Mistral, 1조 매개변수 Large 4 가중치 공개, 입력 100만 토큰 0.7달러

Mistral AI가 1조 매개변수 규모의 멀티모달 플래그십 모델 Mistral Large 4(별칭 Le Chonk)의 가중치를 공개했다. 이달 초 공개 프리뷰로 내놓은 모델에 강화 학습을 3주 더 적용해 코딩과 방어형 사이버 보안 성능을 끌어올린 버전이다. 회사는 추론 효율도 크게 좋아져 추론 비용이 줄어든다고 밝혔다.

모델은 Mistral Studio, Mistral API, OpenRouter에서 바로 쓸 수 있고, Hugging Face에서 가중치를 내려받아 vLLM이나 SGLang으로 직접 운영할 수도 있다. 라이선스는 수정 MIT 형태의 Mistral Ecosystem Open-Weight 라이선스다. 사용, 수정, 미세 조정, 상용화가 모두 자유롭지만, 모델을 서비스 형태로 제공하는 사업자(Model-as-a-Service)는 상업적으로 쓰기 전에 Mistral의 별도 상용 라이선스를 받아야 한다. API 요금은 입력 100만 토큰당 0.7달러, 캐시 입력 0.07달러, 출력 2.1달러다.

코딩 성능과 토큰 효율

Mistral은 이 모델이 오픈 웨이트 모델 가운데 코딩 최고 수준이라고 주장한다. Cognition의 비공개 벤치마크 FrontierCode 2.0은 저장소 관리자가 에이전트의 변경을 병합할지까지 따지는데, 여기서 Mistral Large 4는 19.7%로 1위라고 회사는 밝혔다. 비교 모델 점수는 DeepSeek V4.1 Flash 19.3%, GLM-5.3 17.8%, Kimi K3 17.3%, GLM-5.3 Flash 14.2%, Beam 1.0 2.9%다.

Artificial Analysis Coding Agent Index에서는 48%로, 오픈 웨이트 선두인 GLM-5.3과 사실상 같은 점수다. 회사는 같은 점수를 내면서 작업당 평균 토큰은 GLM-5.3보다 47% 적게 썼다고 설명했다. Terminal-Bench 4.0에서는 프리뷰 대비 13%포인트 오른 41%로 오픈 웨이트 모델 중 선두에 올랐고, 출력 토큰은 30% 줄었다.

추론 강도는 세 단계로 고른다. Low는 단순 작업용으로 기존 'None' 모드를 대체하고, Medium은 일상 작업용이다. 기본값인 High는 높은 정밀도와 철저한 추론이 필요한 어려운 작업에 맞춘다.

사람이 고른 선호도 평가도 있다. Surge Code의 블라인드 쌍대 비교에서 Mistral Large 4는 GLM-5.3, Kimi K3, DeepSeek V4.1 Flash보다 더 자주 선택됐다. 평가한 모델 중 Claude Opus 5.5만 앞섰으며, Claude Opus 5.5와의 대결에서는 22% 대 78%로 졌다.

사이버 보안과 안전장치

Artificial Analysis Cyber Index는 코드베이스에서 취약점을 찾아 재현하고 검증한 뒤 기존 기능을 깨지 않고 패치하는 능력을 잰다. Mistral Large 4는 51%를 받았고, 회사는 정당한 방어 작업에서 불필요한 거부가 없다고 밝혔다. 가드레일은 방어 목적과 악의적 공격 목적을 구분하며, JailbreakBench, StrongREJECT, AgentHarm의 사이버 관련 프롬프트에서 악성 요청 평균 거부율이 프리뷰 약 95%에서 96.6%로 올랐다고 한다. Mistral은 이를 자사가 측정한 오픈 모델 중 가장 높은 수치라고 했다.

프리뷰 이후 실제 트래픽을 관찰한 결과, 모델이 실제 대상에 대한 블랙박스 공격 요청은 거부했지만 실제 공격에 도움이 될 가능성은 보였다고 Mistral은 밝혔다. 이에 가드레일을 수정했고 앞으로도 갱신하겠다고 했다. Orange Cyberdefense 같은 기업 설계 파트너에는 침투 테스트, 취약점 평가, 레드팀 작업에 맞춘 특화 변형 모델의 프리뷰 접근권을 준다. 엄격한 심사와 계약상 안전장치를 거치고, 소유했거나 명시적으로 허가받은 시스템의 통제된 환경에서만 시험할 수 있다.

Booz Allen Hamilton의 Brad Medairy는 내부 소스 코드 보안 분석 벤치마크에서 다른 최상위 사이버 모델과 취약점 탐지 재현율이 같았고 비용 곡선도 좋았다고 평했다. ENISA(유럽연합 사이버보안청)는 취약점 식별, 코드 감사, 방어 로그 분석에 이 모델을 시험하고 있다. Orange Cyberdefense의 CEO Hugues Foulon도 Mistral AI와 유럽 사이버 AI를 구축하고 있다고 밝혔다. Cisco, Cloudflare, CrowdStrike, Elastic, Fortinet, NVIDIA, Rubrik, Zscaler 관계자도 발언을 냈다. 고객은 Mistral Forge로 자사 보안 데이터와 정책을 반영해 모델을 맞추고, 정해진 보안 작업에는 더 작은 전용 변형으로 줄여 정확도를 높일 수 있다.

업무용 지표와 배포 경로

재무 스프레드시트 작업을 보는 FinWorkBench(Finch)에서는 프리뷰 67.4%에서 73.3%로 올라 오픈 모델 중 Kimi K3(77.3%)에 이은 2위다. 웹 탐색 벤치마크 BrowseComp는 지도 미세 조정 체크포인트의 75%에서 강화 학습을 거쳐 84.5%가 됐고, GLM-5.3(82.5%)과 DeepSeek V4.1 Flash 1017(83.4%)을 넘었다고 회사는 밝혔다. Kimi K3는 91.2%다.

B3 Agent Security Benchmark에서는 공격 97.1%를 막아 프리뷰의 93.3%보다 높아졌다. Mistral은 이 결과가 오픈 모델 최상위권이라, 모델을 호스팅하는 누구나 추가 튜닝 없이 안전한 에이전트를 운영할 수 있다고 주장한다. 제품 설명은 160개 이상 언어를 지원하는 하이브리드 지시·추론 MoE 모델에 멀티모달 입력을 받는다고 소개한다.

관리형 서비스를 원하면 Microsoft Foundry에서 쓸 수 있고, Azure 개발자용 비공개 배포 옵션도 있다. Microsoft는 Mistral Large 4를 고객에게 처음 제공하는 클라우드 업체라고 밝혔다. NVIDIA는 호스팅 엔드포인트와 vLLM용 NIM 컨테이너를 내놓았고, 맞춤화에는 NeMo AutoModel, 고처리량 서빙에는 TensorRT LLM을 쓸 수 있다. 코딩 에이전트 Vibe Code에서도 이 모델을 쓸 수 있다.

ABN AMRO, Belfius, Crédit Agricole, La Banque Postale 같은 금융사와 ESA Φ-lab 등이 채택 의향이나 평가 경험을 밝혔다. Mistral은 이 모델을 유럽 인프라에서 처음부터 학습했다고 강조하며, 조직이 자체 인프라에 올려 API 의존 없이 개선할 수 있는 소버린 AI 기반이라고 설명했다. 향후에는 이 모델을 토대로 특화 모델을 내놓겠다는 계획이다.

벤치마크 수치는 모두 Mistral이 발표자료에 제시한 것이며, 일부는 Mistral이 자체 보고한 값이다. 오픈 웨이트라도 서비스형 사업자는 별도 계약이 필요하므로, 클라우드 API 사업을 계획하는 곳은 라이선스 조건부터 확인해야 한다.