한 줄 결론 미스트랄이 1조 파라미터 모델 Mistral Large 4(코드명 Le Chonk)의 가중치를 공개했습니다. 코딩과 방어적 사이버보안에서 오픈웨이트 선두권 성적을 내면서, 같은 성능을 더 적은 토큰으로 처리한다는 점이 핵심입니다.
무슨 일이 있었나
미스트랄은 공식 블로그를 통해 Mistral Large 4의 오픈웨이트 공개를 발표했습니다. 이 모델은 이달 초 퍼블릭 프리뷰로 먼저 공개됐던 1조 파라미터 규모의 네이티브 멀티모달 모델로, 이후 3주간 추가 강화학습(RL)을 거쳐 성능을 끌어올린 버전입니다.
원문이 제시한 수치는 다음과 같습니다. Cognition의 비공개 벤치마크 FrontierCode 2.0에서 19.7%로 선두를 기록했고, Artificial Analysis Coding Agent Index에서 48%로 선두 오픈 모델 GLM-5.3과 사실상 동률이면서 평균 토큰을 47% 적게 사용했습니다. Terminal-Bench 4.0에서는 프리뷰 대비 13%p 오른 41%를 기록하며 출력 토큰을 30% 줄였습니다. 방어적 보안 역량을 측정하는 Cyber Index에서는 51%를 받았습니다.
누구에게 의미가 있나
신경 써야 할 사람: 코딩 에이전트를 대규모로 운영하며 토큰 비용에 민감한 개발팀, 데이터 주권(Sovereign AI) 때문에 자체 호스팅이 필요한 기업·기관, 그리고 취약점 탐지·패치 같은 방어적 보안 작업을 LLM으로 자동화하려는 보안 팀입니다. 특히 모델이 정당한 방어 보안 작업을 ‘불필요한 거부’ 없이 처리한다는 점이 원문에서 강조됩니다.
굳이 지금 안 써도 되는 사람: 단순 챗봇·요약 용도만 필요하거나, 1조 파라미터 모델을 자체 인프라에 올릴 여력이 없는 개인 사용자입니다. 이 경우 더 가벼운 모델이 비용 대비 합리적입니다.
직접 해보려면
원문은 가중치가 공개됐고 자체 호스팅(self-hosted) 배포가 가능하다고 명시합니다. 활용 시 알아둘 핵심은 세 가지 추론 모드입니다.
- Low: 단순 작업용. 기존 ‘None’ 모드를 대체
- Medium: 일상적인 작업
- High(기본값): 높은 정밀도와 철저한 추론이 필요한 난이도 높은 작업
비용과 성능의 균형을 모드 선택으로 직접 조절할 수 있다는 것이 이번 업데이트의 실무적 포인트입니다. 구체적인 다운로드 경로나 라이선스 조건은 공식 페이지에서 확인이 필요합니다. [[직접 확인 필요]]
대안과 비교
원문의 블라인드 비교(Surge Code) 및 벤치마크 기준으로 정리하면 다음과 같습니다.
| 모델 | Mistral Large 4와 비교(원문 기준) |
|---|---|
| Claude Opus 5.5 | Surge Code 블라인드 평가에서 Mistral Large 4보다 선호됨(유일하게 앞선 모델) |
| GLM-5.3 | Coding Agent Index 동률, 단 Mistral이 토큰 47% 절감 / 블라인드 선호 64% 대 36%로 Mistral 우위 |
| Kimi K3 | 블라인드 선호 64% 대 36%로 Mistral 우위 |
| DeepSeek V4.1 Flash | 블라인드 선호 56% 대 44%로 Mistral 우위 |
한계와 주의할 점
제시된 수치는 미스트랄이 공개한 발표 자료에 포함된 벤치마크 결과이며, 일부는 자체 보고(self reported) 항목이 포함돼 있습니다. FrontierCode 2.0처럼 비공개 벤치마크도 있어, 독립적인 제3자 검증 결과는 별도로 확인하는 것이 안전합니다. 또한 1조 파라미터 모델의 실제 자체 호스팅 비용과 하드웨어 요구 사항, 라이선스 세부 조건은 원문 발췌에 명시되지 않았습니다. 벤치마크 성적이 개별 팀의 실제 코드베이스 성능으로 그대로 이어진다는 보장은 없습니다.
자주 묻는 질문 (FAQ)
Q. Mistral Large 4는 완전히 무료로 쓸 수 있나요?
가중치가 오픈웨이트로 공개되어 자체 호스팅 배포가 가능합니다. 다만 구체적인 라이선스 조건과 상업적 사용 범위는 공식 페이지에서 확인해야 합니다.
Q. 코딩 성능이 다른 오픈 모델보다 나은가요?
원문 기준 FrontierCode 2.0(19.7%)과 Terminal-Bench 4.0(41%)에서 오픈웨이트 선두를, Coding Agent Index(48%)에서는 GLM-5.3과 동률이면서 토큰은 47% 적게 썼습니다.
Q. 세 가지 추론 모드는 어떻게 선택하나요?
단순 작업은 Low, 일상 작업은 Medium, 고난도·고정밀 작업은 기본값인 High를 사용합니다. 이를 통해 비용과 성능 균형을 조절합니다.