Moonshot AI가 2026년 4월 20일 Kimi K2.6(Modified MIT)을, 13일 전 Z.ai가 GLM-5.1(MIT, 754B, Huawei Ascend 910B 10만 칩 학습, NVIDIA 0대)을 동시 공개하며 SWE-Bench Pro에서 각각 58.6% vs 58.4%로 양강 구도를 형성했다. 저자가 15개 실제 프로덕션 코딩 태스크를 모델당 45회(총 90회) 동일 스캐폴드·툴 예산으로 돌려본 결과, 공개 벤치마크의 0.2점 차이는 전체 비교 중 가장 작은 격차였고 실제 코딩 품질(11점 격차)과 가격(43% 차이)에서는 결과가 뒤집힌다. 중국 오픈웨이트 모델이 글로벌 코딩 LLM 상위권을 차지하는 구조 변화를 보여준다.

• •Kimi K2.6(Modified MIT) vs GLM-5.1(MIT) — 두 중국 오픈웨이트 모델이 SWE-Bench Pro 양강 구도(58.6% vs 58.4%).
• •GLM-5.1은 Huawei Ascend 910B 10만 칩으로 학습 — NVIDIA GPU 0대의 754B 파라미터 모델.
• •공개 벤치마크 0.2점 격차가 실제 코딩 품질에서는 11점 격차로 벌어짐 — 벤치마크만 보고 선택하면 오판.
• •두 모델 간 API 비용 격차가 43% — 벤치마크 '승자'가 실제 코딩 태스크에서는 밀리는 구조.
• •중국 오픈웨이트 코딩 모델이 글로벌 프런티어와 동등 또는 우위 구간에 진입했다는 시장 시그널.