2026년 10월 6일, 프랑스의 AI 기업 Mistral이 새 모델 Mistral Large 4의 공개 미리보기를 시작했습니다. Mistral은 이 모델을 비공식적으로 ML4라고 부르고, 공식적으로는 ‘le Chonk’라는 애칭을 붙였습니다. 미리보기 API는 Mistral의 개발 플랫폼인 Mistral Studio에서 바로 사용할 수 있습니다. 모델 가중치는 이달 말에 공개될 예정입니다.
거대 모델을 공개 가중치로 내놓겠다는 발표는 자체 환경에서 AI를 운영하려는 조직에 의미가 있습니다. 이 글에서는 Mistral이 밝힌 사실을 정리하고, 도입을 검토하는 조직이 무엇을 따져 봐야 하는지 살펴봅니다.
1조 파라미터 규모의 멀티모달 모델입니다
ML4는 전체 파라미터가 1조 개에 이르는 모델입니다. 이 가운데 한 번에 계산에 참여하는 활성 파라미터는 49B입니다. 이런 차이가 나는 이유는 모델 구조에 있습니다. Mistral은 ML4를 여러 전문가 모듈 가운데 일부만 골라 작동시키는 전문가 혼합(MoE, Mixture of Experts) 구조라고 설명합니다.
ML4는 처음부터 여러 형태의 입력을 함께 다루도록 만든 네이티브 멀티모달 모델입니다. Mistral은 이 모델이 바로 답하는 지시 응답 방식과 단계적으로 생각하는 추론 방식을 함께 갖춘 하이브리드 모델이라고 밝혔습니다. 가중치를 공개하는 오픈 웨이트 모델이라는 점도 함께 강조했습니다.
학습 환경도 공개했습니다. Mistral은 유럽에 있는 자체 데이터센터에서 NVIDIA Grace Blackwell GPU 3,800개를 사용해 ML4를 처음부터 학습했습니다. 이 모델은 Mistral이 €3B 규모의 시리즈 D 투자금으로 추진하는 로드맵의 첫 번째 성과이기도 합니다.
가격과 성능 수치
Mistral이 제시한 가격은 입력 토큰 백만 개당 1.36달러, 출력 토큰 백만 개당 4.18달러입니다. 출력 가격이 입력 가격의 세 배 정도이므로, 긴 답변을 많이 생성하는 업무일수록 비용이 빠르게 늘어납니다. 요약이나 분류처럼 입력이 길고 출력이 짧은 업무와, 보고서 작성처럼 출력이 긴 업무는 비용 구조가 다르게 나타납니다.
성능은 주로 코딩 관련 평가로 소개했습니다. Mistral에 따르면 ML4는 소프트웨어 개발 과제 평가인 DeepSWE v1.1에서 61.7%, 코드베이스에 관한 질의응답 평가인 SWE-Atlas-QnA에서 59.4%, 터미널 작업 평가인 Terminal-Bench 4에서 28.3%를 기록했습니다.
이 수치는 모두 Mistral이 직접 공개한 결과입니다. 공식 발표만으로는 같은 조건에서 다른 모델과 비교한 외부 평가를 확인할 수 없습니다. 터미널 작업 평가의 점수가 다른 두 평가보다 낮다는 점도 눈여겨볼 만합니다. 명령어를 실행하며 여러 단계를 이어 가는 에이전트형 업무에 사용하려면 따로 검증하는 것이 좋습니다.
다국어 학습과 레드팀 검증
Mistral은 ML4의 학습 데이터 가운데 상당 부분이 다국어 데이터였고, 160개가 넘는 언어를 다룬다고 밝혔습니다. 영어 외의 언어로 업무를 처리하는 조직에는 반가운 소식입니다. 다만 공식 발표에는 언어별 성능 수치가 나오지 않습니다. 한국어 문서에서 어느 정도 정확도를 내는지는 공개 자료로 판단할 수 없습니다.
가중치를 바로 공개하지 않은 이유도 설명했습니다. Mistral은 가중치를 공개하기 전까지 사이버 보안 분야의 선도 기업, 검증을 거친 파트너, 정부 기관과 함께 실제 환경에서 레드팀 검증을 진행합니다. 레드팀 검증은 모델을 일부러 공격하거나 악용하는 시나리오로 시험해 위험을 찾아내는 과정입니다. 가중치가 공개되면 회수할 수 없으므로, 그 전에 위험을 점검하겠다는 취지로 읽힙니다.
미리보기 단계라는 점을 기억해야 합니다
지금 제공되는 것은 공개 미리보기 API입니다. 미리보기 단계의 모델은 정식 출시 전까지 성능이나 동작이 달라질 수 있습니다. 가격 역시 미리보기 기준으로 안내된 것이므로, 정식 출시 시점에 다시 확인하는 것이 안전합니다.
가중치 공개 일정도 이달 말이라는 예정만 나와 있습니다. 레드팀 검증 결과에 따라 일정이나 공개 범위가 바뀔 수 있는지는 공식 발표에서 확인되지 않습니다. 자체 서버 운영을 전제로 계획을 세우는 조직이라면 실제 공개 시점과 라이선스 조건을 확인한 뒤에 일정을 확정하는 것이 좋습니다.
도입 전에 확인할 것
먼저 운영 방식을 정해야 합니다. 미리보기 API를 사용할지, 가중치 공개를 기다려 자체 환경에서 운영할지에 따라 검토할 항목이 완전히 달라집니다. API를 사용한다면 입력 데이터가 어디에 보관되고 얼마나 오래 남는지를 확인해야 합니다. 자체 환경에서 운영한다면 활성 파라미터가 49B이더라도 전체 1조 파라미터를 담을 인프라가 필요한지, 그 비용을 감당할 수 있는지를 따져 봐야 합니다.
다음은 비용 구조입니다. 입력과 출력 가격이 다르므로, 우리 업무에서 입력과 출력 토큰이 어떤 비율로 나오는지 측정해 두면 월 비용을 미리 가늠할 수 있습니다.
성능은 우리 데이터로 확인해야 합니다. 160개가 넘는 언어로 학습했다는 설명은 출발점일 뿐입니다. 한국어 문서와 실제 업무 과제를 골라 평가하고, 지금 사용하는 모델과 결과를 비교해 보는 것이 좋습니다.
마지막으로 권한과 승인 체계를 점검합니다. 미리보기 모델을 누가 어떤 데이터로 시험할 수 있는지, 정식 업무에 넣기 전에 누가 승인하는지를 미리 정해 두어야 합니다. 이런 기준을 세우고 결과를 판단할 수 있는 역량을 구성원이 갖추도록 교육하는 일도 함께 준비하면 좋습니다.

이정민






























