Model· 글로벌· 2026년 10월 30일
미스트랄, 라지 4 가중치 공개 정식 출시 — 자체 운영 가능, 종합 성능은 중국 모델에 뒤처져
내려받아 사내에서 돌리는 미스트랄 대형 모델 공개
미스트랄이 10월 29일(현지시간) 라지 4(Mistral Large 4)의 가중치를 공개하며 정식 출시했다. 기업이 모델을 내려받아 자체 시스템에서 운영·추가 학습할 수 있고 API 가격도 낮아졌지만, Artificial Analysis 종합 지수는 26점으로 DeepSeek V4.1 Flash·GLM-5.3의 32점에 못 미친다.
뉴스 — 사실
무엇이 바뀌었나사실
- 미스트랄 AI가 10월 29일(현지시간) 공식 블로그를 통해 미스트랄 라지 4(Mistral Large 4)의 오픈웨이트 버전을 공개했다. 별칭은 "Le Chonk"이다.
- 10월 6일 공개한 프리뷰 모델에 3주간 추가 강화학습(reinforcement learning)을 진행하고, 기업·정부 기관·보안 업체의 테스트 결과를 반영한 버전이다.
- 기존에는 API로만 이용할 수 있었으나, 이제 가중치를 Hugging Face에서 내려받아 자체 시스템에서 운영하고 추가 학습할 수 있다.
- 모델은 전체 약 1조 개, 단계당 활성 520억 개 매개변수를 가지며 텍스트·이미지를 입력받아 텍스트·코드를 출력한다.
- 수정된 MIT 기반의 '미스트랄 에코시스템 오픈웨이트 라이선스'로 배포된다. 자체 사용·수정·추가 학습·상업적 활용은 가능하지만, 모델 자체를 서비스로 제공하는 사업자는 별도 상업 라이선스가 필요하다.
- SGLang 문서에 따르면 표준 버전은 엔비디아 B300 GPU 8장, 더 압축된 버전은 GB300 GPU 4장에서 실행된다.
- API 가격은 입력 토큰 100만 개당 0.70달러, 출력 토큰 100만 개당 2.10달러다. 프리뷰 당시 정가는 1.36달러와 4.18달러였다.
- Artificial Analysis 종합 지수는 프리뷰 25점에서 26점으로 올랐고, 평가 작업당 비용은 5.54달러에서 2.06달러로 내려갔다. 처리 속도는 초당 111개에서 161개 토큰으로 빨라졌다.
- 3종의 보안 평가 데이터셋을 이용한 미스트랄 자체 시험에서 악의적인 사이버 공격 요청의 96.6%를 거부했다.
- 오렌지 사이버디펜스(Orange Cyberdefense)가 보안 특화 모델 개발을 위한 협력 계약을 체결했다. 초기에는 모의 침투 테스트, 기술 감사, 사이버 공격 이후 조사·분석에 활용하며, 중요한 조치는 보안 전문가 감독 아래 수행한다.
시장 반응사실
- 코딩 에이전트 평가(Artificial Analysis Coding Agent Index)에서 48%로 GLM-5.3과 거의 같은 수준이면서 토큰 사용량은 47% 적다. 이 지수 1위는 Claude Opus 5.5 기반 Claude Code로 62점이다.
- Terminal-Bench 4.0 점수는 28%에서 41%로 올라 GLM-5.3(40%)을 근소하게 앞선다. Cognition의 FrontierCode 2.0에서는 오픈 모델 중 1위(19.7%)지만 Claude Opus 5.5는 46%다.
- 사이버 방어 평가(Cyber Index)에서 라지 4는 51%로, DeepSeek V4.1 Flash(57%)와 MiMo-V2.6-Pro(56%)에 이은 오픈 모델 3위다. 프리뷰는 50점이었다.
- 평가 작업당 비용은 GLM-5.3(5.01달러)·Kimi K3.1 Pro(3.68달러)보다 낮지만 DeepSeek V4.1 Flash(0.60달러)·MiMo-V2.6-Pro(0.26달러)보다 높다.
- Moonshot은 Kimi K3.1 Pro의 가중치를 2026년 11월 4일까지 공개할 계획이다.
출처
요즘AI 해석
요즘AI 편집진의 해석이에요. 위의 사실과 구분해서 읽어 주세요.
왜 중요한가
- 가중치 공개로 데이터를 외부 AI 업체 서버에 보내지 않고 자체 데이터센터에서 모델을 돌릴 수 있다. 보안·규제 요건이 까다로운 조직에게 선택지가 늘어난다.
- 상용 AI 서비스가 해킹 관련 요청을 제한하는 탓에 합법적인 취약점 분석까지 막힐 수 있고, 외부 서비스에 의존하면 사고 대응 중 접근이 제한될 수 있다. 직접 운영은 이 문제를 줄이는 방식이다.
- 성능은 최상위가 아니다. 종합 지수 26점은 DeepSeek V4.1 Flash·GLM-5.3의 32점에 못 미치지만, 속도와 비용 쪽에서 강점이 있어 용도별 선택이 필요하다.
실무자가 얻어갈 것
- 자체 운영은 GPU 요건이 크다. 도입 전 8장급 B300 또는 4장급 GB300 구성이 가능한지 먼저 확인한다.
- 서비스형으로 재판매하는 사업자는 별도 상업 라이선스가 필요하므로, 사내 활용인지 서비스 제공인지 라이선스 조건부터 구분한다.
- 종합 점수보다 자사 업무(코딩, 보안 분석 등)에 맞는 평가 항목과 작업당 비용으로 비교한다.
우리 회사에 적용하면
- 고객 데이터 반출이 어려운 금융·공공 조직이라면, 외부 API 대신 자체 환경에서 운영 가능한 오픈웨이트 모델을 후보에 넣어 비교해 볼 수 있다.
- 보안 담당 인력이 있는 중견 기업이라면, 취약점 분석 등 상용 서비스가 거부하던 작업이 자체 운영에서 가능한지 점검할 수 있다.
- 소규모 개발팀이라면 모델을 직접 띄우기보다 API 가격(입력 0.70달러, 출력 2.10달러)을 기존 사용 모델과 비교하는 것이 현실적이다.
바로 해볼 테스트 1개
사내 코드 저장소에서 실제 버그 수정 작업 10건을 골라 같은 조건으로 여러 모델에 맡긴 뒤, 성공 건수와 건당 토큰 비용을 비교한다. 결과 비교는 2026년 11월 6일까지 마친다.
2026-10-30 수집판 · 09:46 KST 기준 · 원문의 게시 시점 기준이며 이후 상황은 출처 원문을 확인하세요. 공식 발표와 언론 원문을 바탕으로 요약했고, 요즘AI 해석 칸은 요즘AI 편집진의 해석입니다.
같은 날 다른 브리핑
이 글이 도움이 됐다면 공유해주세요
업무 자동화 · REMO의 실전 브리핑
업무 자동화, 어디부터 시작할까
반복 업무를 에이전트에 맡길 때 무엇을 먼저 정해야 하는지, 우리 조직 기준으로 정리해 드립니다.