미스트랄이 10월 6일 프리뷰로 공개했던 Mistral Large 4의 가중치를 10월 말에 풀었어요. 사내 별명이 “Le Chonk”일 정도로 덩치가 큰 모델이에요. 전체 파라미터가 1.05조, 토큰 하나를 처리할 때 실제로 움직이는 건 그중 520억이고요.

프리뷰 때는 미스트랄 API로만 쓸 수 있었어요. TechCrunch 보도를 보면 당시 미스트랄은 안전성 테스트를 끝내고 3주쯤 뒤에 가중치를 공개하겠다고 했는데, 대체로 그 일정대로 나온 셈이죠. 그런데 이번 공개본은 프리뷰를 그대로 푼 게 아니에요. 강화학습을 더 거친 개선판이라서, 몇 가지는 꽤 달라졌어요.

점수보다 토큰 수가 줄어든 게 핵심

미스트랄 발표에 따르면 Terminal-Bench 4.0 점수가 프리뷰 28%에서 41%로 올랐어요. 같은 작업에 쓰는 출력 토큰은 30% 줄었고요. Artificial Analysis의 코딩 에이전트 지수는 48%로 GLM-5.3과 거의 같은데, 작업 하나에 드는 토큰이 평균 47% 적다고 해요.

이 숫자들은 거의 다 미스트랄이 직접 낸 거예요. 몇 개는 외부에서 다시 돌려 볼 수 없는 비공개 벤치마크이기도 하고요. 그래서 순위 자체보다는 방향을 보는 게 맞아요. 이번 개선은 “더 똑똑하게”보다 “같은 답을 더 짧게” 쪽에 무게가 실려 있거든요. API로 쓰는 사람한테 토큰 수는 곧 청구서예요.

기본값이 High라는 함정

추론 강도는 Low, Medium, High 세 단계가 있어요. 문제는 기본값이 High라는 점이에요. 따로 설정하지 않으면 간단한 질문에도 가장 오래 생각하는 모드로 돌아가는 거죠.

API 가격은 100만 토큰당 입력 0.70달러, 캐시된 입력 0.07달러, 출력 2.10달러예요. 출력이 입력의 세 배라서, 추론 과정이 길어질수록 비용이 빠르게 늘어요. 분류나 요약처럼 단순한 작업에 붙일 거라면 Low로 내려 두는 걸 먼저 확인하세요. 미스트랄도 Low가 예전의 “추론 없음” 모드를 대신한다고 설명하고 있어요.

반대로 긴 문서를 반복해서 넣는 작업은 이 모델이 유리한 편이에요. 컨텍스트가 100만 토큰이고, 캐시 입력이 일반 입력의 10분의 1 가격이니까요.

“오픈”이지만 장사는 따로 허락받아야 해요

라이선스 이름은 Mistral Ecosystem Open-Weight license예요. 미스트랄은 수정된 MIT 라이선스라고 설명해요. 쓰고, 고치고, 파인튜닝하고, 상업적으로 써도 되는데 예외가 하나 있어요. 이 모델 자체를 호스팅해서 남에게 API처럼 파는 사업(Model-as-a-Service)은 미스트랄과 별도로 상업 라이선스를 맺어야 해요.

회사 안에서 문서 처리나 코딩 보조로 돌리는 건 문제없어요. 반면 이걸 받아서 추론 서비스를 열려던 클라우드 업체나 스타트업은 계약부터 해야 하죠. “완전히 자유로운 오픈소스”라고 소개하는 글을 보면 이 부분이 빠졌다고 생각하면 돼요.

집에서 돌릴 수 있을까

미스트랄은 필요한 하드웨어를 따로 밝히지 않았어요. 그래서 직접 계산해 봤어요. 1.05조 개 파라미터를 4비트로 줄이면 파라미터 하나에 0.5바이트, 가중치만 약 525GB예요. 8비트면 그 두 배고요. 여기에 컨텍스트를 담을 메모리가 또 필요해요.

MoE 구조라서 한 번에 계산하는 양은 520억 파라미터 수준이에요. 덩치에 비해 빠르게 답할 수는 있지만, 가중치는 전부 메모리에 올라가 있어야 해요. 결국 서버급 GPU 여러 장이 있어야 한다는 얘기라서, 로컬 LLM을 즐기는 개인에게는 현실적이지 않아요. 나중에 작은 파생 모델이나 증류 모델이 나오는지 지켜보는 쪽이 낫겠어요.

유럽 기업에는 의미가 큰 선택지

이 모델이 가장 반가운 곳은 아마 데이터 위치를 엄격하게 따지는 기업일 거예요. 데이터를 미국이나 중국 회사의 API로 보내기 어려운 곳이라면, 유럽 회사가 만든 최상위급 모델을 자기 서버에서 돌릴 수 있다는 것 자체가 큰 의미가 있죠. 미스트랄도 TechCrunch 인터뷰에서 자신들을 닫힌 모델과 중국산 오픈 모델 사이의 대안으로 소개했어요.

학습 규모 얘기도 흥미로워요. 미스트랄의 피에르 스톡 과학 부문 부사장은 엔비디아 GPU 약 4,000장으로 학습했고, 이게 중국 경쟁사들보다 두세 배 적은 규모라고 말했어요. 외부에서 검증할 수 있는 숫자는 아니지만, 사실이라면 최상위 모델을 만드는 데 필요한 자원에 대한 통념이 조금 흔들리는 거예요.

아직 확인되지 않은 것

벤치마크는 독립 검증이 쌓일 때까지 기다려야 해요. 보안 쪽도 지켜봐야 하고요. 미스트랄은 이 모델이 실제 공격에 도움을 줄 가능성을 완전히 배제하지 못했다고 밝혔고, 그래서 안전장치를 조정하는 중이라고 했어요. 보안 특화 버전은 오렌지 사이버디펜스 같은 검증된 파트너에게만 프리뷰로 열려 있어요.

외부 측정 결과가 나오면 프리뷰와 공개본의 차이가 정말 이만큼인지 다시 비교해 볼게요.