Mistral Large 4란? 특징과 API로 쓰기 전 확인할 점

Mistral Large 4는 프랑스의 미스트랄 AI(Mistral AI)가 2026년 10월 6일 공개 프리뷰로 내놓은 대형 멀티모달 언어 모델이에요. 공식 문서 기준 총 1.05T(약 1조 500억) 파라미터 가운데 토큰마다 52B만 활성화되는 MoE(전문가 혼합) 구조이고, 코딩·에이전트 작업·이미지 이해·사이버보안을 주요 강점으로 내세웠어요. 지금은 Mistral Studio의 유료 API로 쓸 수 있고, 가중치는 10월 말 공개 예정이에요. 이 글은 2026년 10월 22일에 확인한 공식 문서를 기준으로 사양, 이전 Large 3와의 차이, API로 도입하기 전에 확인할 가격·컨텍스트·라이선스·프리뷰 정책을 정리해요.

Mistral Large 4란? 공식 문서로 본 핵심 사양

미스트랄의 발표문은 Large 4를 '지금까지 가장 크고 성능이 높은 모델'이라고 소개해요. 텍스트와 이미지를 함께 입력받는 네이티브 멀티모달 모델이고, 일반 지시 응답과 추론(reasoning)을 한 모델 안에서 처리하는 하이브리드 방식이에요. 학습 데이터에는 EU 공식 언어 전부를 포함한 160개 이상의 언어가 들어갔다고 밝혔고, 유럽에 있는 자체 데이터센터의 NVIDIA Grace Blackwell GPU 3,800개로 처음부터 학습했다고 설명해요. 프리뷰 API도 같은 인프라에서 서비스돼요.

파라미터 표기는 출처마다 조금 달라서 주의가 필요해요. 공식 모델 페이지는 활성 52B·총 1.05T·비전 인코더 1.6B로 적었고, 허깅페이스 예정 페이지는 토큰당 활성 파라미터를 49B(임베딩과 출력층 포함 시 52B)로 설명해요. 두 숫자는 계산 범위의 차이일 뿐 서로 다른 모델을 뜻하지 않아요. MoE 구조에서는 전체 파라미터가 커도 한 토큰을 처리할 때 일부 전문가만 계산에 쓰기 때문에, 응답 속도와 추론 비용은 활성 파라미터 쪽에 더 가까워요. 다만 직접 서버에 올릴 때는 전체 가중치를 메모리에 올려야 하므로 필요한 하드웨어는 총 파라미터 규모를 기준으로 봐야 해요.

API 기능 면에서는 기존 미스트랄 모델과 같은 /v1/chat/completions, /v1/conversations, /v1/agents, /v1/batch 엔드포인트를 지원한다고 표시돼 있어요. 기존에 미스트랄 API를 쓰던 코드라면 모델 식별자를 바꾸는 것만으로 시험해 볼 수 있지만, 응답 길이와 추론 토큰 사용량이 달라질 수 있으니 비용 추정은 다시 해야 해요.

Mistral Large 3와 비교: 가격·컨텍스트·라이선스

Large 4를 검토할 때 가장 현실적인 비교 대상은 같은 회사의 이전 대형 모델인 Large 3예요. Large 3 공식 페이지에 따르면 Large 3는 2025년 12월 2일 출시된 정식(GA) 모델로, 총 675B·활성 41B 파라미터, 256k 컨텍스트, Apache 2.0 라이선스예요. 아래 표는 두 모델의 공식 페이지 표기를 같은 기준으로 놓은 거예요.

가격만 보면 Large 4는 입력 기준 약 2.7배(1.36÷0.5), 출력 기준 약 2.8배(4.18÷1.5) 비싸요. 예를 들어 입력 10만 토큰과 출력 2천 토큰을 쓰는 요청 하나는 Large 4에서 약 $0.144(0.1×1.36 + 0.002×4.18)로 계산돼요. 같은 긴 문서를 반복해서 보낸다면 캐시 입력 가격 $0.14가 적용되는지가 비용에 큰 영향을 줘요. 다만 추론 모드에서는 보이지 않는 사고 토큰이 출력으로 과금될 수 있어서, 표의 단가만으로 실제 월 비용을 단정하기는 어려워요. 실제 트래픽 표본으로 요청당 평균 토큰을 측정해 보는 것이 좋아요.

컨텍스트도 공식 표기와 실제 사용 경로를 나눠 봐야 해요. 공식 페이지는 1M 토큰을 표시하지만, The Frontier 보도에 따르면 출시 당일 Artificial Analysis와 Vals AI는 512k로 표기했어요. 미스트랄 API를 직접 쓰는지, 다른 중개 서비스를 거치는지에 따라 한도가 다를 수 있으니 실제 엔드포인트에서 확인하세요.

벤치마크 발표를 읽을 때 주의할 점

미스트랄은 발표문에서 DeepSWE v1.1 61.7%, SWE-Atlas-QnA 59.4%, Terminal-Bench 4 28.3%, AutomationBench 59.9% 같은 점수를 제시했고, 미국·유럽에서 개발된 오픈 웨이트 모델 가운데 가장 강하다고 주장했어요. 사이버보안 영역에서는 실제 취약점을 재현하고 패치하는 시험에서 82%를 기록했다고 밝혔어요. 이런 수치는 출발점으로는 유용하지만 그대로 받아들이기 전에 몇 가지를 확인해야 해요.

• 비교 대상: 발표 차트에 어떤 경쟁 모델이 포함되고 빠졌는지 봐요. The Frontier는 일부 독립 지표에서 다른 오픈 웨이트 모델이 더 높게 나왔다고 보고했어요.
• 측정 시점: Public Preview는 예고 없는 업데이트가 허용돼서, 같은 모델 이름이라도 점수가 측정 시점에 따라 달라질 수 있어요.
• 평가 주체: 자체 측정, 제3자 위탁 측정, 독립 리더보드를 구분해요. 안전성 수치(프롬프트 주입 저항 93.3% 등)는 회사가 직접 보고한 값이에요.
• 내 업무와의 거리: 법률·금융·코딩 점수가 높아도 한국어 문서나 사내 형식에서 같은 성능이 나온다는 보장은 없어요.

AI 모델 출시 직후에는 커뮤니티와 언론에서 해석이 빠르게 엇갈려요. 더따리의 AI 텔레그램 트렌드와 블로그 트렌드에서 어떤 주장이 많이 공유되는지 살펴보면 쟁점을 파악하는 데 도움이 돼요. 다만 화제성은 품질의 증거가 아니므로, 언급된 주장은 공식 문서와 독립 평가로 다시 확인하세요.

페이지 참고

트렌드theddari.com›트렌드텔레그램 · AIAI 채널 실시간 포스팅 피드

페이지 참고

트렌드theddari.com›트렌드블로그 포스팅요약된 네이버 블로그 글 피드

API로 쓰기 전 확인할 5가지

1. 1

   프리뷰 정책을 이해해요

   미스트랄 수명주기 정책에 따르면 Public Preview 모델은 정식 모델과 같은 요금이 적용되고, 예고 없는 업데이트가 허용되며, 정식 출시 없이 종료될 수도 있어요. 프리뷰 모델의 지원 종료 예고 기간은 1개월로, GA 모델의 6개월보다 짧아요.

2. 2

   모델 식별자를 고정해요

   latest 같은 별칭은 다른 버전으로 바뀔 수 있어 동작과 가격이 함께 바뀔 수 있다고 공식 문서가 경고해요. 운영 환경에서는 major-minor 형식의 고정 식별자를 쓰고, 바뀐 버전은 테스트 후 반영해요.

3. 3

   비용 한도와 측정을 먼저 설정해요

   입력·캐시 입력·출력 단가를 분리해 계산하고, 추론 모드의 출력 토큰 증가를 표본 요청으로 측정해요. 지출 한도와 알림을 함께 설정하면 예상 밖 청구를 줄일 수 있어요.

4. 4

   데이터 위치와 약관을 확인해요

   발표문은 유럽에서 미스트랄이 직접 운영하는 배포를 포함해 여러 지역에서 제공할 계획이라고 밝혔어요. 개인정보나 사내 문서를 보낸다면 처리 지역, 데이터 보관·학습 활용 조건을 이용 약관과 데이터 처리 부속서로 확인하세요.

5. 5

   내 작업으로 직접 평가해요

   실제 업무와 비슷한 프롬프트 20~50개 정도를 Large 3, Large 4, 다른 후보 모델에 똑같이 보내 정확도·형식 준수·토큰 사용량을 비교해요. 결과는 날짜와 모델 식별자를 함께 기록해야 업데이트 후 회귀 여부를 알 수 있어요.

오픈 웨이트 약속과 셀프 호스팅 계획 시 위험

Large 4는 '오픈 웨이트'로 홍보됐지만, 2026년 10월 22일 확인한 공식 모델 페이지와 허깅페이스 페이지에는 아직 가중치 파일이나 라이선스 문서가 없어요. 허깅페이스는 10월 31일을 예상 공개일로 표시하고 있어요. The Frontier는 미스트랄이 EU AI 법에 따라 제출한 하위 제공자용 기술 문서가 현재 배포 경로(약관·파트너 배포·별도 셀프 배포 계약)를 독점 라이선스로 분류하고, 오픈 웨이트 공개 시 문서를 갱신하겠다고 적었다고 보도했어요.

따라서 라이선스 원문이 나오기 전에 재배포, 파인튜닝 모델 공개, 상업적 셀프 호스팅을 전제로 계획을 확정하지 않는 것이 안전해요. 공개된 뒤에도 총 1.05T 규모의 가중치를 운영하려면 여러 GPU에 나눠 올리는 분산 서빙, 보안 패치, 모니터링을 스스로 책임져야 해요. 미스트랄은 공개 전까지 사이버보안 기업·검증된 파트너·정부 기관과 함께 실제 환경에서 레드팀 테스트를 진행한다고 밝혔고, 아키텍처와 추가 벤치마크, 사후 학습 방법도 가중치와 함께 공개하겠다고 했어요.

정리하면 Mistral Large 4는 긴 컨텍스트와 코딩·에이전트·이미지 이해를 함께 시험해 볼 만한 새 대형 모델이지만, 지금은 가격이 오른 프리뷰 API라는 점을 전제로 접근해야 해요. 시험 도입은 버전 고정·지출 한도·자체 평가 세트와 함께 시작하고, 셀프 호스팅이나 재배포 계획은 가중치와 라이선스 원문이 공개된 뒤 다시 판단하세요.