OpenCode Zen에 GLM-5.3-Flash Free가 새로 올라왔습니다. 모델 ID는 glm-5.3-flash-free이고, 요금표상 입력·출력·캐시 읽기 전부 Free입니다. 다만 OpenCode 안에서 고르는 무료 항목은 벤더 스펙과 상한이 다릅니다 — 벤더 문서의 컨텍스트 1M·최대 출력 128K가 무료 항목에서는 200K·32K로 잘려 있습니다. 왜 잘려 있는지, 어디서 고르면 되는지, 실제로 어느 정도 성능인지를 12문항 실측으로 확인했습니다.
1. 확인된 것과 무료 경로에서 잘린 것
이 모델은 정체를 숨긴 스텔스 모델이 아닙니다. 벤더가 아키텍처와 파라미터 수를 공개했고, 가중치도 공개된 오픈 웨이트 모델입니다. 그래서 스펙은 벤더 문서와 등록 정보 양쪽에서 확인할 수 있습니다.
구분 | 내용 | 출처 |
|---|---|---|
제작 | Z.ai(지푸) GLM-5 계열의 첫 네이티브 멀티모달 모델 | |
규모 | 총 320B 파라미터, 활성 18B | |
구조 | 스파스 어텐션 + 리니어 어텐션 결합. GLM-5.3 대비 어텐션 연산 3.01배·KV 캐시 4.44배 절감 | |
벤더 스펙 | 컨텍스트 1M 토큰 · 최대 출력 128K · 입력은 영상·이미지·텍스트·파일 | |
무료 경로 스펙 | 컨텍스트 200,000 · 최대 출력 32,000 | |
무료 제공 조건 | 한시적 무료, 제공 업체는 제로 리텐션 정책을 따르며 학습에 사용하지 않음 | |
요금표 | 입력·출력·캐시 읽기 모두 Free, 캐시 쓰기 없음 | |
사고 모드 |
|
무료 제공 조건은 공식 문서에 이렇게 적혀 있습니다.
GLM-5.3-Flash Free is free on OpenCode for a limited time. Its provider follows a zero-retention policy and does not use your data for model training.
한시적 무료라는 점이 중요합니다. 종료 시점은 공개되지 않았습니다. 같은 이유로 이 모델을 사내 코드에 쓰기 전에 데이터 정책을 한 번 확인하시는 편이 좋습니다 — 무료 경로는 제로 리텐션이지만, 아래에 정리한 다른 무료 경로의 정책은 별개입니다.
무료 경로가 벤더 스펙보다 잘려 있는 것은 OpenCode 쪽 사정입니다. 같은 모델의 유료 항목은 컨텍스트 1M·최대 출력 131,072를 그대로 제공합니다. 무료 경로만 200K·32K로 낮춰서 제공하는 구조입니다.
2. 등록된 무료 경로와 상한
모델 ID에 -free가 붙은 항목이 무료입니다. 등록 정보 기준으로 무료 경로가 세 곳 있고 상한이 서로 다릅니다.
경로 | 모델 ID | 컨텍스트 | 최대 출력 | 비고 |
|---|---|---|---|---|
OpenCode Zen |
| 200,000 | 32,000 | 한시적 무료 · 제로 리텐션 |
OrcaRouter |
| 1,000,000 | 128,000 | 무료 표기. 제 환경에서는 호출 실패(4절) |
TokenRouter |
| 1,000,000 | 131,072 |
|
Zen 유료 |
| 1,000,000 | 131,072 | 입력 $0.15 · 출력 $0.50 (100만 토큰당) |
등록돼 있다고 해서 바로 쓸 수 있는 것은 아닙니다. 상한이 큰 경로일수록 별도 키나 자체 무료 한도를 요구하는 경우가 많아, 실제 호출 결과는 4절에 정리했습니다.
접미사를 떼면 유료 항목으로 연결됩니다. glm-5.3-flash-free를 glm-5.3-flash로 줄여 쓰면 유료 과금 대상이 됩니다. 목록에서 고를 때도 ID 마지막 글자까지 확인하시는 편이 안전합니다.
3. 화면에서 고르는 법
OpenCode를 실행한 상태에서 /models를 입력하거나, ctrl+x를 누른 뒤 m을 누릅니다. 모델 목록 창이 열리면 검색창에 glm을 입력해 후보를 좁힙니다. 무료 항목은 오른쪽 열에 Free 라벨이 붙습니다.
/models 모델 목록 열기 (키바인드 model_list = <leader>m, leader 기본값 ctrl+x)
ctrl+f 보고 있는 모델을 즐겨찾기에 넣기
f2 / shift+f2 최근에 쓴 모델로 앞뒤 전환
ctrl+t 추론 강도 변형 순환 (low · high · max)
ctrl+a 제공자 목록
esc 창 닫기ctrl+t는 사고 강도를 바꾸는 키입니다. GLM-5.3-Flash Free는 low·high·max 세 단계를 제공하므로, 이 키를 누를 때마다 단계가 바뀝니다. 문서에도 ctrl+t로 모델 변형을 순환한다고 적혀 있습니다 — /thinking은 사고 과정을 화면에 보여줄지만 결정하고, 실제 사고 강도를 바꾸지는 않습니다.
같은 선택을 명령줄에서 재현하려면 모델 ID 뒤에 #과 변형 이름을 붙입니다.
opencode run -m opencode/glm-5.3-flash-free "이 함수의 버그를 찾아줘"
opencode run -m opencode/glm-5.3-flash-free#low "이 함수의 버그를 찾아줘"
opencode run -m opencode/glm-5.3-flash-free#max "이 함수의 버그를 찾아줘"한 번 고른 모델은 OpenCode가 기억합니다. 다음 실행에서 -m을 주지 않으면 마지막에 쓴 모델로 열립니다. 그래서 무료 모델을 골라 두고 쓰다가, 작업이 무거워질 때만 유료 항목으로 바꾸는 식으로 운용할 수 있습니다. 설정 파일에 고정하려면 opencode.json의 model 항목에 적습니다.
4. ai.kr.24 실측 결과
검증일은 2026년 10월 18일(KST)입니다. 방법은 OpenCode CLI로 모델을 호출해 12문항을 한 문항씩 실행하고, 문항별 결정적 채점 함수와 샌드박스 실행 판정을 거치는 방식입니다. 문항 배분은 지시 이행 2 · 코딩 실무 4 · 맥락 유지 2 · 에이전트 4입니다.
축 | 점수 | 무엇을 맞췄고 무엇을 놓쳤나 |
|---|---|---|
지시 이행 | 1/2 | JSON만 출력하기는 성공, 한국어 전용·표식 조건은 실패 |
코딩 실무 | 3/4 | 샌드박스에서 실행해 판정한 3문항은 모두 통과, 테스트 작성은 실패 |
맥락 유지 | 1/2 | 대화 요약은 성공, 문서 속 함수명 회수는 실패 |
에이전트 | 1/4 | 로그 원인 분석은 성공, diff 리뷰·4단계 계획·우선순위 판정은 실패 |
합계 | 6/12 | 응답이 오지 않은 문항은 0건입니다 |
점수를 잃은 6문항에서 실제로 일어난 일
문항 | 요구 | 실제 답변 | 성격 |
|---|---|---|---|
지시 이행 ① | 한국어로만 답하고 마지막 줄에 | 표식은 마지막 줄에 정확히 넣었고 설명도 한국어였습니다. 다만 본문에서 | 형식 조건 |
코딩 실무 ② | pytest 테스트를 새로 작성 | 테스트를 쓰지 않고 "이전 세션에서 이미 완료·커밋됐습니다"라며 저장소에 있는 테스트 파일 두 개를 찾아 실행하고 52건 통과를 보고했습니다 | 저장소 문맥 |
맥락 유지 ① | 문서 1,200자 지점에 적힌 함수 이름 | 정답인 | 형식 조건 |
에이전트 ① | diff 리뷰 5개를 JSON 배열로 | 코드펜스로 감싸 JSON 파싱이 불가능했고, 항목 내용도 diff와 무관한 세션 문맥 문장이었습니다 | 형식 + 문맥 |
에이전트 ③ | 4단계 JSON에 | 요구한 키 대신 한국어 키 이름을 썼고 최상위 키 구성도 달랐습니다 | 형식 조건 |
에이전트 ④ | 즉시 처리(고객 메일·느린 쿼리)와 미룸(버튼 문구) 분류 | 느린 쿼리를 '오늘 중 처리'로 분류했고, 앞 문장에 쓴 '보류'라는 단어가 채점기의 지연 키워드와 겹쳐 뒤 문단이 통째로 미룸 묶음으로 넘어갔습니다 | 판단 + 측정 조건 |
정리하면 6문항 중 4문항은 형식 조건에서, 1문항은 저장소 문맥에서, 1문항은 판단과 측정 조건이 겹쳐서 잃었습니다. 코드를 실제로 실행해 기계가 판정한 코딩 실무 3문항은 모두 통과했습니다. 코드를 짜는 힘보다 요구한 형식을 정확히 맞추는 쪽이 이 모델의 약한 지점입니다.
응답 시간과 60초 벽
12문항 전체는 약 8분이 걸렸습니다(문항당 평균 약 41초). 그중 2문항은 60초 안에 끝나지 않아 180초로 늘려 재시도했고, 재시도에서는 두 문항 모두 완료됐습니다. 실패가 아니라 지연입니다.
동일한 프롬프트로 변형별 3회씩 반복해 시간을 쟀습니다. 12회 모두 응답했고, 같은 조건에서 2.8초에서 75.8초까지 벌어졌습니다.
변형 | 표본 3회(초) | 최소 | 중앙값 | 최대 |
|---|---|---|---|---|
미지정(기본) | 11.8 · 5.8 · 26.0 | 5.8 | 11.8 | 26.0 |
| 6.1 · 5.7 · 2.8 | 2.8 | 5.7 | 6.1 |
| 5.3 · 75.8 · 4.9 | 4.9 | 5.3 | 75.8 |
| 34.5 · 11.5 · 10.6 | 10.6 | 11.5 | 34.5 |
표본이 3회뿐이라 어느 변형이 더 빠르다고 말할 수 없습니다. 실제로 회차 편차가 변형 차이보다 컸습니다 — #high는 세 번 중 한 번이 75.8초였고 나머지 두 번은 5초 안쪽이었으며, #max는 10.6초에서 34.5초 사이에 흩어졌습니다.
자동화에 넣을 때 걸리는 지점이 여기입니다. 타임아웃을 60초로 잡으면 같은 문항이 어떤 회차에는 통과하고 어떤 회차에는 걸립니다. 위의 '60초 벽'이 그 예이고, 12문항 중 2문항이 여기에 걸렸습니다.
무료 경로를 하나씩 호출해 본 결과
경로 | 결과 |
|---|---|
| 호출 성공 — 12문항 6/12, 변형 4종 모두 응답 |
| 실패 — |
| 실패 — |
| 실패 — |
같은 모델이라도 등록된 무료 경로가 모두 동작하는 것은 아니었습니다. 이 환경에서 실제로 응답한 경로는 OpenCode Zen의 opencode/glm-5.3-flash-free 하나였습니다.
파일 수정까지 되는지 (도구 사용)
버그가 있는 파이썬 파일 하나를 임시 디렉터리에 두고 "직접 수정해 달라"고 시켰습니다. 20.6초에 끝났고, 모델은 파일을 읽어 원인을 짚은 뒤 파일을 실제로 고쳤습니다.
- 수정 전:
return subtotal * tax_rate(세금액만 반환) - 수정 후:
return subtotal + subtotal * tax_rate(합계에 세금 가산)
고친 뒤에는 python3로 직접 실행해 결과를 확인하고 근거와 함께 보고했습니다. 무료 항목이라도 파일 읽기·수정·실행까지 도구를 쓰는 작업은 됩니다.
여기서 걸린 지점이 하나 있습니다. 이 환경에서 opencode run은 실행 중인 서비스의 워크스페이스에 붙습니다. 그래서 임시 디렉터리에서 옵션 없이 돌린 첫 시도에서는 모델이 이 저장소를 워크스페이스로 보고 다른 디렉터리의 파일을 찾지 못했습니다. --standalone(전용 서버)과 --auto(권한 자동 승인)를 켜고 작업 디렉터리와 PWD를 그 디렉터리로 맞추자 파일을 찾아 고쳤습니다.
같은 이유로 응답 시간을 재던 호출 하나에서는 모델이 저장소의 기록 파일에 답변 요약을 남기는 부수 작업까지 했습니다(그 파일에는 제 프롬프트가 '사용자 질문'으로 기록됐습니다). 무료 모델을 스크립트로 돌릴 때는 작업 디렉터리를 분리하고 도구 권한을 확인하시는 편이 안전합니다.
무료 티어는 OpenCode 안에서만 열립니다
환경변수에서 키와 토큰 항목을 모두 제거하고 저장된 자격증명 파일도 없는 상태에서 CLI로 무료 경로를 호출했더니 9.1초에 4가 돌아왔습니다. 키가 없어도 OpenCode 안에서는 동작합니다.
반대로 같은 엔드포인트를 밖에서 두드려 봤습니다.
curl -s https://opencode.ai/inference/openai/v1/chat/completions \
-H 'Content-Type: application/json' \
-d '{"model":"glm-5.3-flash-free","messages":[{"role":"user","content":"2+2는? 숫자만 답하세요."}]}'이 호출은 403으로 막혔습니다. 제 환경에 있던 Zen 토큰을 인증 헤더로 붙인 경우에도 같은 403이었습니다. 응답 본문은 이랬습니다.
{"type":"error","error":{"type":"FreeTierError","message":"OpenCode's free tier can only be used from within OpenCode. Download it at https://opencode.ai and keep building."}}
무료 티어는 자격증명이 아니라 호출 주체를 보고 막습니다. 그래서 키가 없어도 OpenCode 안에서는 돌고, 밖에서는 키를 붙여도 막힙니다(Console에서 새로 발급한 API 키라면 결과가 다를 수 있습니다). 자체 스크립트에 OpenAI 호환 클라이언트로 붙여 쓰려던 계획이 있었다면 이 지점에서 막히므로, 그런 용도에는 유료 항목(glm-5.3-flash)을 써야 합니다.
이 실측의 조건
- 문항 실행은 이 저장소 디렉터리에서 이뤄졌습니다. 그래서 모델이 저장소 파일과 세션 기록을 문맥으로 함께 봤고, 실제로 코딩 실무 ②·에이전트 ① 답변에 저장소 경로와 '이전 세션' 언급이 들어갔습니다. 모델 능력만 분리한 측정이 아닙니다.
- 채점에 쓰인 답변은 문항당 1,000자까지 보관됩니다. 코딩 실무 ②·에이전트 ③·④는 그 상한에 닿아 앞부분만 확인했습니다.
- 이 환경에는 전역 지침 파일이 있고 OpenCode가 세션마다 이를 자동으로 넣습니다. 실제로 도구 사용 스모크 테스트의 답변이 그 지침의 보고 형식(
[검증됨]·근거 표기)을 그대로 따랐습니다. 형식 관련 문항 점수에 이 지침이 영향을 줬을 수 있습니다. - 도구 사용 스모크 테스트와 무키 호출은 위에 적은 옵션 조건(
--standalone·--auto,PWD교정, 키·토큰 변수 74개 제거)에서 측정했습니다. 옵션 없이 같은 작업을 시키면 결과가 달라질 수 있습니다. - 응답 시간 측정은 도구 사용이 가능한 조건(저장소 워크스페이스)에서 이뤄졌습니다. 순수 추론 시간만 분리한 값이 아닙니다.
- 무료 경로 호출 실패 3건은 제 환경의 자격증명·무료 한도 상태에서 나온 결과입니다. 다른 계정에서는 다를 수 있습니다.
5. 한계
- 한시적 무료입니다. 종료 시점이 공개되지 않았으므로, 이 모델에 의존하는 자동화를 걸어 두었다면 목록에서 사라졌을 때를 대비해야 합니다.
- 무료 경로의 최대 출력은 32,000 토큰입니다. 벤더 스펙 128K의 4분의 1이므로, 파일 하나를 통째로 다시 쓰게 하는 작업에서는 출력이 잘릴 수 있습니다.
- 무료 경로 컨텍스트는 200,000 토큰입니다. 저장소 전체를 넣는 작업은 상한에 먼저 걸립니다.
- 사고 모드를 끌 수 없습니다. 짧은 질문에도 사고 토큰이 붙으므로 지연이 늘어납니다.
- 무료 경로의 데이터 정책은 제로 리텐션으로 확인되지만, 같은 모델의 다른 무료 경로 정책은 각 제공자 문서를 따로 확인해야 합니다.
마무리 — GLM-5.3-Flash Free를 어디에 쓰면 좋은가
- 코드 읽기와 요약: 컨텍스트 200K 안에 들어가는 파일 몇 개를 통째로 넣고 구조를 설명하게 하는 작업에 맞습니다.
- 짧은 함수 단위 수정: 출력 32K 안에서 끝나는 함수 단위 수정은 무리 없이 처리합니다.
- 이미지·영상이 섞인 입력: 입력 모달리티에 영상·이미지·파일이 포함된 모델이므로, 스크린샷을 넣고 화면을 읽히는 작업에 쓸 수 있습니다.
- 저장소 전체 리팩터링이나 대형 파일 재생성은 유료 항목(
glm-5.3-flash)이나 다른 모델로 넘기는 편이 낫습니다. 무료 경로의 출력 상한 32K에 먼저 걸립니다. - 토큰 비용이 0이라 하더라도 사고 모드를 끌 수 없어 응답 시간이 길어집니다. 지연에 민감한 자동화에 그대로 넣기 전에 실측이 필요합니다.
- 아직 확인하지 않은 것: 이미지·영상 입력의 실제 인식 품질, 도구 호출 정확도, 32K 출력 상한에 걸리는 정확한 지점은 이번 실측 범위가 아닙니다.
---
