서, 평가 등이며, 실용적이었다고 적혀 있습니다. 다만 한 달 내내 GLM만 사용한 것은 아니었습니다. 후반부에는 기반 시설의 여유에 따라 DeepSeek V4.1 Flash나 Qwen 3.8 Flash로도 전환했습니다.

한편, 시제품 제작 과정에서 다른 고성능 모델을 실수로 선택하여 하룻밤 사이에 4.5억 토큰, 150달러를 사용했습니다. 이는 GLM 한 달 비용(68달러)의 두 배가 넘습니다. 기사 내 '비용이 5분의 1이 된다'는 추정치는 근거가 확보되지 않았습니다.

교훈은 모델 성능 자체가 아니라, 운영 관리에 있습니다. 야간 작업을 시작하기 전에 다음 세 가지를 확인하세요.

• 사용할 모델을 설정에 기재하여 고정한다 (기본값에 맡기지 않는다)
• 이용량을 모델별로 매일 확인한다
• 실험마다 상한액을 정한다

개발자라면, 오늘 밤 작업의 모델 지정만 한 줄 확인하는 것만으로도 효과를 볼 수 있습니다. AI 예산을 결정할 위치에 있다면, 어떤 모델인지보다 상한선과 측정 시스템이 갖춰져 있는지를 안건으로 삼는 것이 현실적입니다.

ds4: 대상을 좁힌 고메모리 기기용 추론 엔진

ds4는 Redis 개발자인 Salvatore Sanfilippo 씨가 공개한 추론 엔진입니다. 라이선스는 MIT이며, 공식 웹사이트에 명시되어 있습니다.

여기서 오해하기 쉬운 점은, 어떤 GGUF에서도 작동하는 범용 도구가 아니라는 것입니다. 대상은 DeepSeek V4 계열, GLM 5 계열, Qwen3.8 등 소수의 대형 모델로 한정됩니다. 그만큼 Mac의 Metal, CUDA, ROCm에 맞춰 개발되었습니다.

핵심 기능은 긴 프롬프트 중간 계산인 KV 캐시를 SSD에 저장하여 재사용할 수 있다는 점입니다. 같은 긴 서론을 반복해서 읽게 하는 작업에서 매번 재계산을 줄일 수 있습니다. SSD 스트리밍, CLI, 로컬 API, 전용 에이전트까지 갖추고 있으며, Codex CLI나 Claude Code도 로컬 API에 연결할 수 있습니다.

자신의 머신에서 작동하는지는 공식 문서의 내용이 참고가 됩니다. 주요 대상은 메모리가 64~128GB 이상인 환경이며, 공식적으로 베타 품질임을 명시하고 있습니다. 시도하기 전에 다음 세 가지를 확인하세요.

• 메모리가 64GB 이상인지
• 사용하려는 모델이 대상에 포함되는지
• 베타 버전으로 중단되어도 문제없는 용도인지

Hacker News에서는 범위를 좁혀 설정 실수를 줄이는 설계가 높이 평가된 반면, 범용 도구와의 차이나 장비 비용 대비 효율성이 논점이 되었습니다. 긴 사양서를 매번 읽게 하는 작업이 있는 사람일수록 유용합니다.

Mythos의 79건: 실제 수정은 약 10건

Greg Kroah-Hartman 씨의 강연은 Anthropic의 Mythos가 내놓은 79건의 보고서를 하나하나 확인한 내용입니다. 수치는 강연 기록을 기반으로 합니다.

내역은 상세 부족이 24건, 버그가 아닌 것이 14건, 수정 완료가 15건, 그리고 조작된 것이 3건이 있었습니다. 이들을 제외하면 실제 수정 건수는 약 10건입니다. 79건 중 약 8분의 1에 해당합니다.

주의할 점은, AI의 탐색이 쓸모없다는 이야기가 아니라는 점입니다. Anthropic은 개별적인 취약점을 노린 성공 사례도 공개했습니다. 막힌 부분은, 대량의 보고를 받는 사람 측의 분류 작업이었습니다.

AI가 지적한 것을 받았다면, 다음 4가지를 확인하면 분류가 진행됩니다.

• 재현 절차가 있는지
• 실제로 가능한 공격 경로인지
• 이미 나온 보고와 중복되지 않는지
• 상류에서 수정이 수용되었는지

코드 리뷰에 AI를 사용하고 있는 사람에게는 이 4가지가 그대로 적용될 수 있습니다. 도입을 결정하는 입장이라면, 효과는 보고 건수가 아니라 수용된 수정의 개수로 측정하는 것이 타당합니다. AI의 발견은 입구일 뿐이며, 수정까지의 확인은 사람의 역할로 남습니다.

통찰 투어: 안전을 둘러싼 화제

OpenAI의 안전 담당자였던 David Robinson 씨가 퇴사한 것은 The Atlantic 등에서 보도했습니다. 본인은 문제가 발생한 후에 고치는 방식으로는 부족하며, 항공이나 원자력처럼 다중 방어(multi-layered defense)가 필요하다고 주장합니다.

제목의 '문화가 무너지고 있다'는 본인의 평가이며, 뒷배경은 확인되지 않았습니다. OpenAI는 안전하게 처리할 수 없으면 훈련 중단이나 공개 보류 등 제3자 평가나 감시도 강화하고 있다고 설명했습니다.

당장 활용 가능한 것은 OpenAI의 공식 보고에 있는 사례입니다. 훈련 중인 모델이 DNS 설정의 허점을 통해 외부 서비스로 전달되었고, 탐지된 후 독립적인 2단계 차단책(two-layer blockade)이 추가되었습니다. 여기서 회사 내부에서 에이전트를 구동한다면 외부에 대한 통신은 DNS까지 확인해 두는 것이 좋겠다는 것이 영상에서의 저의 해석입니다. 공식 보고서 자체의 결론은 아닙니다.

4자를 같은 자(尺)로 비교하기

OpenAI의 퇴사와 Anthropic의 Mythos 검토는 방어에 관한 이야기이고, GLM 5.3 Flash의 운영 기록과 ds4는 사용법에 관한 이야기이며, 내일부터 효과를 볼 수 있는 것은 후자입니다. 이 정리는 저의 해석입니다.

저의 예상은, 저가 모델 도입이 측정 및 상한 설계와 함께 논의되는 것이 될 것입니다. 다음에 화제가 될 운영 기록이 또 성능 비교에만 그친다면, 이 해석은 틀릴 것입니다.

이번 주 요약

• GLM 5.3 Flash: 오늘 밤의 모델 지정과 상한 금액을 확인하기
• ds4: 64GB 이상의 머신이 있고 대상 모델이 맞는 사람만 시도할 것
• AI 지적: 재현 절차와 중복 여부를 보고 수정할 것
• OpenAI 퇴사, LeCun 씨, 종교학자 이야기: 후속 보도 대기, 또는 제목까지만 확인

차이는 선택한 모델보다 예산과 확인 관리가 이루어진 한 주였습니다. 참고로, AI가 Strategos에서 가장 뛰어난 사람을 이겼다는 보도는 내용을 확인할 수 없어 이번에는 다루지 않았습니다.

출처

• GLM 5.3 Flash에 대한 한 달간의 사용기 (Wagtail 블로그): https://wagtail.org/blog/one-month-on-glm-53-flash
• GLM-5.3 Flash (Z.ai 공식 블로그): https://z.ai/blog/glm-5.3-flash
• GLM-5.3-Flash (Hugging Face): https://huggingface.co/zai-org/GLM-5.3-Flash
• ds4 공식 사이트: https://dwarfstar.sh
• antirez/ds4 (GitHub): https://github.com/antirez/ds4
• LLM 시대의 보안 (Greg Kroah-Hartman 강연):
• Kernel Recipes 2026 라이브 블로그: https://kernel-recipes.org/en/2026/2026/09/22/live-blog-day-2-afternoon
• Mythos Preview (Anthropic): https://www.anthropic.com/research/mythos-preview
• OpenAI의 퇴사 (The Atlantic): https://www.theatlantic.com/technology/2026/10/openai-safety-team-resignation/688881
• OpenAI의 퇴사 (TechCrunch): https://techcrunch.com/2026/10/03/openai-safety-employee-resigns-claiming-the-companys-culture-is-broken
• 에이전트가 외부 챗봇에 도달하기 위해 DNS를 사용함 (OpenAI 공식 보고): https://alignment.openai.com/misalignment-reports/an-agent-used-dns-to-reach-an-external-chatbot
• 안전 및 정렬에 대한 우리의 생각 (OpenAI): https://openai.com/safety/how-we-think-about-safety-alignment
• LeCun 씨 인터뷰 (Fortune): https://fortune.com/2026/10/01/ai-godfather-yann-lecun-has-zero-concerns-about-human-extinction-says-anthropic-ceo-dario-amodei-is-deuded
• 종교 학자들이 Anthropic을 만남 (New York Times): https://www.nytimes.com/2026/09/29/us/anthropic-claude-morals-ai.html
• Aleph Alpha Kolibri 설명 (개인 블로그): https://tej.as/blog/aleph-alpha-kolibri
• AI가 스트라테고에서 승리함 (Ars Technica): https://arstechnica.com/science/2026/10/ai-finally-beat-the-best-stratego-player-in-history-and-did-it-on-a-budget

자세한 내용은 영상에서

숫자의 출처 구분이나 각 장의 그림은 영상에 모았습니다.

매주 업데이트는 이 채널에서 계속됩니다. 잘못된 점이 있다면 개요란과 다음 영상에서 수정하겠습니다.

토론

}**{