미스트랄 라지 4, 1조 파라미터 모델을 내려받으면 무엇을 할 수 있나

프랑스 AI 회사 미스트랄(Mistral AI)이 10월 29일 미스트랄 라지 4(Mistral Large 4)의 가중치를 Hugging Face에 공개했습니다. 10월 6일 API로 먼저 내놓은 프리뷰 버전에 3주 동안 reinforcement learning(강화학습)을 더한 버전이라고 미스트랄은 밝혔습니다. 전체 파라미터는 약 1조 500억 개입니다. 한 번에 입력할 수 있는 길이(컨텍스트)는 100만 토큰이고, 글과 이미지를 함께 넣을 수 있습니다. 토큰은 AI가 글을 읽고 쓰는 단위입니다.

구조는 MoE(전문가 혼합)입니다. 모델 안에 작은 신경망인 전문가 128개와, 이와 별도로 늘 함께 쓰는 공유 전문가 1개를 둡니다. 토큰 하나를 만들 때는 128개 가운데 4개와 공유 전문가만 골라 계산합니다. 그래서 실제로 계산에 쓰는 파라미터, 즉 활성 파라미터(active parameter)는 520억 개에 그칩니다.

가중치를 공개했다는 것은 누구나 모델을 내려받아 자기 서버에서 실행할 수 있다는 뜻입니다. 미스트랄의 과학 부사장 피에르 스톡(Pierre Stock)은 TechCrunch 인터뷰에서, 기업이나 정부가 사이버 공격을 막는 데 최첨단 모델을 쓸 수 있고 "모델이 오픈웨이트이기 때문에 그 이용을 누구도 끊을 수 없다"고 말했습니다. 그렇다면 이 모델을 내려받으면 실제로 무엇을 얻고, 무엇이 필요할까요.

점수와 비용

미스트랄은 이 모델이 오픈웨이트 모델 가운데 코딩 에이전트 성능이 선두이고, 같은 일을 GLM-5.3보다 토큰 47% 적게 쓰고 끝낸다고 내세웁니다. 독립 평가 기관 Artificial Analysis의 측정값은 아래와 같습니다. 지능 지수는 여러 시험 결과를 묶은 종합 점수로 높을수록 좋고, 과제당 비용과 출력 토큰은 시험 문제 하나를 푸는 데 든 평균입니다. 모델 이름 옆 괄호는 시험한 추론 설정이고, 비공개 모델과 얼마나 차이 나는지 보려고 Claude Sonnet 5.5를 함께 넣었습니다.

Mistral Large 4의 지능 지수는 중국 회사가 만든 두 오픈웨이트 모델보다 6점 낮고, Claude Sonnet 5.5의 절반에 못 미칩니다. 대신 문제 하나를 푸는 데 출력한 토큰이 GLM-5.3보다 약 31% 적어, 과제당 비용은 GLM-5.3의 절반 이하입니다. DeepSeek V4.1 Flash는 토큰을 더 많이 쓰지만 단가가 낮아 과제당 비용이 셋 중 가장 낮습니다. 미스트랄이 밝힌 47%는 아래 코딩 에이전트 시험 기준이라 이 표와 기준이 다릅니다.

코딩 에이전트 지수는 Artificial Analysis가 모델과 그 모델이 쓰는 코딩 도구를 한 쌍으로 놓고, 실제 개발 작업을 얼마나 해내는지 매긴 점수입니다. 미스트랄의 코딩 도구 Mistral Vibe와 짝지은 Mistral Large 4는 48점입니다. Opencode와 짝지은 GLM-5.3은 이보다 1점 높고, DeepSeek V4.1 Flash 조합은 46점입니다. 미스트랄도 블로그에서 GLM-5.3과 사실상 같은 수준이라고 썼습니다.

사이버 보안 모델이라는 말

TechCrunch는 이번 공개를 사이버 보안 모델로 소개했습니다. 미스트랄은 이 모델이 Artificial Analysis 사이버 지수(Cyber Index)에서 51%를 기록했다고 밝혔습니다. 이 지수는 코드에서 취약점을 찾아 재현하고 기존 기능을 깨지 않게 고치는 능력을 측정합니다. 다만 미스트랄이 같은 블로그에 올린 차트에서는 DeepSeek V4.1 Flash(57%)와 MiMo-V2.6-Pro(56%)가 더 높습니다.

공개된 가중치는 보안 전용 모델이 아니라 일반 모델 한 벌입니다. 미스트랄은 모델 카드에 "범용 모델이지만 사이버 보안·금융·법률 같은 작업에서 특히 좋은 성능을 보인다"고 적었습니다. 보안 특화 버전은 따로 있습니다. 공격자 입장에서 시스템을 뚫어 보며 약점을 찾는 일에 맞춘 버전인데, Orange Cyberdefense 같은 설계 파트너에게만 심사와 계약을 거쳐 프리뷰로 제공합니다.

미스트랄은 악의적인 사이버 요청을 거부한 비율이 평균 96.6%로, 자체 측정한 오픈 모델 가운데 가장 높다고 밝혔습니다. 한계도 스스로 적었습니다. 프리뷰 뒤 서비스를 쓴 기록을 보니, 내부 정보 없이 밖에서 운영 중인 시스템을 공격하라는 요청은 거부하고 있었다고 합니다. 그래도 실제 공격에 도움이 될 가능성이 보여 가드레일(안전장치)을 고치는 중이라고 했습니다.

직접 실행하려면

1조 파라미터 모델을 그대로 실행하려면 메모리가 매우 많이 필요합니다. 그래서 양자화(quantization), 즉 모델 속 숫자를 더 적은 비트로 줄여 저장하는 방법으로 크기를 줄인 버전이 함께 올라왔습니다. 미스트랄이 직접 올린 버전과, 외부 개발자가 변환해 올린 주요 버전의 크기는 아래와 같습니다.

4비트로 양자화한 모델도 약 605~635GB입니다. 미스트랄은 모델 카드에 GPU 8장이 들어 있는 서버 한 대로 실행하는 예시를 들었고, 4비트 NVFP4 버전에는 4장 예시도 있습니다. 필요한 최소 메모리나 GPU 모델은 적지 않았고, 자기 서버에서 실행했을 때 성능이 기대에 못 미치면 미스트랄 API를 쓰라고 권했습니다.

통합 메모리 128GB가 있는 엔비디아 GB10 장비 1대에는 어떤 버전도 들어가지 않습니다. 4대를 연결해 합친 512GB에는 3비트 이하로 양자화한 모델 일부만 크기로 보면 들어갑니다. 실행 속도는 측정하지 않았습니다.

라이선스는 MIT 라이선스를 고친 미스트랄 자체 라이선스입니다. 상업적으로 쓸 수 있고 자기 제품 안에 모델 기능을 넣어 쓰는 것도 허용합니다. 다만 모델 자체를 API로 제3자에게 제공하는 사업을 하려면 미스트랄과 별도 상업 계약을 맺어야 합니다. 직전 버전 Mistral Large 3는 제한이 더 적은 Apache 2.0 라이선스였습니다.

쓰는 방식에 따라

정리하면 이 모델을 내려받아 얻는 것은 점수가 아닙니다. 회사 밖으로 데이터를 보내지 않고 내 서버에서 실행할 수 있고, 미스트랄이 공급을 끊어도 계속 쓸 수 있으며, 같은 일을 비교적 적은 토큰으로 끝낸다는 점입니다. 그 대가로 가장 작게 줄인 버전으로도 233GB가 넘는 메모리를 갖춘 서버가 필요하고, 점수는 중국 오픈웨이트 모델보다 낮습니다.

API로 쓸 사람은 미스트랄 API에서 첫 번째 표의 가격을 냅니다. OpenRouter·Microsoft Foundry에서도 제공하지만, 이 두 곳의 가격과 한국에서 미스트랄 API에 가입할 수 있는지는 확인하지 못했습니다. 회사 서버에 설치해 쓸 사람은 GPU 서버 비용을 API 요금과 견줘 봐야 합니다(직접 구축과 API 비용 비교).

내려받기 전에는 이런 점을 먼저 따져 봐야 합니다.

• 라이선스: 모델을 API로 외부에 제공하는 사업에 해당해 별도 계약이 필요한지
• 장비: 쓰려는 양자화 버전이 우리 GPU 메모리에 들어가고, 긴 입력을 처리할 여유 메모리가 남는지
• 보안 용도: 공개된 일반 모델로 충분한지, 보안 특화 버전의 파트너 프리뷰가 필요한지