[오픈소스 AI] Z.AI가 공개한 프론티어급 AI 모델, GLM-4.7을 소개합니다.

안녕하세요,

최근 오픈소스 대규모 언어 모델 분야에서는 성능과 활용성이 모두 강화된 신형 모델들이 지속적으로 등장하고 있으며, 그중에서도 Zhipu AI가 공개한 GLM-4.7은 주목할 만한 발전을 보여주는 모델로 평가되고 있습니다. 이 모델은 이전 세대 대비 다양한 벤치마크 영역에서 성능이 고르게 향상된 점이 특징이며, MIT 라이선스를 기반으로 자유로운 활용이 가능하다는 점에서 연구·개발 환경에서도 높은 관심을 받고 있습니다.

이번 글에서는 GLM-4.7의 핵심 특징과 주요 성능, 그리고 실제 활용 방법을 중심으로 살펴보겠습니다.

---

반응형

GLM-4.7 모델이란

2025년 12월 22일, 중국의 인공지능 연구기업 Z.ai에서 기존 GLM 시리즈의 업그레이드 버전 GLM-4.7을 공개했습니다. 이 모델은 사람과의 대화, 프로그래밍 코드 생성, 복잡한 추론 문제 해결 등 다양한 자연어 처리 및 생성 작업을 지원할 수 있도록 설계되어 있으며, 특히 장시간 대화의 맥락을 유지하고 명령 수행 품질을 높이는 기능을 갖추고 있습니다. GPT-계열과 같은 상용 모델과 경쟁할 수 있는 수준의 성능을 목표로 하며, 공개적으로 가중치도 배포되어 로컬 환경에서 직접 활용할 수 있는 오픈소스 기반 모델입니다.

 

• GLM-4.7공식 블로그 : https://z.ai/blog/glm-4.7

GLM-4.7: Advancing the Coding Capability

 

[모델 정보 요약]

항목	내용
모델명	GLM-4.7
개발사	Zhipu AI (Z.ai 팀)
아키텍처	대규모 언어 모델 기반 구조(GLM 시리즈 업그레이드 버전, Interleaved Thinking·Preserved Thinking 기반 추론 강화)
학습 단계	대규모 웹 코퍼스 + 코드·툴 사용 데이터 + 장문 맥락 기반 프롬프트 학습
특징	- 복합 추론 성능 향상 - 도구 호출 능력 강화 - 긴 문맥(최대 약 200k 토큰) 처리 지원 - 코딩 및 에이전트 작업 개선
사용 환경	Zhipu API / 허깅페이스 / 로컬 환경
라이선스	MIT License(상업적 활용 가능)
모델 경로	Hugging Face 제공

 

 

주요 특징

• 향상된 사고 메커니즘: 입력에 대한 응답 전에 “생각”을 수행하여 지시 이행 능력과 생성 품질을 높이는 Interleaved Thinking 기능을 내장하고, 여러 턴에 걸친 일관된 추론을 유지하는 Preserved Thinking 및 각 턴별 사고 제어 기능을 제공합니다.
• 강화된 코딩 능력: 다국어 코딩 및 터미널 기반 작업에서 높은 성능을 보이며, 복잡한 개발 태스크에서도 안정적인 코드 생성을 지원합니다.
• 도구 호출 및 툴 통합: 외부 API 호출 및 도구 연동 작업에서 개선된 수행 능력을 가지며, 다양한 애플리케이션과 시스템 통합이 가능합니다.
• 긴 문맥 처리: 최대 약 200,000 토큰에 달하는 긴 문맥을 처리할 수 있어, 장기간의 대화나 대용량 문서 기반 작업에서도 효과적인 결과를 제공합니다.
• 프런트엔드 생성 품질 개선: HTML, 슬라이드, 포스터 등 시각 요소 생성 시 이전보다 더 깔끔하고 현대적인 출력물을 생성하는 기능도 포함되어 있습니다.

 

 

벤치마크 성능

GLM-4.7은 전반적인 벤치마크 항목에서 이전 세대 모델(4.6) 대비 뚜렷하게 향상된 결과를 보이며, 오픈소스 모델 가운데에서도 상위권 성능을 확보한 모델입니다. 주요 추론 벤치마크(MMLU-Pro, GPQA-Diamond, AIME 등)에서는 상용 모델과 비교해도 근접한 점수를 기록하고 있으며, 도구 사용 기반 평가(HLE with Tools)나 에이전트 작업 벤치마크(τ²-Bench)에서도 경쟁력 있는 결과를 확인할 수 있습니다. 코딩 분야의 SWE-Bench Verified에서도 개선된 성능을 보여, 코드 생성 및 문제 해결 능력 또한 강화된 모습을 나타냅니다.

 

구분	벤치마크	오픈소스 모델				상용 모델
		GLM-4.7	GLM-4.6	Kimi K2 Thinking	DeepSeek -V3.2	Gemini 3.0 Pro	Claude Sonnet 4.5	GPT-5 High
추론	MMLU-Pro (다분야 지식 이해와 종합 추론 능력 평가)	84.3	83.2	84.6	85.0	90.1	88.2	87.5
	GPQA-Diamond (고난도 전문 지식 기반의 심층 추론 능력 평가)	85.7	81.0	84.5	82.4	91.9	83.4	85.7
	HLE (실전 난도 문제 해결을 평가하는 고난도 종합 추론 테스트)	24.8	17.2	23.9	25.1	37.5	13.7	26.4
	HLE(with Tools) (도구 사용 기반의 문제 해결 능력 평가)	42.8	30.4	44.9	40.8	45.8	32.0	35.2
	AIME 2025 (수학·논리 기반 고난도 문제 풀이 능력 평가)	95.7	93.9	94.5	93.1	95.0	87.0	94.6
코드	SWE-bench Verified (실제 GitHub 이슈 해결 중심의 코드 수정 능력 평가)	73.8	68.0	71.3	73.1	76.2	77.2	74.9
	Terminal Bench Hard (터미널 명령 기반 작업 수행 능력 평가)	33.3	23.6	30.6	35.4	39.0	33.3	30.5
	Terminal Bench 2.0 (코드 에이전트의 종합적인 터미널 작업 처리 능력 평가)	41.0	24.5	35.7	46.4	54.2	42.8	35.2
에이전트 능력	τ²-Bench (다단계 작업·도구 활용 기반 종합 에이전트 능력 평가)	87.4	75.2	74.3	85.3	90.7	87.2	82.4

출처: GLM-4.7공식 블로그

 

 

라이선스

GLM-4.7은 MIT 라이선스 기반으로 공개된 모델로, 매우 자유도가 높은 오픈소스 라이선스에 속합니다. 누구나 모델을 다운로드하여 수정하거나 재배포할 수 있으며, 개인·연구·상업 목적 등 다양한 프로젝트에서 폭넓게 활용할 수 있는 구조로 설계되어 있습니다. 사용자는 모델을 기반으로 한 2차 개발이나 배포 또한 자유롭게 수행할 수 있으며, 기업 환경에서도 별도의 제약 없이 적용할 수 있습니다.

MIT 라이선스는 단순성과 활용성을 최우선으로 하는 라이선스이기 때문에, 모델을 사용하는 과정에서 요구되는 의무는 최소한의 형태로 제공됩니다. 라이선스 전문을 소프트웨어와 함께 포함하는 것이 기본적인 의무 사항이며, 그 외의 주요 제한 사항은 존재하지 않습니다. 이러한 특성은 GLM-4.7을 다양한 생태계와 응용 분야에서 손쉽게 도입할 수 있도록 돕는 요소로 작용합니다.

 

---

 

간단한 사용 예시

GLM-4.7 모델은 허깅페이스를 비롯한 여러 플랫폼을 통해 공개되어 있으며, 로컬 환경에서의 직접 실행부터 서버 기반 추론 환경까지 다양한 방식으로 활용할 수 있는 구조를 가지고 있습니다. 사용 목적에 따라 Z.ai의 공식 서비스, 허깅페이스 기반 텍스트 생성 파이프라인, 또는 자체 서버 환경에서의 고성능 추론 방식 중 적절한 방식을 선택할 수 있습니다.

 

1. Z.ai (공식 서비스)

GLM-4.7은 Z.ai의 공식 플랫폼을 통해 바로 체험할 수 있습니다. 사용자는 텍스트 프롬프트를 입력하는 것만으로 자연어 생성, 코드 작성, 문서 요약 등 다양한 기능을 웹 브라우저에서 즉시 이용할 수 있으며, 별도의 설치 과정 없이 편리하게 접근할 수 있습니다.

• 특징: 클라우드 기반 추론, 사용자 친화적인 웹 UI, 별도 설정 불필요
• 비용: 무료 체험 가능(플랫폼 정책에 따라 일부 기능은 제한될 수 있음)
• 활용: 텍스트 생성, 질의응답, 코드 보조, 문서 정리, 간단한 연구용 테스트
• 공식 페이지: https://chat.z.ai/

출처: Z.ai (클릭시 페이지 이동)

 

2. 허깅페이스 (로컬 실행 기반)

GLM-4.7 모델은 허깅페이스를 통해 공개되어 있으며, transformers 라이브러리를 활용하여 로컬 GPU 환경이나 자체 서버에서 직접 실행할 수 있습니다. 텍스트 생성, 코드 작성, 문서 요약, 추론 작업 등 다양한 자연어 처리 기능을 자유롭게 수행할 수 있으며, 파라미터 조정과 세부 설정을 통해 사용자 목적에 맞는 형태로 활용할 수 있습니다.

• 특징: 모델 동작에 대한 완전한 제어 가능, 연구 및 실험 환경에 적합, CUDA·ROCm 기반 GPU 가속 지원
• 비용: 무료 (MIT 오픈소스 라이선스 기반)
• 활용: 개인 또는 기업의 텍스트 생성 서비스 구현, 연구·개발용 실험, 커스텀 LLM 파이프라인 구축, 로컬 LLM 챗봇 구성
• 허깅페이스: https://huggingface.co/zai-org/GLM-4.7/tree/main

출처: Z.ai 허깅페이스 (클릭시 페이지 이동)

 

3. 자체 서버 환경(vLLM·SGLang 기반 고속 서빙)

GLM-4.7은 vLLM, SGLang 등 고성능 추론 엔진을 활용하여 자체 서버 환경에서 안정적으로 운영할 수 있습니다. 해당 방식은 고속 토큰 생성, 낮은 지연 시간, 다중 사용자 요청 처리에 유리하며, 클라우드 또는 온프레미스 환경에서 효율적인 LLM 서비스 구축에 적합한 구조를 가지고 있습니다. 특히 REST API 형태로 엔드포인트를 구성하면 기존 서비스와의 연동이 용이하며, 모델 파라미터 조정과 시스템 최적화를 통해 상황에 맞는 성능 구성이 가능합니다.

• 특징: 빠른 토큰 처리 속도, 병렬 요청 처리 효율성, 서버 최적화 및 운영 유연성
• 비용: 무료 (MIT 오픈소스 라이선스), 서버 인프라 비용만 필요
• 활용: 기업형 LLM 서비스 구축, 사내 비공개 챗봇 운영, 고성능 API 서버 구성, 대규모 사용자 응답 환경
• 참고 리포지토리
  1. GLM-4.7 허깅페이스: https://huggingface.co/zai-org/GLM-4.7
  2. vLLM 깃허브:  https://github.com/vllm-project/vllm
  3. sglang 깃허브: https://github.com/sgl-project/sglang

 

---

 

GLM-4.7은 오픈소스 생태계에서 실질적으로 활용 가능한 수준의 성능을 제공하는 모델로 평가되고 있습니다. 다양한 추론 과제와 코드 작업, 에이전트 벤치마크에서 균형 잡힌 성능을 보여주며, 이전 세대 모델 대비 전반적인 향상이 확인된 점이 특징입니다. 또한 MIT 라이선스를 기반으로 자유로운 수정·배포가 가능하다는 점은 연구·서비스 개발 환경에서 큰 장점을 제공하는 요소로 작용합니다.

 

직접 활용해보고자 한다면 공식 서비스나 허깅페이스, 그리고 자체 서버 활용 방식 등을 선택하여 자신만의 환경에서 GLM-4.7을 체험해 보시는 것을 권합니다. 다양한 사용 목적에 맞추어 적용해 보시면 모델의 실질적인 활용 가능성과 강점을 더욱 분명하게 확인하실 수 있습니다.

 

 

감사합니다. 😊