Mistral Large 4 공개 프리뷰 — 1조 매개변수 모델, 가중치는 이달 말 예정

SVIL - Singularity Visual Intelligence Lab 2026. 10. 07 13 min read

Mistral AI는 10월 6일 Mistral Large 4 공개 프리뷰를 시작했습니다. 지금 쓸 수 있는 것은 Mistral Studio의 API 프리뷰이며 가중치는 10월 말 공개 예정이라고 회사가 밝혔습니다.

Mistral은 Large 4가 전체 1조 매개변수 중 요청마다 490억 개를 활성화한다고 설명합니다. 총 매개변수와 한 번의 계산에 참여하는 활성 매개변수는 다른 수치입니다.

Mistral Large 4 공개 프리뷰, 가중치는 아직 대기

따라서 이를 지금 내려받아 실행할 수 있는 공개 가중치 모델이라고 부르면 부정확합니다. 프리뷰 API와 가중치 공개 계획을 나눠 보는 것이 출발점입니다.

총 1조 매개변수, 활성은 490억

회사 별칭은 Le Chonk입니다. 큰 매개변수 수가 모든 작업에서 더 높은 품질을 보장하지는 않으므로 실제 과제의 성능·지연·비용을 함께 봐야 합니다.

텍스트와 이미지를 함께 다루는 멀티모달 모델

Mistral은 복잡한 문서와 차트, 자연 이미지 이해를 주요 능력으로 내세웠습니다.

공식 데모는 위성 사진의 객체 탐색, 기술 도면 확인, PDF에서 근거 검색을 보여 줍니다. 이는 활용 방향이지 모든 현장 이미지의 정확도를 보장하는 시험은 아닙니다.

혼합 전문가 구조에서 기대하는 효율

공식 문서는 Large 4를 Mixture-of-Experts 구조의 멀티모달 모델로 분류합니다. 이 설계에서는 전체 매개변수 가운데 일부 경로를 선택해 요청을 처리할 수 있습니다.

자세한 아키텍처와 학습 방법은 발표 시점에 모두 공개되지 않았습니다. 구조의 세부 정보와 가중치를 확인하기 전에는 구현 수준의 성능을 추정하지 않아야 합니다.

유럽 자체 데이터센터에서 학습했다고 발표

Mistral은 Large 4를 유럽 내 자체 데이터센터에서 NVIDIA Grace Blackwell GPU 3,800개로 처음부터 학습했다고 밝혔습니다. TechCrunch는 인터뷰에서 4,000개라고 보도해 수치에 차이가 있습니다.

반올림이나 설명 맥락의 차이일 수 있지만 이유를 단정하기 어렵습니다. 이 글은 공식 발표 수치를 기준으로 삼고 차이를 표시합니다.

API 프리뷰와 제한된 접근 경로

Mistral Studio에서 공개 API 프리뷰를 사용할 수 있습니다. TechCrunch는 정식 가중치 공개 전까지 안전 장치가 적용된 공개 엔드포인트를 통해 이용한다고 보도했습니다.

API 프리뷰는 자체 인프라에서 가중치를 실행하거나 정책을 완전히 통제하는 방식과 다릅니다. 데이터 처리와 요청 저장 조건은 실제 API 문서와 계약에서 확인해야 합니다.

가중치는 10월 말 공개 예정입니다

Mistral은 안전 검토와 레드팀 시험을 진행한 뒤 이달 말 가중치를 공개하겠다고 밝혔습니다. 추가 벤치마크, 아키텍처와 사후 학습 방법도 공개할 계획입니다.

예정일은 바뀔 수 있습니다. 실제 공개 전에는 현재 API 프리뷰와 미래의 가중치 배포를 같은 상태로 설명할 수 없습니다.

사이버보안 성능은 방어 연구와 함께 봐야 합니다

Mistral은 한 취약점 재현·패치 시험에서 82%, Cybench 과제에서 93%를 기록했다고 발표했습니다. 보안 운영과 취약점 분석을 주요 활용 분야로 제시합니다.

이 기능은 방어와 악용 양쪽에 도움이 될 수 있습니다. 시험 환경을 확인하고 실제 시스템에 접근시키기 전에 권한·격리·승인 범위를 설계해야 합니다.

취약점 재현 점수의 조건

82%는 실제 오픈소스 취약점을 재현한 뒤 수정하는 특정 시험 항목에 붙은 수치입니다. 이를 보안 업무 전체의 성공률로 넓혀 해석하면 안 됩니다.

취약점 재현은 방어팀의 검증에 쓸 수 있지만 같은 능력이 악용될 수도 있습니다. 모델 점수와 조직의 안전한 사용 체계는 별도로 평가해야 합니다.

Cybench는 40개 보안 과제를 다룹니다

Cybench는 네 개 보안 대회에서 고른 전문 수준 CTF 과제 40개로 구성됩니다. Mistral은 Large 4가 그중 93%를 해결했다고 공개했습니다.

CTF 과제의 정답률은 운영 네트워크 침입 탐지나 사고 대응 성과와 같지 않습니다. 벤치마크 버전과 실행 조건을 확인해야 합니다.

코딩 에이전트 지표도 함께 공개했습니다

Mistral은 DeepSWE v1.1 61.7%, SWE-Atlas-QnA 59.4%, Terminal-Bench 4 28.3%를 공개했습니다. 과제 구성과 채점 절차가 서로 다릅니다.

Coding Agent Index는 여러 평가를 묶은 회사 지표입니다. 실제 저장소와 코드 검토 절차에서도 작업 성공률을 재측정해야 합니다.

블라인드 평가에서 5개 모델 중 2위

Mistral은 Surge AI 전문 평가자가 모델 이름을 가린 상태로 코딩 답변을 평가했으며, Large 4 Preview가 다섯 모델 중 2위를 기록했다고 밝혔습니다.

회사가 공개한 점수는 1~5점 척도에서 3.74점입니다. 다른 언어·프로젝트에서의 독립적인 현장 결과까지 확인된 것은 아닙니다.

에이전트 업무 수행 벤치마크

657개 업무 흐름을 시험하는 AutomationBench에서 59.9%, AA-Briefcase 지식 업무 평가에서 1,393 Elo를 기록했다고 회사가 발표했습니다.

실제 조직에서 이메일 발송이나 파일 수정을 맡기려면 권한 승인, 실행 기록, 취소 절차가 별도로 필요합니다.

시각적 근거 찾기를 내세웠습니다

Mistral은 문서·차트 이해와 시각 위치를 근거로 연결하는 작업을 강조하며 Dense 200에서 42%를 기록했다고 발표했습니다.

회사는 해당 수치가 GPT-6 Astra보다 1%포인트 높다고 비교합니다. 독립 평가로 확인되기 전까지는 회사가 제시한 결과로 구분해야 합니다.

과학·수학 업무를 겨냥합니다

회사는 SciCode-Verified에서 공개 가중치 모델 가운데 높은 성능을 보였다고 주장하고, 화학 계산과 시뮬레이션 코드 생성 사례를 제시했습니다.

연구 결과의 타당성은 모델 출력만으로 보장되지 않습니다. 재현 가능한 코드, 단위 테스트, 전문가 검토와 연결해야 합니다.

재무·법률 벤치마크와 실제 서류 작업

회사는 스프레드시트 생성·수정, 금융 분석, 법률 업무 평가의 결과를 공개했고 일부에 외부 평가기관이 참여했다고 밝혔습니다.

높은 벤치마크 점수도 고객별 데이터와 규정에 맞는 자문을 대신하지 않습니다. 출처 추적, 계산 검산, 전문가 승인이 필요합니다.

160개가 넘는 언어를 학습 데이터에 포함

Mistral은 학습 데이터 가운데 상당 부분이 160개 이상의 언어를 포함한다고 설명했습니다.

이는 언어별 성능 시험을 뜻하지 않습니다. 한국어 문서와 전문 용어, 방언, 혼합 언어는 별도 표본으로 평가해야 합니다.

안전 시험과 간접 프롬프트 주입

Mistral은 B3 AI Security Benchmark에서 간접 프롬프트 주입 공격의 93.3%를 막았다고 발표하고 KORA 안전 평가도 공개했습니다.

시험 점수는 완전한 방어를 증명하지 않습니다. 에이전트에는 입력 격리, 최소 도구 권한, 사용자 확인을 계속 적용해야 합니다.

고성능 사이버 기능과 안전성의 긴장

Mistral은 취약점 분석 능력을 강화하면서 악의적 사이버 요청의 거부율을 시험하고 신뢰 파트너와 안전성을 점검한다고 밝혔습니다.

가중치 공개 후에는 배포자가 자체 통제를 맡게 되므로 사용 정책과 모니터링을 배포 계획에 포함해야 합니다.

기업과 공공기관을 위한 데이터 통제 구상

Mistral은 유럽 자체 인프라와 지역 배포가 데이터 통제 선택지를 넓힌다고 설명하며 금융, 제조, 물류, 제약, 과학, 공공 분야를 언급했습니다.

실제 데이터 처리 위치와 로그 조건은 계약·설정에 따라 달라집니다. 유럽 인프라라는 설명만으로 모든 규제 의무가 충족됐다고 판단할 수는 없습니다.

무엇이 아직 공개되지 않았나요

발표 시점에는 최종 가중치와 상세 아키텍처, 사후 학습 방법, 추가 벤치마크가 공개 대기 상태입니다.

프리뷰는 이후 정식 가중치의 성능과 같다고 보장되지 않습니다. 공개된 최신 문서에서 각 결과의 시험 조건을 확인해야 합니다.

큰 모델 숫자보다 과제별 비용과 성능

총 1조 매개변수는 주목을 끌지만 실제 선택에는 활성 매개변수, 요청 비용, 지연 시간, 도구 안정성, 데이터 정책이 더 직접적인 기준입니다.

프리뷰 API를 시험하는 팀은 동일한 작업으로 경쟁 모델을 비교하고 실패와 수정 시간을 기록해야 합니다. 가격은 현재 제품 문서에서 다시 확인해야 합니다.

가중치 공개 이후 필요한 검증

가중치가 공개되면 자체 인프라 실행·감사·미세조정 선택지가 늘어날 수 있고, 복제·수정·배포 가능성도 커집니다.

배포자는 권한, 민감 데이터 저장, 악용 감시, 모델 갱신, 취약점 제보 대응을 준비해야 합니다. 공개 가중치는 무제한 사용이 안전하다는 보증이 아닙니다.

프리뷰를 읽는 핵심 기준

Mistral Large 4는 현재 API로 시험할 수 있는 멀티모달 모델 프리뷰이며, 가중치 공개는 이달 말 예정입니다. 공개된 성능에는 회사 발표 벤치마크가 포함됩니다.

다음 확인 지점은 가중치 공개, 독립 평가, 상세 기술 문서, 한국어와 현업 과제의 재현성입니다. 이를 확인한 뒤 도입 범위를 결정하는 것이 합리적입니다.

출처

협업문의 : kuroicode@gmail.com
블로그 : https://blog.svil.dev/
홈페이지 : https://svil.dev/