즈푸(Zhipu)가 9월 18일 GLM-5.3-FlashX를 출시하고 API도 동시에 개방했다. 모델 식별자는 GLM-5.3-FlashX다. 공식이 내놓은 수치는 사실상 하나뿐이다. 출력 속도가 최대 초당 200토큰에 달한다는 것으로, 즈푸 측 설명으로는 기존 GLM-5.3-Flash의 5배다.
모델 성능 등급 자체는 달라지지 않았다. 공개 문서에 따르면 Flash와 FlashX는 사양을 공유한다. 컸텍스트는 100만 토큰, 최대 출력은 12만 8000토큰이며, 입력은 영상·이미지·텍스트·파일을 지원하고 출력은 텍스트다. 여기에 사고 모드, 툴 호출, 스트리밍 응답, 컸텍스트 캐싱, JSON 구조화 출력도 함께 지원한다. 둘의 차이는 명확하다. FlashX는 처리량을 대가로 속도를 얻고, Flash는 단가를 지킨다.
속도와 함께 오른 가격
공개된 보도에 따른 가격은 입력 100만 토큰당 2위안, 출력 100만 토큰당 7위안으로, 기존 Flash 등급의 2.5배다. 즈푸는 공지에서 이 부분을 따로 강조하지 않았지만, 소셜미디어에서의 논의는 거의 전부 "속도와 비용의 맞교환"에 쉬어 있다.
2.5배라는 배율을 역산하면 Flash 등급의 출력 단가는 대략 100만 토큰당 2.8위안 선이다. 하루 출력 토큰을 10억 개 소비하는 에이전트 사업을 가정하면, Flash로는 출력 쪽에서만 월 약 8만 4000위안이 들고, FlashX로 옥기면 약 21만 위안까지 오른다. 차액 12만 6000위안은 같은 작업량을 더 빠리 처리하는 대가다. 이게 남는 장사인지는 해당 서비스가 첫 토큰 지연과 대기열 길이에 얼마나 민감한지에 달렸다. 대화형 제품, 실시간 자막, 코드 자동완성처럼 1초도 지체할 수 없는 영역이라면 초당 200토큰과 40토큰대는 전혀 다른 체감이다. 반대로 오프라인 배치 처리, 문서 파싱, 야간 배치처럼 몇 분 늦어도 상관없는 작업이라면 여전히 Flash 쪽이 낫다.
초당 200토큰은 어디서 나왔나
즈푸의 설명은 10만 장 규모의 중국산 칩 기반 추론 인프라 위에 추론 최적화를 추가로 얹었다는 것이다. 이 최적화가 추측 디코딩, 병렬 스케줄링, 메모리 배치 중 어디에서 나온 것인지는 밝히지 않았다. 10만 장이라는 수치가 자체 클러스터만을 가리키는지, 파트너사 물량을 포함하는지도 공개하지 않았다.
FlashX의 전신에는 해외에서 쌓은 이력이 있다. GLM-5.3-Flash는 한때 'Ox Alpha'라는 코드명으로 해외 개발자 커뮤니티에서 돌았고, 호출량이 한때 DeepSeek의 2배를 넘었다고 즈푸 스스로 밝힌 적이 있다. Ox Alpha에서 Flash, 다시 FlashX로 이어지는 흐름에서 즈푸의 움직임은 일관적이다. 먼저 저가로 호출량을 쌓아 실제 부하의 형태를 파악한 뒤, 속도별로 등급을 나눠 과금한다. GLM-5.3 정식판이 나왔을 때 출력 100만 토큰 가격은 4.4달러였다. Flash 등급은 활성화 파라미터를 180억 개로 줄여 비용을 압축했고, FlashX는 같은 곡선 위에서 속도 쪽으로 한 칸 더 나아간 지점이다.
가격 인상이 보내는 신호
지난 1년여 중국 대형언어모델 업계의 기본 동작은 가격 인하였다. 먼저 내리는 쪽이 점유율을 가져가는 구도였다. FlashX는 이 흐름을 거슬른다. 같은 성능에 더 높은 가격을 매기고, 세일즈 포인트는 오직 속도로 잡았다. 이게 성립하려면 추론 쪽 공급이 더 이상 무한정 저렴하지 않고, 클러스터 안의 동시처리 여유분 자체가 값을 매길 수 있는 자원이 됐다는 전제가 필요하다.
이게 자리를 잡을지는 두 가지에 달렸다. 동급 중국산 경쟁 모델이 앞으로 몇 주 안에 뒤따라 가격을 올리는지, 그리고 FlashX가 고동시성 구간에서도 초당 200토큰 상한을 지켜내는지다. 제3자 스트레스 테스트 데이터는 아직 공개되지 않았다.
참고 출처: 즈푸 오픈플랫폼 문서, 즈푸 공식 발표, CocoLoop, 시나 테크놀로지(新浪科技), 챌장즈자(站长之家); 속도와 컸텍스트 사양은 공식 문서로 확인했고, 가격은 공개 보도 기준이다.