GLM-5.1 가중치는 오픈되어 있고 로컬에서 실행할 수 있나요?

Z.ai | 204,800 토큰 컨텍스트 | 입력 $0.97/M, 출력 $3.04/M. GLM-5.1은 코딩 능력에서 큰 도약을 이루었으며, 특히 장기 작업 처리에서 상당한 향상을 보입니다. 이전 모델들이 분 단위 상호작용에 초점을 맞춘 반면, GLM-5.1은 8시간 이상 단일 작업을 독립적이고 지속적으로 수행하며 자율적으로 계획, 실행, 개선하여 최종적으로 완전한 엔지니어링 수준의 결과를 제공합니다.

이 모델의 가이드

Ollama vs LM Studio (2026): 어떤 로컬 AI 앱을 사용할까, 그리고 각각 어떤 최고 모델을 실행할까

용도별 최고의 로컬 LLM (2026년 10월): 모든 작업에 맞는 최적의 오픈 모델

로컬 AI에 실제로 필요한 VRAM은 얼마나 될까?

GGUF 파일이란? 양자화 모델 설명 (Q4, Q8, fp8, NF4)

모든 가이드

캡틴의 노트

Captain 작성, 하우스 에디터

2026-10-13의 노트

GLM-5.1은 Z.ai의 대표적인 에이전트형 코딩 모델로, 초기 시도 후 멈추지 않고 수시간 동안 단일 엔지니어링 작업을 지속하도록 설계되었습니다. 벤치마크 표에서 SWE-Bench Pro를 선도하며 Hugging Face에 오픈 가중치를 제공합니다. 수백 번의 도구 호출을 자율적으로 계획, 실행, 수정할 수 있는 모델이 필요하다면 이 모델이 적합합니다.

알려진 점

벤치마크 동료 모델 중 폐쇄형 최첨단 모델 포함 SWE-Bench Pro 최고 점수
몇 분이 아닌 수시간에 걸친 긴 에이전트 세션에서 생산적 반복 유지
모호한 엔지니어링 문제를 실험으로 분해하고 결과를 읽어 전략 수정
대규모 코드베이스와 긴 작업 이력을 위한 20만 토큰 컨텍스트 창
자체 호스팅을 위한 Hugging Face 오픈 가중치 제공

주의할 점

출력 비용이 $3.04/M로 저렴하지 않음; 수천 도구 호출이 포함된 긴 에이전트 실행 시 비용 급증
엔지니어링급 에이전트 작업에 최적화되어 일반 채팅 및 글쓰기에는 적합하지 않음
가중치는 오픈되어 있으나 상업적 사용 전 Z.ai 라이선스 조건 확인 필요

최적 용도

시도해볼 프롬프트

복잡한 모듈 리팩터링

시간이 지나면서 복잡해진 Python 모듈이 있습니다. 구조를 분석하고 주요 문제점(결합도, 명명, 누락된 오류 처리 등)을 파악한 후, 단계별로 리팩터링하며 각 변경 사항을 설명하고 간단한 검증을 수행하세요. 모듈 코드를 아래에 붙여넣으세요.

CI 파이프라인 디버깅

내 GitHub Actions 워크플로가 실패하고 원인을 모르겠습니다. 전체 워크플로 YAML과 마지막 50줄의 오류 로그를 붙여넣겠습니다. 근본 원인을 진단하고 수정안을 제안하며, 함께 해결할 만한 부차적 문제도 알려주세요.

작은 CLI 도구 작성

새 CSV 파일을 감시하고, 각 파일에 'id', 'timestamp', 'value' 열이 있는지 검증하며, 검증 실패 행을 별도 파일에 기록하고 완료 시 요약을 출력하는 독립형 Python CLI 도구를 작성하세요. requirements 파일과 간단한 사용법도 포함하세요.

비교하기

GLM 5.3 FlashX
API 전용 모델
1,048,576 토큰 컨텍스트 · $0.37/M 입력, $1.25/M 출력
GLM 5V Turbo
API 전용 모델
202,752 토큰 컨텍스트 · $1.20/M 입력, $4.00/M 출력
GLM 5 Turbo
API 전용 모델
202,752 토큰 컨텍스트 · $1.20/M 입력, $4.00/M 출력
GLM 5.3 Prime
API 전용 모델
1,000,000 토큰 컨텍스트 · $2.80/M 입력, $8.80/M 출력

z-ai의 더 많은 텍스트 모델

사람들이 묻는 질문

GLM-5.1 가중치는 오픈되어 있고 로컬에서 실행할 수 있나요?: 네, 가중치는 Hugging Face의 zai-org/GLM-5.1에 공개되어 있어 다운로드 및 자체 호스팅이 가능합니다. 상업적 사용 전 Z.ai 라이선스 확인이 필요합니다.
GLM-5.1 비용과 컨텍스트 창 크기는?: Z.ai API 기준 입력 토큰 백만 개당 $0.97, 출력 토큰 백만 개당 $3.04이며, 204,800 토큰 컨텍스트 창을 가집니다.
GLM-5.1은 GLM-5와 어떻게 다른가요?: GLM-5.1은 장기 에이전트 작업에 특화되어 있으며, GLM-5가 익숙한 기법 적용 후 정체되는 반면 수백 회 반복을 통해 지속 개선합니다. 저장소 생성 및 실제 터미널 벤치마크에서 GLM-5를 크게 앞섭니다.

캡틴의 평가
빠른 일회성 답변보다 수시간 자율 코딩 실행이 필요한 작업에 실제로 설계된 몇 안 되는 모델 중 하나입니다.

Hugging Face의 모델 카드

캡틴은 모델의 설명과 모델 카드에서 이 노트를 작성합니다. 가격과 컨텍스트 크기는 작성 시점의 제공자 기준이며 변경될 수 있습니다.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

이 점수가 어떻게 계산되는지

이 모델은 아직 어떤 출처에서도 인기 데이터가 없어서 7,000° 아래에 임시 점수를 가지고 있어. 이 점수는 목록을 완성하는 데 쓰여. 데이터가 있는 모델보다 절대 순위가 높지 않아. 출처에서 보고가 들어오는 즉시 여기서 세부 내역이 나타나.

용어집: 여기서 쓰는 말들

히트 점수: 모델이 지금 얼마나 쓰이고 원하는지 한 숫자로 나타낸 거야, 0°부터 9,999°까지. 이 사이트에서 가장 인기 있는 목록은 모두 이 점수로 정렬돼.
기본 점수: 실제 데이터가 있는 모든 모델이 시작하는 7,000°야. 점수는 0°부터 9,999°까지인데, 기본 점수 아래는 데이터 없는 모델(대체 모델)용으로 남겨둬서 데이터 있는 모델이 항상 위에 오도록 해. 기본 점수는 모두 같고 아무것도 결정하지 않아; 그 위 점수가 실제 측정치야.
다운로드 동등치: 점수가 다운로드로 취급하는 모든 걸 합친 거야: 실제 다운로드, 토렌트 시더 1,000개씩, AI Horde 이미지와 생성 사이트 실행 1개씩.
로그 스케일: 1씩이 아니라 10씩 세는 거야: 1,000에서 10,000 다운로드가 늘면 10,000에서 100,000 늘어난 것과 같은 점수가 더해져. 큰 모델이 다 차지하는 걸 막아줘.
좋아요: 모든 출처의 좋아요와 엄지척, 로그 스케일에서 다운로드 절반 가치야.
채택률: 두 번 측정한 차이로 계산한 지금 하루 다운로드 수야. 다운로드 항목 무게의 4분의 1이야.
측정 및 추정: 측정은 두 번의 소스 읽기가 존재하고 그 차이가 실제라는 뜻이야. 추정은 오늘의 총합만 알고 과거는 모델의 전체 기간에 나눠서 보여주는 거야; 사이트에서 어떤 걸 보여주는지 알려줘.
시더: 토렌트를 통해 다른 사람이 다운로드할 수 있도록 가중치 파일을 온라인에 보관하는 사람이나 호스팅 미러를 말해. 각각 1,000번 다운로드로 계산돼.
AI 호드: 기부받은 컴퓨터에서 무료로 이미지를 생성하는 자원봉사 네트워크야. 모델로 만든 이미지 수가 공개되고, 각각이 한 번의 다운로드로 계산돼.
생성 사이트: PixAI, SeaArt, Yodayo 같은 모델 복사본을 직접 호스팅하고 사람들이 생성할 수 있게 하는 사이트들이야. 이들의 다운로드는 Civitai와 같고, 생성 한 번이 한 번의 다운로드로 계산돼.
OpenRouter 토큰: Claude나 GPT 같은 API를 통해 제공되는 텍스트 모델은 다운로드할 가중치가 없으므로, 지난 30일간 OpenRouter를 통해 읽고 쓴 텍스트 조각인 토큰 수로 사용량을 측정합니다. 10,000,000 토큰마다 다운로드 1회로 계산합니다. 출처: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
전체 모델 (체크포인트): 가중치 자체, 혼자서 생성하는 파일이야. 애드온이 이걸 기반으로 하기 때문에 보너스 점수를 받아.
LoRA와 임베딩: 다른 사람의 가중치를 특정 스타일, 캐릭터, 개념 쪽으로 조정하는 작은 추가 파일이야. 혼자 실행할 수 없어.
패밀리와 가중치: 모델이 기반으로 하는 것, 예를 들어 SD 1.5, SDXL, Flux, Wan 같은 거야. 모든 모델은 패밀리 가중치의 출시일을 물려받아.
연령: 패밀리 가중치가 나온 지 얼마나 됐는지에 따라 점수를 깎아: 1년에 150°, 최대 750°까지. 오래된 다운로드는 리스트 상단 고정을 풀어 쌓이도록 해.
패밀리 부스트: 이 사이트가 지금 밀고 있는 패밀리의 LoRA에 주는 작고 제한된 점수 조정으로, 항상 세부 내역에 표시돼.
대체 점수: 아직 소스 보고가 없는 모델에 안정적으로 주는 최저 점수로, 리스트가 완전하게 유지되도록 해. 데이터가 있는 모델보다 절대 높게 평가되지 않아.
신규! (유예 기간): 7일 미만의 신규 모델은 점수 대신 '신규!' 표시가 나오며 순위에 포함되지 않습니다. 점수는 첫날부터 계산되지만, 하루 된 모델은 매우 빠르게 성장하므로 유예 기간 없이는 항상 어제 나온 모델이 이번 주 #1이 되어버립니다.
추세: 한 기간 동안 모델의 성장 속도가 같은 기간의 일반 모델 성장 속도와 비교해서 어떤지 보여줘. 일반보다 빠르면 상승, 느리면 하락으로 봐.
일반 모델: 카탈로그의 중간값: 수치가 있는 모델 중 절반은 기간 동안 더 빨리 성장했고, 절반은 더 느리게 성장했어.