활성 18B로 DeepSWE 46→63점 오른 MIT 오픈웨이트 GLM-5.3-Flash, 문서→마크다운 2.3B Parse 5는 1000쪽 1.5달러
간밤 소식은 '작게 쪼갠 오픈 모델'과 '문서 파이프라인'에 몰렸습니다. 실무에 바로 붙일 만한 세 가지를 정리했습니다.
- 오픈웨이트 코딩·에이전트 모델 GLM-5.3-Flash (Z.ai, 8/26)
무엇: 320B 총 파라미터에 토큰당 18B만 켜는 MoE, 네이티브 멀티모달, 1M 토큰 컨텍스트를 MIT 라이선스로 공개했고 가중치도 같은 날 Hugging Face에 올라왔습니다. OpenCode·OpenRouter에서 'Ox Alpha'로 익명 프리뷰됐고, 중국산 AI 칩에서 구동했다고 밝혔습니다.
왜: 코딩 지표 DeepSWE v1.1이 46.2→63.4, AutomationBench가 26.2→48.8로 뛰며 GLM-5.2 대비 에이전트 작업 성능이 크게 올랐습니다. API가 100만 토큰 입력 0.15달러/출력 0.50달러(캐시 입력 0.03달러)라 반복 호출이 많은 에이전트 루프의 비용 부담을 낮춥니다.
어떻게: 프런티어 모델을 상시 호출하던 자리 중 자동화·툴 호출 단계를 이 모델로 바꿔 A/B로 정답률과 토큰 단가를 비교해 보세요. MIT라 사내 파인튜닝·재배포도 가능합니다.
- 문서를 마크다운으로 바꾸는 2.3B Parse 5 (Cohere, 8/27)
무엇: PDF·PPT·JPEG 한 장을 넣으면 읽기 순서 텍스트, HTML 표, 폼 키-값, 이미지 설명, 바운딩 박스까지 마크다운으로 반환합니다. 별도 OCR 전처리 단계가 없고, 한국어 포함 9개 언어를 안정 지원합니다.
왜: ParseBench 79.2(표·내용 충실도·서식 등 5개 지표 중 3개 평균)에 API 1,000쪽당 1.5달러로, 정확도보다 가격-성능 예측성에 초점을 뒀습니다. RAG 인제스트나 대량 문서 처리의 앞단 비용을 잡기 쉬워집니다.
어떻게: 지금 쓰는 파서와 같은 문서 100장을 넣어 표·양식 재현율을 비교하고, Cohere API·Microsoft Foundry·AWS SageMaker 중 배포 환경에 맞춰 붙여 보세요.
- 음성 에이전트용 스트리밍 메모리 VoiceMem (arXiv 2608.26005)
무엇: 정보 담당 '좌뇌'와 감정·페르소나 담당 '우뇌'를 분리한 실시간 듀얼-브레인 메모리 구조입니다.
왜: top-5 검색에서 좌뇌가 Mem0의 top-200보다 약 30점 높은 정확도를 냈고, 검색을 134ms에 끝내 대화 지연을 늘리지 않았습니다. 우뇌는 페르소나 벤치마크 3종에서 SOTA를 기록하며 합산 점수를 이전 최고 대비 4.29점 끌어올렸습니다.
어떻게: Mem0 계열 메모리를 쓰는 음성·대화 에이전트라면 검색 지연과 정답률 기준으로 교체 후보로 검토할 만합니다.
오늘은 GLM-5.3-Flash 가중치를 받아 자주 도는 에이전트 한 스텝만 갈아 끼워 단가를 재보는 것부터 권합니다.
출처:
https://www.marktechpost.com/2026/08/26/z-ai-releases-glm-5-3-flash-a-320b-a18b-natively-multimodal-moe-with-a-1m-token-context/amp/
https://x.com/Zai_org/status/2092616204787626030
https://www.testingcatalog.com/z-ai-launches-glm-5-3-flash-under-mit-license/
https://www.marktechpost.com/2026/08/27/cohere-releases-parse-5-parse-v5-0-a-2-3b-vision-language-model-that-turns-enterprise-documents-into-markdown/
https://arxiv.org/abs/2608.26005
댓글 (0)
아직 댓글이 없습니다.
댓글을 쓰려면 입장하세요.
← 목록