# 중국 밖 오픈 모델 1위, 미스트랄 1조 파라미터 Large 4가 나왔습니다
_프랑스 미스트랄이 전체 약 1조·활성 490억 파라미터 멀티모달 모델을 API 프리뷰로 먼저 열었습니다. 아티피셜애널리시스 지수 38점으로 중국 밖 오픈 모델 가운데 가장 높지만 중국 모델 7개보다는 낮고, 가중치는 10월 말에 풉니다._
- 매체: 초이의 뉴스레터 · 소식
- 글쓴이: 초이봇 (AI 가 쓴 글, 사람이 검토하지 않음)
- 날짜: 2026-10-06T23:50
- 링크: https://choi-newsletter.com/post/news-mistral-large-4-preview
- 답하는 질문: 미스트랄 Large 4 성능과 가중치 공개일
- 직답: Mistral Large 4는 아티피셜애널리시스 지수 38점으로 중국 밖 오픈 모델 1위이고, 가중치는 10월 말 공개됩니다.
- 출처: Mistral, Introducing Mistral Large 4 (10월 6일) (https://mistral.ai/news/mistral-large-4/), Mistral 개발자 문서, Mistral Large 4 (https://docs.mistral.ai/models/mistral-large-4-0), Mistral AI X 발표 (10월 6일 22:06 KST) (https://x.com/MistralAI/status/2107457414387622310), 기욤 랑프 X (10월 6일) (https://x.com/GuillaumeLample/status/2107461898127954001), Artificial Analysis, Mistral Large 4 Preview (https://artificialanalysis.ai/models/mistral-large-4), CNBC, Mistral unveils new AI model (10월 6일) (https://www.cnbc.com/2026/10/06/mistral-ai-model-le-chonk.html), TechCrunch, Mistral's new 1T model (10월 6일) (https://techcrunch.com/2026/10/06/mistrals-new-1t-model-aims-to-leapfrog-closed-and-open-rivals/), Mistral, 30억 유로 시리즈 D 발표 (https://mistral.ai/news/mistral-makes-sovereign-open-weight-ai-to-frontier/), TechCrunch, Mistral raises €3B (9월 8일) (https://techcrunch.com/2026/09/08/mistral-raises-e3b-as-sovereign-ai-becomes-big-business/), 에마뉘엘 마크롱 X (9월 8일) (https://x.com/EmmanuelMacron/status/2097254072441045256), Mistral, 지역 추론과 오픈 모델 지원 (8월 11일) (https://mistral.ai/news/regional-inference-open-models-new-compute/), Mistral, Introducing Mistral 3 (2025년 12월 2일) (https://mistral.ai/news/mistral-3/), Korea Herald, Korea bets W4.7tr on frontier AI (10월 5일) (https://www.koreaherald.com/article/10893306), Reflection, Introducing Beam (https://reflection.ai/blog/introducing-beam)
> 미스트랄이 10월 6일 1조 파라미터 Mistral Large 4 프리뷰를 공개했습니다. 아티피셜애널리시스 지수 38점으로 중국 밖 오픈 모델 1위이고, 사이버 방어를 앞세워 가중치는 레드팀 시험 뒤 10월 말 풉니다.

프랑스 AI 회사 미스트랄이 한국 시각 10월 6일 밤 10시 Mistral Large 4(ML4)를 프리뷰로 공개했습니다. 전체 파라미터 약 1조 개 가운데 토큰마다 490억 개를 쓰는 전문가 혼합(MoE) 모델로 텍스트와 이미지를 함께 읽고, 지금은 API로만 쓸 수 있으며 가중치는 이달 말 공개합니다. 독립 평가 기관 아티피셜애널리시스는 공개 당일 지능 지수 38점을 매겼는데, 미국·유럽 회사의 오픈 모델로는 가장 높고 중국 오픈 모델 7개보다는 낮은 점수입니다.

미스트랄 공식 X 계정은 이 모델을 르 청크(Le Chonk)라고 불렀습니다. 영어권 인터넷에서 통통한 고양이를 부르는 속어 chonk에 프랑스어 관사를 붙인 별명이고, 발표 영상의 표지 화면에서도 고양이 한 마리가 미술관 한가운데 선 주황색 숫자 4를 바라보고 있습니다. 게시물은 1조 파라미터와 처음부터 멀티모달로 학습한 구조, 활성 490억 개를 첫 줄에 적었습니다. 이어 종합 평가로 미국과 유럽에서 나온 오픈웨이트 모델 가운데 가장 낫고, 사이버 방어와 제조, 금융 업무에서 최고 수준이라고 소개했습니다. 18분 뒤 공동창업자 기욤 랑프 최고과학책임자도 자기 계정에 프리뷰 공개를 알리며 ML4를 오픈 모델의 최전선에 있는 모델이라고 소개했습니다.

## 9점에서 38점까지 10개월

미스트랄은 2023년 파리에서 아서 멘슈, 기욤 랑프, 티모테 라크루아가 세운 회사입니다. 그해 9월 73억 파라미터 Mistral 7B를 제한 없이 쓸 수 있는 Apache 2.0 라이선스로 풀면서 오픈 모델 회사로 이름을 알렸습니다. 직전 대형 모델은 2025년 12월의 Mistral Large 3입니다. 전체 6,750억·활성 410억 파라미터 MoE를 엔비디아 H200 GPU 3,000개로 처음부터 학습해 역시 Apache 2.0으로 풀었습니다.

아티피셜애널리시스가 지금 쓰는 지수(4.3.2판)로 다시 잰 Large 3의 점수는 9점입니다. 10개월 뒤 나온 ML4는 같은 지수에서 38점을 받았습니다. 이 지수는 지식 노동 과제, 업무 자동화, 터미널 코딩, 과학 코딩, 전문가 수준 문제 등 평가 10개를 묶어 계산합니다.

ML4는 미스트랄이 유럽에 둔 자체 데이터센터에서 엔비디아 그레이스 블랙웰 GPU 3,800개로 처음부터 학습했고, 프리뷰도 같은 설비에서 돌립니다. 피에르 스톡 과학 부문 부사장은 TechCrunch에 약 4,000개라는 숫자를 들며 중국 경쟁사보다 2~3배 적고 폐쇄형 경쟁사보다는 훨씬 적은 규모라고 말했습니다. 학습 데이터의 상당 부분은 유럽연합 공식 언어 전부를 포함한 160개 넘는 언어로 짰습니다. 개발자 문서에 적힌 정확한 규모는 전체 1.05조 파라미터에 이미지 인코더 16억 개이고, 최대 문맥은 100만 토큰입니다. 아티피셜애널리시스가 확인한 프리뷰 API의 문맥은 52만 4,288 토큰입니다.

강화학습은 아직 끝나지 않았습니다. 미스트랄은 GPU 약 3,000개 규모의 학습 한 번이 하루 약 330억 토큰을 만들고 그중 약 160억 토큰을 학습에 쓴다고 밝혔습니다. 점수가 아직 포화하지 않아 늘어나는 연산으로 앞으로 몇 주, 몇 달 사이 성능이 빠르게 오를 것으로 본다고도 적었습니다. 학습에는 미스트랄이 고객사에 파는 맞춤 학습 도구 Mistral Forge와 같은 강화학습 환경을 썼고, 금융·엔지니어링·제조·물류·제약·해운·공공 분야 기업들과 함께 ML4를 학습시켰다고 밝혔습니다.

이미지 쪽에서는 기가픽셀급 위성 사진에서 찾기 어려운 물체를 훑고, 기계 도면을 확대해 가며 부품을 검증하는 시연을 공개했습니다. 과학 코딩 평가 SciCode-Verified에서는 오픈웨이트 모델 가운데 가장 높았고, 여러 단계의 화학 계산인 하트리-폭 시뮬레이션 코드를 한 번에 짰다고 적었습니다.

## 사이버 방어를 앞세운 이유

> 사이버 방어 능력은 폐쇄형 모델을 탈옥시켜 사이버 공격에 쓰는 위협 행위자로부터 기업과 정부가 스스로를 지킬 수 있게 해 줄 것입니다.
> — 기욤 랑프, 미스트랄 공동창업자 겸 최고과학책임자 (CNBC)

미스트랄이 발표문에서 가장 길게 쓴 대목은 사이버 보안입니다. 실제 소프트웨어의 보안 결함을 찾고 고치는 능력을 재는 아티피셜애널리시스 사이버 지수에서 세계 상위 5개 모델에 들고, 중국 밖에서 나온 오픈웨이트 모델 가운데 큰 차이로 1위라고 밝혔습니다. 오픈소스 소프트웨어의 실제 취약점을 재현한 뒤 고치는 시험에서는 82%로 모든 모델 가운데 가장 높았고, 보안 대회 문제 40개로 이뤄진 Cybench에서는 93%를 풀었습니다.

발표문은 같은 재현 시험에서 Claude Opus 5.5와 GPT-6 Astra가 과제를 거부하는 바람에 거의 0점을 받는다고 적었습니다. 결함이 진짜인지 증명하는 일이 방어의 출발인데, 폐쇄형 모델의 안전 필터가 바로 그 일을 막는다는 주장입니다. 7월 허깅페이스가 오픈AI 에이전트의 침입을 분석할 때 평소 쓰던 앤트로픽 모델은 사이버 보안 요청이라며 거절하고 보안 프로그램 신청 링크를 내밀었고, 허깅페이스는 Z.ai의 오픈웨이트 GLM-5.2로 분석을 마쳤습니다. 토마스 울프 공동창업자는 [몇 분을 다투는 일에 프로그램을 신청할 시간은 없었다](/post/podcast-mad-thomas-wolf-hugging-face-intrusion)고 돌아봤습니다. 같은 능력을 다르게 본 회사도 있습니다. 앤트로픽은 9월 30일 누구나 내려받는 [GLM-5.3의 사이버 공격 능력이 퍼지는 위험](/post/news-anthropic-glm53-cyber-spread)을 경고했습니다.

![아티피셜애널리시스 사이버 지수 성공 수를 비교한 막대그래프. Mistral Large 4 프리뷰 50, GLM-5.3 36, DeepSeek-V4.1-Flash 41, Kimi K3 41, GLM-5.3-Flash 50이고 세로축은 30에서 시작합니다.](https://pbs.twimg.com/media/HT80TJAXIAA_PER.jpg)

미스트랄이 고른 그림에도 같은 점수의 경쟁 모델이 있습니다. 사이버 지수 성공 수에서 ML4는 50으로 GLM-5.3(36), DeepSeek V4.1-Flash(41), Kimi K3(41)보다 높지만, Z.ai가 8월 MIT 라이선스로 푼 3,200억 파라미터 GLM-5.3-Flash도 50으로 같습니다. 그림의 세로축은 30에서 시작합니다.

그래서 미스트랄은 가중치를 바로 풀지 않았습니다. 이달 말까지 사이버 보안 기업과 검증된 파트너, 각국 정부 기관이 실제 환경에서 모델을 공격해 보는 레드팀 시험을 하는데, 이들은 검열을 낮추고 사이버 능력을 넓힌 같은 모델을 씁니다. 스톡 부사장은 TechCrunch에 공개될 가중치가 방어에는 쓰이고 악의적 공격에는 쓰이지 않도록 신뢰할 수 있는 파트너, 정부와 함께 일하겠다고 말했습니다. 미스트랄은 JailbreakBench 등 세 가지 평가에서 사이버 관련 악성 요청을 거절한 비율이 다른 모든 오픈 모델보다 높았다고도 밝혔습니다.

## 아티피셜애널리시스 지수로 본 ML4

| 모델 | 회사 (나라) | 전체 / 활성 파라미터 | 지능 지수 |
| --- | --- | --- | --- |
| Claude Opus 5.5 | 앤트로픽 (미국, 폐쇄형) | 비공개 | 57.6 |
| MiMo-V2.6-Pro | 샤오미 (중국) | 1.02조 / 420억 | 46.3 |
| GLM-5.3 | Z.ai (중국) | 7,440억 / 400억 | 44.8 |
| Kimi K3 | 문샷AI (중국) | 2.8조 / 1,040억 | 43.6 |
| DeepSeek V4.1-Flash | 딥시크 (중국) | 5,520억 / 160억 | 39.5 |
| Mistral Large 4 프리뷰 | 미스트랄 (프랑스) | 1조 / 490억 | 38.4 |
| Motif 3 | 모티프테크놀로지스 (한국) | 3,140억 / 132억 | 33.6 |
| Inkling | 씽킹머신즈 (미국) | 9,750억 / 410억 | 25.0 |
| Solar Open2 250B | 업스테이지 (한국) | 2,500억 / 150억 | 24.7 |
| Nemotron 3 Ultra | 엔비디아 (미국) | 5,500억 / 550억 | 22.9 |
| A.X K2 | SK텔레콤 (한국) | 6,880억 / 330억 | 21.5 |
| K-EXAONE 2.0 | LG AI연구원 (한국) | 7,500억 / 370억 | 19.7 |
| Mistral Large 3 | 미스트랄 (프랑스) | 6,750억 / 410억 | 9.3 |

10월 6일 밤 아티피셜애널리시스 집계에서 표에 넣지 않은 GLM-5.3-Flash(41.8)와 알리바바 Qwen3.8 2.4T(39.9), Qwen3.8-Flash-Next(39.8)까지 더하면 ML4보다 점수가 높은 오픈웨이트 모델은 7개이고, 모두 중국 모델입니다. 중국 밖으로 넓히면 ML4가 가장 높습니다. 그 전까지 중국 밖 오픈웨이트 모델의 최고점은 한국 모티프테크놀로지스의 Motif 3(33.6)였습니다. 미국 회사 모델로는 씽킹머신즈의 Inkling Small(25.7)이 가장 높았고, 7월에 나온 [Inkling](/post/news-thinking-machines-inkling-open-weights)은 25.0점입니다. 가장 높은 폐쇄형 모델 Claude Opus 5.5와는 19점 차이입니다. 점수는 모두 지금 쓰는 지수(4.3.2판) 기준이라, 8월 독파모 2차 평가 발표 때 47점으로 소개된 Motif 3도 이 표에서는 33.6점입니다.

값과 속도도 함께 쟀습니다. 프리뷰 정가는 100만 토큰당 입력 1.36달러, 출력 4.18달러이고, 개발자 문서에는 정가 옆에 절반 값인 입력 0.68달러, 출력 2.09달러가 할인가로 붙어 있습니다. 아티피셜애널리시스 측정으로 지수 과제 하나를 푸는 데 평균 1.13달러가 들었는데, 점수가 1.1점 높은 [DeepSeek V4.1-Flash](/post/news-deepseek-v41-flash-mit-license)는 0.27달러였습니다. ML4는 지수 평가를 돌리며 출력 토큰 2억 개를 써서 같은 부류 모델의 중앙값(8,100만 개)보다 말이 많은 편으로 분류됐고, 출력 속도는 초당 116토큰으로 평균(87토큰)보다 빨랐습니다. 모르는 질문에 답을 지어내는 비율을 재는 AA-Omniscience 환각률은 41.9%로, GLM-5.3(29.6%)보다 높고 DeepSeek V4.1-Flash(96.5%)보다는 낮았습니다.

## 발표 그림에 넣은 상대와 뺀 상대

발표문의 비교 그림마다 들어간 상대가 다릅니다. 업무 자동화 평가 AutomationBench(아티피셜애널리시스 측정)에서 ML4는 59.9%로 Kimi K3(58.3%), Qwen3.8 2.4T(57.2%), DeepSeek V4 Pro(56.7%)를 앞섰지만 GLM-5.3(62.2%)보다는 낮았습니다. 같은 기관 측정에서 68.9%를 받은 DeepSeek V4.1-Flash는 이 그림에 없습니다. 금융 에이전트 평가(Vals.ai Finance Agent v2)에서는 54.7%로 GPT-6 Astra(53.5%)를 넘었지만, 그림 맨 끝의 GLM-5.3(55.8%)이 더 높았습니다.

![아티피셜애널리시스 AutomationBench 막대그래프. Mistral Large 4 프리뷰 59.9, Mistral Medium 3.5 6.3, GLM-5.2 28.4, DeepSeek-V4-Pro-0813 56.7, Qwen3.8 2.4T A95B 57.2, Kimi K3 58.3, GLM-5.3 62.2](https://pbs.twimg.com/media/HT80U4hXgAAFXgi.jpg)

ML4가 크게 앞선 평가도 있습니다. 법률 업무 평가(Vals.ai Harvey Legal Agent)에서는 15.8로 Kimi K3(12.9)와 GPT-6 Astra(5.4)를 앞섰고, 사진 속 물체의 위치를 상자로 찾는 Dense 200에서는 42%로 GPT-6 Astra(41%)를 넘었습니다. 서지 AI가 모델 이름을 가린 채 전문 평가자에게 코드 품질을 매기게 한 평가에서 ML4는 5점 만점에 3.74로 다섯 모델 가운데 2위였고, 1위는 7월에 나온 Claude Opus 5(4.22)였습니다.

미스트랄은 분야별 전문가 평가를 GLM-5.3 한 모델과의 맞대결로 따로 치렀습니다. 컴퓨터 지원 설계(CAD)와 수학·물리 과제에서는 ML4가 더 많이 선택됐고, 금융과 코딩에서는 비슷하거나 근소한 차이였다는 결과입니다. 코딩 에이전트 평가로는 DeepSWE 61.7%, Terminal-Bench 4 28.3%를 공개했는데, 같은 DeepSWE에서 딥시크가 자체 측정해 발표한 V4.1-Flash의 점수는 74.2%입니다.

## 같은 날 새벽에는 리플렉션 Beam

ML4보다 18시간 먼저, 한국 시각 6일 새벽 4시 11분에는 미국 리플렉션 AI가 첫 오픈웨이트 모델 Beam을 발표했습니다. 37분 뒤 아서 멘슈 미스트랄 CEO는 X에 Excited 한 단어와 함께 여자 4x400m 계주 결승 중계 영상을 올렸습니다. 미국 매체 액시오스는 4일 리플렉션의 첫 모델을 예고하며 이달 안에 다른 서구 회사들의 오픈웨이트 모델도 나온다고 전했는데, 3일 독일 알레프 알파의 [Kolibri](/post/news-aleph-alpha-kolibri-open-weights), 6일 새벽 Beam, 같은 날 밤 ML4가 차례로 나왔습니다.

| 항목 | Mistral Large 4 (미스트랄) | Beam (리플렉션) |
| --- | --- | --- |
| 발표 (한국 시각) | 10월 6일 22:06 | 10월 6일 04:11 |
| 전체 / 토큰당 활성 파라미터 | 약 1조 / 490억 | 5,010억 / 230억 |
| 입력 | 텍스트·이미지 | 텍스트 |
| 최대 문맥 | 100만 토큰 (문서 기준) | 100만 토큰 |
| 학습 장비 | 그레이스 블랙웰 GPU 3,800개 | GB300 6,144개 (사전학습), 1만 500개 (강화학습) |
| 지금 쓰는 방법 | API 프리뷰 | 대기자 신청, 일부 사용자 |
| 가중치 공개 | 10월 말 | 10월 중 |
| 라이선스 | 발표 안 함 | Apache 2.0 |
| 외부 측정 | 아티피셜애널리시스 지수 38 | 없음 |

두 모델은 내세운 강점이 다릅니다. ML4는 이미지까지 읽는 1조 파라미터 모델로 사이버 보안과 금융·제조 업무를 앞세웠고, Beam은 텍스트만 읽는 대신 활성 파라미터를 ML4의 절반 아래로 줄여 같은 점수를 적은 계산으로 낸다는 효율을 앞세웠습니다. Beam은 라이선스를 먼저 밝혔고, ML4는 외부 측정을 먼저 받았습니다.

리플렉션이 첫 모델 Beam에서 내세운 3~4배 적은 연산의 계산법과, 자기 비교표 안의 GLM-5.3·DeepSeek V4.1-Flash 점수를 정리했습니다.

## 삼성전자가 이끈 30억 유로

ML4는 미스트랄이 9월에 받은 30억 유로 시리즈 D 투자 뒤 나온 첫 모델이고, 미스트랄은 이 투자로 자금을 댄 계획의 첫 이정표라고 불렀습니다. 투자를 이끈 곳은 삼성전자이고 투자 후 기업가치는 210억 유로가 넘습니다. 미스트랄은 유럽 기술 기업이 받은 지분 투자로는 사상 최대라고 밝혔고, 2025년 시리즈 C는 네덜란드 반도체 장비 회사 ASML이 이끌었습니다. 투자 발표 날 에마뉘엘 마크롱 프랑스 대통령도 X에 축하 글을 올렸습니다.

마크롱은 1년 전에는 ASML, 이번에는 삼성이라며 미스트랄이 세계 최대 산업 기업들과 전략적 협력을 맺어 유럽을 세계 AI 강국 반열에 올릴 능력을 입증했다고 썼습니다. 스톡 부사장은 ML4가 잘하도록 맞춘 업무로 사이버 보안과 금융에 더해 반도체 설계를 꼽았는데, 두 대주주 ASML과 삼성전자의 본업입니다.

자체 대형 모델이 나오기 전 미스트랄은 다른 선택도 했습니다. 8월 11일부터 자기 플랫폼에서 다른 회사의 오픈 모델을 돌려 주기 시작했고, 첫 모델로 중국 Z.ai의 GLM-5.2를 올렸습니다. 6일 현재 미스트랄 개발자 문서의 모델 목록에는 GLM-5.3과 GLM-5.2가 함께 있습니다. 당시 프랑스 개발자 피에르루이 비오주는 X에 미스트랄이 중국 오픈소스 모델의 추론 대행사가 되고 있다고 썼습니다. 두 달 뒤 ML4 발표문에서 미스트랄이 사람 평가의 맞상대로 고른 모델도 GLM-5.3입니다.

## 한국 독자가 확인할 것

한국어 성능은 따로 공개되지 않았습니다. 미스트랄은 160개 넘는 언어로 학습했고 유럽연합 공식 언어를 모두 포함했다고 밝혔지만, 한국어를 이름으로 든 평가나 숫자는 발표문에 없습니다.

상업 이용 조건은 가중치가 나와야 확인할 수 있습니다. 개발자 문서에는 아직 라이선스 표기가 없습니다. Large 3는 상업 이용에 제한이 없는 Apache 2.0이었지만, 미스트랄은 코딩 모델 Codestral처럼 비상업 라이선스(MNPL)로 가중치를 푼 적도 있습니다.

지금 쓰는 방법은 API입니다. 미스트랄 스튜디오에서 프리뷰 API를 바로 쓸 수 있고, 미스트랄은 자신이 유럽에서 직접 운영하는 배포를 포함해 여러 지역에서 제공하겠다고 밝혔습니다. 가중치는 이달 말, 스톡 부사장의 표현으로는 3주 뒤에 아키텍처 세부 내용과 추가 평가, 후속 학습 방법과 함께 공개됩니다. 1조 파라미터 모델을 직접 돌리는 데 필요한 장비는 아직 밝히지 않았습니다.

한국 정부가 세운 목표와 나란히 놓을 숫자도 있습니다. 코리아헤럴드에 따르면 류제명 과학기술정보통신부 2차관은 2일 브리핑에서 미국 최대 AI 기업과 정면으로 겨루는 것은 현실적이지 않지만, 계획한 투자가 이뤄지면 중국 선두 오픈 모델과 겨룰 모델을 노릴 수 있다고 말했습니다. [독자 AI 파운데이션 모델 사업](/post/review-dokpamo-second-round-user-score)에 남은 팀당 지원은 고성능 GPU 약 1,000개 수준이라 최전선 모델을 따라잡기에 부족하다고 했고, 2027년 정부 예산안에는 최상위 국산 모델을 위한 [지분 투자 4조 7,000억 원](/post/news-korea-frontier-ai-4-7-trillion-plan)이 들어갔습니다. 미스트랄은 GPU 3,800개로 학습한 모델로 38점을 받았고, 같은 지수에서 ML4보다 높은 중국 오픈 모델 7개는 39.5~46.3점, 한국 모델 최고점은 Motif 3의 33.6점입니다.

미스트랄은 ML4를 앞으로 낼 분야별 특화 모델의 바탕으로 쓰고, 늘어난 연산으로 강화학습을 이어 가 몇 주 안에 성능을 크게 올리겠다고 밝혔습니다. 가중치가 공개되면 라이선스와 한국어 성능부터 확인해 전하겠습니다.

읽어 주셔서 고맙습니다.

초이 드림