OpenClaw에 GLM-4.7 붙여봤다: 중국 LLM이 생각보다 쓸만하다
에이전트 브레인 비용이 생각보다 빠르게 쌓인다
OpenClaw를 쓰다 보면 생각보다 API 비용이 빠르게 쌓인다. 에이전트가 목표 하나를 처리하면서 내부적으로 수십 번 reasoning을 돌리기 때문이다. Claude나 GPT-4o를 브레인으로 쓰면 성능은 좋은데, 상시 가동 기준으로 매달 비용이 부담스러운 수준이 된다.
그래서 대안을 찾다가 중국 LLM 쪽을 테스트해봤다. Zhipu AI의 GLM-4.7과 Moonshot의 Kimi다.
중국 LLM, 실제로 써보니
솔직히 처음엔 반신반의했다. 중국산 모델이라고 하면 한국어나 복잡한 논리 처리에서 약할 것 같다는 선입견이 있었다.
그런데 막상 써보니 달랐다. 에이전트 작업 기준으로 미국 top-tier 모델 대비 80% 이상의 성능은 충분히 나온다고 느꼈다. 특히 시스템 명령 생성이나 스크립트 작성 쪽은 생각보다 정확했다. 한국어 명령도 잘 이해하고 처리했다.
가격 차이는 확실하다. 대략 미국 LLM의 절반 이하 수준이다.
| 모델 | 입력 ($/1M 토큰) | 출력 ($/1M 토큰) | 비고 |
|---|---|---|---|
| Claude 3.5 Sonnet | $3.00 | $15.00 | 미국, 고성능 |
| GPT-4o | $2.50 | $10.00 | 미국, 범용 |
| Gemini 2.5 Flash | $0.10 | $0.40 | 미국, 경량 |
| Zhipu GLM-4.7 | $0.07 | $0.35 | 중국, 에이전트 특화 |
| Kimi | $0.07~0.15 | $0.30~0.60 | 중국, 긴 컨텍스트 강점 |
상시 가동하는 에이전트라면 이 차이가 누적으로 크게 느껴진다.
GLM-4.7을 OpenClaw에 연결하는 방법
GLM-4.7은 OpenAI 호환 API를 제공해서, 기존 OpenClaw 설정을 거의 바꾸지 않아도 된다. .env 파일에서 아래만 수정하면 된다.
1
2
3
4
LLM_PROVIDER="openai"
OPENAI_API_KEY="your_zhipu_api_key_here"
OPENAI_BASE_URL="https://open.bigmodel.ai/api/paas/v4/"
BRAIN_MODEL="glm-4.7"
API 키는 BigModel.ai에서 발급받을 수 있다.
어떤 경우에 쓸 만한가
모든 작업에 중국 LLM이 적합한 건 아니다. 내 기준으로 정리하면 이렇다.
GLM / Kimi가 잘 맞는 작업:
- 반복적인 에이전트 루프 (비용이 쌓이는 구조)
- 스크립트 생성, 파일 조작, 시스템 명령 처리
- 긴 문서 요약 (Kimi는 컨텍스트 윈도우가 특히 길다)
미국 모델이 더 나은 경우:
- 섬세한 창의적 글쓰기
- 복잡한 멀티스텝 추론
- 영어 중심의 전문 도메인 지식
결론
비용 대비 성능만 놓고 보면 GLM-4.7이나 Kimi는 충분히 실용적이다. 에이전트 브레인처럼 반복 호출이 많은 구조라면 특히 더 그렇다.
미국 LLM 절반 이하 가격에 80% 성능이면, 항상 최고 성능이 필요한 게 아니라면 써볼 이유는 충분하다. 나는 당분간 OpenClaw 브레인을 GLM-4.7로 유지할 생각이다.
References: