Ox Alpha가 AI 업계를 뒤흔든 이유: 정체는 Z.ai GLM-5.3-Flash였다

원문 링크: WordPress 원문

AI NOTES · KO KOREAN EDITION

KO · 한국어 / EN · English BILINGUAL PAIR

이름도, 회사도 공개하지 않은 무료 AI 모델 하나가 일주일 동안 개발자 사회를 휩쓸었습니다. OpenRouter와 OpenCode에 Ox Alpha 라는 이름으로 등장한 이 모델은 100만 토큰 context, 강력한 코딩·agent 성능, 무료 접근을 앞세워 빠르게 화제가 됐습니다.

그리고 2026년 8월 26일 Z.ai가 정체를 공개했습니다. Ox Alpha는 사라진 모델이 아니라, 공개 전 블라인드 테스트를 거친 GLM-5.3-Flash 였습니다. Z.ai는 Ox Alpha가 그 주 가장 인기 있는 모델이 됐다고 밝혔고, 이 트래픽 전체를 중국산 AI 칩에서 처리했다고 발표했습니다.[1][2]

핵심 결론 Ox Alpha의 파괴력은 단순히 “무료 100만 토큰 모델”이라는 데 있지 않았습니다. 320B 규모의 multimodal MoE가 18B parameter만 활성화하면서 일부 코딩·agent benchmark에서 Claude Opus 4.8과 GPT-5.6 Terra를 앞섰고, 이를 무료 stealth launch로 먼저 체험하게 만든 뒤 Z.ai가 정체를 공개했습니다. 성능·가격·배포 전략을 한 번에 보여준 대형 데뷔였습니다.

시작은 완벽한 미스터리 마케팅이었습니다

Ox Alpha는 일반적인 모델 출시 순서를 뒤집었습니다. 회사와 제품명을 먼저 공개하고 benchmark를 보여주는 대신, 모델을 먼저 무료로 풀었습니다.

OpenCode Zen: x-preview-f-free
OpenRouter: stealth/ox-alpha
Nous portal: stealth/ox-alpha
최대 context: 1,048,576 tokens
reasoning effort: low , high , max

Hermes Agent upstream에도 8월 21일 이 route들을 지원하는 변경이 연이어 반영됐습니다.[4][5] 사용자들은 정체를 모르는 상태에서 실제 repository와 agent workflow에 모델을 연결했습니다. “누가 만들었나”라는 추측과 “정말 frontier급인가”라는 테스트가 동시에 확산됐습니다.

이 전략이 강력했던 이유는 홍보 문구보다 체험이 먼저였기 때문입니다. 브랜드를 가린 상태에서 반응이 좋으면, 이름값이 아니라 실제 출력 때문에 주목받았다는 서사를 만들 수 있습니다.

무료 접근, 100만 토큰 context, mystery marketing이 개발자의 자발적 실험과 글로벌 보도를 동시에 만들었습니다.

실제로 얼마나 뜨거웠나

Z.ai는 공식 발표에서 Ox Alpha가 ** “그 주 가장 인기 있는 모델” ** 이 됐다고 표현했습니다.[1][2]

외부 확산도 개발자 커뮤니티 안에만 머물지 않았습니다. 8월 20~28일 Google News RSS의 정확한 Ox Alpha 검색은 50개 결과를 반환했고, 주요 보도군에는 Bloomberg, Business Insider, CNBC, CNET, Quartz, SiliconANGLE, South China Morning Post, The New Stack, Decrypt, Yahoo Tech, 36Kr, Pandaily, GIGAZINE 등이 포함됐습니다.

이 50개를 모두 독립 보도라고 계산하면 안 됩니다. 일부는 재전송·재인용·유사 기사입니다. 하지만 범위 자체는 분명합니다.

미국·유럽 테크 미디어
글로벌 비즈니스·시장 매체
중국 기술·산업 매체
개발자 전문 매체
YouTube·Substack·GitHub 구현 사례

GitHub 검색에서도 8월 28일 기준 광범위한 matching result가 확인됐습니다.

Ox Alpha : 5,310건
x-preview-f-free : 1,068건
stealth/ox-alpha : 1,268건

이 수치는 고품질 채택 프로젝트 수가 아니라 broad match입니다. 자동 생성 artifact와 단순 언급도 섞여 있습니다. 그럼에도 model picker 지원, provider route 추가, compatibility test, benchmark audition, 오류 보고가 여러 repository에 빠르게 생긴 것은 개발자 열기를 보여줍니다.

정체 공개: Ox Alpha는 GLM-5.3-Flash였습니다

Z.ai는 8월 26일 공식 블로그에서 다음과 같이 밝혔습니다.

“Before release, we tested GLM-5.3-Flash anonymously as ox-alpha on OpenCode and OpenRouter to gather user feedback.”[1]

즉 Ox Alpha는 별도 모델이 폐기된 것이 아닙니다. ** GLM-5.3-Flash의 공개 전 이름 ** 이었습니다. stealth alias가 내려간 뒤 정식 모델명과 공개 weights, API, Coding Plan으로 전환된 것입니다.

GLM-5.3-Flash의 핵심 구조는 다음과 같습니다.[1][2][3]

총 parameter

GLM-5.3-Flash 320B

활성 parameter

GLM-5.3-Flash 18B

architecture

GLM-5.3-Flash Mixture-of-Experts

attention

GLM-5.3-Flash sparse + linear hybrid

context

GLM-5.3-Flash 최대 1M tokens

modality

GLM-5.3-Flash native text·image·video·file

pretraining corpus

GLM-5.3-Flash Z.ai 발표 기준 30T multimodal tokens

공개 weights

GLM-5.3-Flash Hugging Face, MIT license

320B 전체를 매 token마다 쓰는 것이 아니라 18B만 활성화합니다. GLM-4.5 계열의 32B active parameter보다 가볍고, layer도 92개에서 45개로 줄였습니다. Z.ai는 GLM-5.3 대비 attention compute를 약 3.0배, KV cache를 4.4배 줄였다고 설명합니다.[1][2]

얼마나 강력했나: benchmark에서 확인할 부분

아래 숫자는 ** Z.ai가 공개한 benchmark 결과 ** 입니다. SHawn AI Notes가 독립적으로 재현한 결과는 아니며, benchmark마다 harness·context·timeout·judge 조건이 다릅니다.[1][2]

Terminal-Bench 2.1

GLM-5.3-Flash 84.3

GLM-5.2 81.0

Opus 4.8 85.0

GPT-5.6 Terra 87.4

DeepSWE v1.1

GLM-5.3-Flash 63.4

GLM-5.2 46.2

Opus 4.8 58.0

GPT-5.6 Terra 69.6

Toolathlon Verified

GLM-5.3-Flash 78.4

GLM-5.2 59.9

Opus 4.8 76.2

GPT-5.6 Terra 74.9

AutomationBench v1.0.6

GLM-5.3-Flash 48.8

GLM-5.2 26.2

Opus 4.8 41.0

GPT-5.6 Terra 37.2

해석은 단순한 “전부 이겼다”가 아닙니다.

Terminal-Bench에서는 Opus 4.8과 GPT-5.6 Terra보다 낮았습니다.
DeepSWE에서는 Opus 4.8을 앞섰지만 GPT-5.6 Terra에는 뒤졌습니다.
Toolathlon에서는 표에 나온 Opus 4.8과 GPT-5.6 Terra보다 높았습니다.
AutomationBench에서는 비교된 두 frontier model보다 높았습니다.

Z.ai 자체 Code Bench에서도 max effort 기준 GLM-5.3-Flash 29.0, Opus 4.8 29.5로 거의 비슷했다고 보고했습니다.[1][2]

이 조합이 주목받은 이유는 모든 benchmark 1위라서가 아닙니다. ** flash급 비용과 활성 parameter로 frontier model에 가까운 코딩·agent 성능을 보였다 ** 는 점입니다.

320B MoE에서 18B parameter만 활성화하고 sparse·linear attention을 결합해 성능과 serving 비용을 함께 노렸습니다.

비용 대비 성능이 충격적이었던 이유

Z.ai는 GLM-5.3-Flash가 Artificial Analysis Intelligence Index v4.1.1에서 57점을 기록하면서 discounted 기준 task당 $0.045였다고 밝혔습니다. 회사 설명으로는 비슷한 intelligence가 기존에는 대략 10배 비용 구간에서 가능했습니다.[1][2]

또 GLM-5.2와 비교하면 다음 변화가 큽니다.

DeepSWE: 46.2 → 63.4
AutomationBench: 26.2 → 48.8
GLM-5.2 대비 가격: 1/10이라는 Z.ai 주장
GLM Coding Plan: GLM-5.3 대비 usable quota 3배

여기서 $0.045는 모든 API 호출의 고정가격이 아닙니다. 특정 index와 discounted task 조건입니다. 실제 비용은 API 가격, token 길이, cache, 도구 호출, 배포 방식에 따라 달라집니다.

왜 ‘Flash’인데 이렇게 강력했나

1. 320B 전체 대신 18B만 활성화

MoE 구조가 입력마다 필요한 expert만 선택합니다. 큰 model capacity를 유지하면서 실제 연산량을 줄이는 방식입니다.

2. Sparse attention과 linear attention 결합

Local dependency는 linear attention으로 처리하고, 긴 범위의 관련 정보는 sparse attention과 indexer로 찾습니다. 100만 토큰을 단순히 full attention으로 계산하는 부담을 줄였습니다.[1][2]

3. IndexPool로 긴 context 비용 축소

Z.ai는 1M context에서 indexer key vector 네 개를 하나로 압축하는 IndexPool을 도입했다고 설명합니다. 긴 context를 제공하면서 memory와 latency를 줄이려는 설계입니다.[1]

4. Vision이 coding loop 안에 들어감

GLM-5.3-Flash는 이미지를 보는 기능을 별도 부가 기능으로 두지 않습니다. frontend, game, Blender, browser·computer use에서 렌더링 결과를 보고 다시 수정하는 closed loop를 목표로 합니다.[1][2]

중국산 AI 칩으로 전체 열풍을 받아냈습니다

Z.ai 발표에서 가장 전략적인 대목은 model architecture만이 아닙니다. 회사는 Ox Alpha preview의 트래픽 전체를 중국산 AI chip cluster에서 처리했다고 밝혔습니다.[1][2]

공식 설명에 따르면:

수만 개 규모의 중국산 accelerator
SGLang 기반 전용 inference engine
Encode–Prefill–Decode 분리 architecture
W8A8 quantization
INT8·FP8·BF16 hybrid cache
initial baseline 대비 end-to-end serving 3배 향상

Z.ai는 해당 deployment에서 mainstream NVIDIA GPU와 comparable한 hardware efficiency와 token당 비용에 도달했다고 주장합니다.[1][2]

이것을 “모든 중국산 칩이 모든 NVIDIA GPU를 이겼다”는 뜻으로 확대하면 안 됩니다. 특정 model과 cluster, Z.ai의 최적화 stack에서 나온 회사 측 결과입니다. 그래도 frontier급 model traffic을 실제 대규모로 처리한 showcase라는 점은 큽니다.

왜 이 launch가 마케팅적으로도 강했나

Ox Alpha launch는 세 단계를 정확히 밟았습니다.

정체를 숨겼습니다. 브랜드 선입견 없이 출력만 평가하게 했습니다.
무료로 대규모 사용을 만들었습니다. OpenRouter와 OpenCode에서 developer가 즉시 자신의 workflow에 넣게 했습니다.
열기가 최고조일 때 정체를 공개했습니다. “중국 모델도 강하다”는 주장보다, 이미 인기와 사용 경험이 만들어진 뒤 GLM-5.3-Flash라는 이름을 붙였습니다.

결과적으로 mystery, benchmark, free access, 1M context, open weights, Chinese chips, price-performance라는 여러 화제가 한 번에 연결됐습니다. 그래서 단순 모델 발표보다 훨씬 큰 뉴스가 됐습니다.

지금 써볼 가치가 있는가

네. 다만 지금 선택할 것은 사라진 ox-alpha alias가 아니라 정식 공개된 GLM-5.3-Flash 입니다.

사용 경로는 다음과 같습니다.[1][2][3]

Z.ai API
GLM Coding Plan
ZCode
Hugging Face 공개 weights
SGLang
vLLM
Transformers
KTransformers

추천 용도는 다음과 같습니다.

repository 단위 코딩·수정
tool-calling agent
긴 context 기반 코드 탐색
frontend·game·3D visual coding
browser·computer use
문서·표·PPT·PDF 등 전문 작업 흐름

다만 민감한 code와 실제 운영에 넣기 전에는 동일 repository·동일 prompt·동일 test로 직접 비교해야 합니다. Z.ai benchmark가 강해도 우리 workload의 정확성, latency, tool reliability, memory cost가 자동으로 보장되지는 않습니다.

Ox Alpha alias는 끝났지만 GLM-5.3-Flash는 API, Coding Plan, 공개 weights로 정식 경쟁을 시작했습니다.

Ox Alpha가 남긴 진짜 의미

Ox Alpha는 “일주일 만에 사라진 무료 모델”이 아니었습니다. ** Z.ai가 GLM-5.3-Flash를 편견 없이 시험하게 만든 stealth launch였고, 정체 공개 전에 이미 그 주 가장 인기 있는 모델이 됐습니다. **

강력했던 이유는 하나가 아닙니다.

100만 token context
320B total / 18B active MoE
coding·agent benchmark 경쟁력
native multimodal visual coding
open weights와 MIT license
flash급 비용
중국산 chip cluster 기반 대규모 serving
mystery를 실제 사용으로 전환한 launch strategy

모든 benchmark에서 최고는 아니지만, 이 정도 성능·context·multimodality를 이 비용 구조로 묶은 것은 분명 큰 사건입니다. Ox Alpha라는 이름은 사라졌지만, 그 안의 모델은 GLM-5.3-Flash라는 정식 이름으로 이제 막 경쟁을 시작했습니다.

참고 자료

[1] Z.ai — GLM-5.3-Flash: Frontier Intelligence, Flash Cost

https://z.ai/blog/glm-5.3-flash

[2] Z.ai Developer Docs — GLM-5.3-Flash Overview

https://docs.z.ai/guides/vlm/glm-5.3-flash

[3] Z.ai GLM-5.3-Flash model weights and model card

https://huggingface.co/zai-org/GLM-5.3-Flash

[4] Nous Research Hermes Agent — OpenCode Ox Alpha route integration

https://github.com/NousResearch/hermes-agent/commit/19c6a1192449342d297fabdedb793fa04c6f80a7

[5] Nous Research Hermes Agent — OpenRouter Ox Alpha route integration

https://github.com/NousResearch/hermes-agent/commit/c01cd26f959fb7c5bb21c89130d1d83c50012d0d

성능 수치는 Z.ai가 공개한 benchmark 결과이며 SHawn AI Notes의 독립 재현 결과가 아닙니다. Google News와 GitHub 수치는 화제 확산의 discovery signal로 사용했으며 독립 기사·고품질 채택 수로 해석하지 않습니다. *