1:1 대결
GLM-5.2 vs Kimi K3.1 Pro: 2026년, 어떤 AI 모델이 이길까?
GLM-5.2($4.40/1M out)와 Kimi K3.1 Pro($10/1M out)는 2026년 가장 많이 쓰이는 AI 모델 중 둘입니다. 커뮤니티 투표 4건 기준, GLM-5.2가 지지율 50%로 앞서고 있습니다.
빠른 평결
추론 항목에서는 GLM-5.2를 고르세요: 아레나 점수 4.5/5, Kimi K3.1 Pro는 4/5입니다. 예산 면에서는 GLM-5.2의 승리입니다: $4.40/1M out부터 시작하는 반면, Kimi K3.1 Pro는 $10/1M out부터입니다.
항목별 비교
강점과 약점
GLM-5.2
- Artificial Analysis Intelligence Index에서 오픈 웨이트 1위(53점, 106개 중 4위). MIT 라이선스로 실제로 내려받아 자체 호스팅할 수 있는 가장 강력한 모델입니다
- SWE-Bench Pro 62.1로 GPT-5.5의 58.6을 앞서고 Terminal-Bench 2.1 82.7, GPQA-Diamond 91.2. 저렴한 대체품이 아니라 프런티어급 코딩과 추론입니다
- 입력 100만 토큰당 1.40달러, 출력 4.40달러(캐시 적중 시 입력 0.26달러)로 GPT-5.5나 Claude Opus 4.8 토큰 단가의 약 6분의 1입니다
- 실제로 빠릅니다. 출력 초당 153.2토큰, 첫 토큰까지 1.39초로 같은 오픈 웨이트 계열인 Kimi K3의 초당 33토큰을 크게 앞섭니다
- 100만 토큰 컨텍스트와 최대 128K 출력, 그리고 전체 컨텍스트 길이에서 토큰당 FLOPs를 2.9로 나누는 IndexShare 아키텍처
- MIT 라이선스와 공개된 가중치 덕분에 자체 호스팅하면 공급업체 종속과 호스팅 API의 데이터 관할권 문제가 모두 사라집니다
- 주요 모델 중 가장 장황합니다. Artificial Analysis 과제당 출력 43,000토큰(그중 추론이 37,000)으로 평균의 1.8배이며, 저렴한 정가가 실제로는 과제당 0.32달러가 되고 OpenRouter에서 응답에 약 75초가 걸립니다
- 환각 보정 지식에서 취약합니다. AA-Omniscience 4점으로 Claude Opus 4.8의 27점, Gemini 3.5 Flash의 23점, GPT-5.5의 20점에 크게 못 미치며, 더 나은 모델이 답변을 유보하는 지점에서도 자신 있게 답합니다
- 텍스트 전용으로 이미지나 오디오 입력을 지원하지 않습니다. 직접 경쟁 모델 대부분은 기본적으로 멀티모달입니다
- Artificial Analysis는 비슷한 규모의 다른 오픈 웨이트 모델과 비교하면 비싸다고 지적합니다. 가격 우위는 폐쇄형 미국 프런티어를 상대로 성립하며 오픈 진영을 상대로는 그렇지 않습니다
- 7,530억 파라미터는 자체 호스팅에 다중 GPU 데이터센터가 필요합니다. 대부분의 팀에게 '오픈 웨이트'는 실제 구동 능력보다 이식성과 감사 권한을 의미합니다
Kimi K3.1 Pro
- Moonshot 발표 기준 Terminal-Bench 4.0 65.7%로, Claude Opus 5.5(66.4%) 바로 뒤이며 GPT-6 Astra(58.2%)보다 앞섬
- Moonshot의 적대적 테스트 Hallu Bench Hard에서 K3보다 환각이 크게 감소: 도구 사용 시 잘못된 주장 8.3%(K3는 23.4%)로 Opus 5.5(15.0%)보다 우수
- Kimi K3보다 3분의 1 저렴: 100만 토큰당 $2/$10(캐시 적중 시 $0.20), 배치 추론은 정가의 60%
- 3D와 공간 추론에 강함: 도구 사용 BenchCAD 92.7로 Claude Fable 5.1(92.6)과 동급, 도구 없이도 72.8로 Opus 5.5(73.0)에 근접
- K3 대비 금융 및 사무 업무 향상: Financial Research 58.8에서 70.4로, Moonshot 발표 기준 OfficeQA Pro v2에서 최고 기록 64.4
- Kimi K3의 웨이트가 Hugging Face에 공개된 데 이어, 오픈 웨이트가 2026년 11월 4일까지 공개될 예정
- 매우 느림: Artificial Analysis 기준 초당 출력 30.6토큰으로 195개 중 193위이며, Highspeed 변형은 가격이 두 배인 $4/$20
- Artificial Analysis Intelligence Index v5.0에서 46점(60개 중 23위)으로, 같은 $2/$10에 판매되는 Claude Sonnet 5.5(54)와 GPT-6.1 Sol(55)보다 크게 낮음
- 내세우는 성과 대부분이 독립적으로 검증할 수 없는 Moonshot 내부 벤치마크(Kimi Code Bench, Hallu Bench, 금융 테스트 모음)에서 나옴
- 리뷰 시점에 웨이트와 라이선스가 아직 공개되지 않았고, API는 베이징 관할권 아래에 있어 많은 기업 및 EU 배포에서 규정 준수 장벽이 됨
- 오픈 버전에서는 학습 데이터에서 사이버 보안 데이터가 제외되어, 공격형 보안 능력이 폐쇄형 최첨단 모델보다 낮음(Moonshot의 xdev-bench-hard에서 81.0, 필터링하지 않은 체크포인트는 90.5)
평결을 내리세요
검투사 한 명당 툴별 추천 한 번. 모두가 보는 대중 점수가 바뀝니다.
GLM-5.2에 대한 아레나의 평결
GLM-5.2는 현재 내려받을 수 있는 최고의 모델입니다. Artificial Analysis에서 오픈 웨이트 진영을 선도하고, SWE-Bench Pro에서 GPT-5.5를 앞서며, 토큰당 비용은 폐쇄형 미국 프런티어의 약 6분의 1입니다. 에이전트형 코딩, 장기 저장소 작업, 100만 토큰 분석에 적합하며, 자체 호스팅이나 라이선스 자유가 로드맵에서 중요하다면 더욱 그렇습니다. 다만 장황함에 유의하세요. 과제당 43,000 출력 토큰을 소모하므로 실제 청구액은 과제당 0.32달러에 가깝고 응답에 약 75초가 걸려 대화형 제품에는 적합하지 않습니다. 그리고 지식의 근거로 사용하지 마세요. AA-Omniscience 4점은 Opus 4.8의 27점과 대비되며, 답변을 유보해야 할 상황에서도 자신 있게 답한다는 뜻이므로 사실 관련 용도에는 검증 계층을 두어야 합니다. 순수 토큰 단가로는 DeepSeek V4가 여전히 저렴합니다. GLM-5.2의 강점은 소유할 수 있는 프런티어급 역량입니다.
Kimi K3.1 Pro에 대한 아레나의 평결
Kimi K3.1 Pro는 더 낮은 가격에 K3를 확실히 개선한 모델입니다. Moonshot이 발표한 Terminal-Bench 4.0 수치에서 Opus 5.5에 근접하고, 3D와 CAD 능력이 돋보이며, Moonshot 자체 스트레스 테스트에서 환각률이 3분의 2 줄었습니다. 에이전트형 코딩, 3D, 금융 리서치에 선택하고, 특히 웨이트가 공개된 뒤 자체 호스팅할 계획이라면 더욱 좋습니다. 대화형 용도에는 피하세요(초당 30토큰은 시장에서 가장 느린 축에 속합니다). 가격만 보고 사기 전에 꼼꼼히 비교하세요. 같은 $2/$10에서 Claude Sonnet 5.5와 GPT-6.1 Sol은 Artificial Analysis에서 확실히 더 높은 점수를 받고 4~5배 빠릅니다. K3 사용자는 갈아타는 것이 좋습니다. K3.1 Pro는 더 저렴하고 Moonshot이 발표한 모든 벤치마크에서 더 낫습니다.
대중의 목소리
GLM-5.2에 대해
“yok”
“The verbosity is not a detail. 43k output tokens for a task Opus does in 15k means my cheap model is not cheap, and 75 seconds per answer killed it for our support bot. Great for batch, useless interactive.”
“1M context that actually stays coherent. Fed it a 400k-token monorepo and the cross-file reasoning was better than anything else I can self-host. 153 tokens/s makes the long reasoning bearable.”
“Swapped it in for our agentic refactor jobs and it held up against Opus 4.8 at a fraction of the bill. The MIT weights are what sold my CTO: we can move it in-house if Z.ai ever changes the terms.”
Kimi K3.1 Pro에 대해
아직 평결이 없습니다. 첫 번째로 발언해 보세요.
비교 계속하기
자주 묻는 질문
GLM-5.2가 Kimi K3.1 Pro보다 나은가요?
추론 항목에서는 GLM-5.2가 더 높은 평가를 받았습니다(4.5/5 vs 4/5). 정답은 용도에 따라 다릅니다. 이 페이지의 항목별 비교에서 가격, 핵심 스펙, 아레나 평점을 자세히 다룹니다.
GLM-5.2와 Kimi K3.1 Pro 중 어느 쪽이 더 저렴한가요?
GLM-5.2가 더 저렴합니다: $4.40/1M out부터 시작하는 반면, Kimi K3.1 Pro는 $10/1M out부터입니다.
GLM-5.2와 Kimi K3.1 Pro의 1M 토큰당 비용은 얼마인가요?
GLM-5.2: 입력 토큰 1M당 $1.40/1M in (cache hit $0.26), 출력 토큰 1M당 $4.40/1M out. Kimi K3.1 Pro: 입력 토큰 1M당 $2/1M in, 출력 토큰 1M당 $10/1M out.