미스트랄이 1조 파라미터 멀티모달 모델 ML4 프리뷰를 열었다

미스트랄 AI가 1조 파라미터 규모의 네이티브 멀티모달 모델 '미스트랄 라지 4(Mistral Large 4, ML4)' 공개 프리뷰를 시작했다. 내부 별칭은 '르 쇼크(le Chonk)'다. 미스트랄 스튜디오에서 프리뷰 API로 바로 호출할 수 있으며, 모델 가중치는 이달 말 풀린다. 회사가 지금까지 만든 모델 가운데 가장 크고 성능이 높다는 설명이다.

구조는 전체 1조 파라미터 중 토큰당 520억 개만 활성화하는 희소 방식이다. 텍스트뿐 아니라 이미지를 네이티브로 다루며, 코드 작성과 에이전트 워크플로, 멀티모달 이해 전반에서 두각을 보인다고 미스트랄은 주장한다. 코딩 쪽 수치는 DeepSWE v1.1 61.7%, SWE-Atlas-QnA 59.4%, Terminal-Bench 4 28.3%이고, 이를 합산한 Coding Agent Index는 49.8%로 DeepSeek V4 Pro 0813과 Qwen3.8 Max를 앞선다. Gmail·구글 시트·Slack·세일즈포스 등 657개 업무 흐름을 묶은 AutomationBench에서는 59.9%를 기록했고, 장기 지식 노동을 평가하는 AA-Briefcase에서는 1,393 Elo로 DeepSeek V4 Pro를 상회했다. Surge AI와 진행한 블라인드 인간 평가(1~5점)에서는 3.74점으로 5개 모델 중 2위였다. Kimi K3(3.59), GLM-5.3(3.60), GLM-5.2(3.40)보다 높고 Claude Opus 5(4.22)보다는 낮다.

가장 자신 있게 내세우는 영역은 사이버보안이다. 실제 소프트웨어의 취약점을 찾아 재현하고 패치하는 Artificial Analysis Cyber Index 테스트에서 82%를 기록해 전체 모델 중 최고점을 찍었고, 보안 대회 문제 40개로 구성된 Cybench에서는 93%를 풀었다. 같은 재현 과제에서 Claude Opus 5.5와 GPT-6 Astra가 거의 0점에 가까운 점수를 받은 이유로 미스트랄은 안전 필터의 거부 반응을 지목한다. 방어 작업이 결국 결함이 실제로 존재함을 입증하는 데서 출발하는데, 폐쇄형 모델의 거부 정책이 바로 그 단계를 막는다는 논리다. 회사는 내부 테스트에서 악성코드 분석, 취약점 우선순위 판정, 탐지 규칙 작성에도 쓸모가 있었다고 덧붙였다.

학습은 미스트랄이 유럽에 보유한 자체 데이터센터의 NVIDIA Grace Blackwell GPU 3,800장으로 처음부터 진행됐고, 프리뷰 API도 같은 인프라에서 서빙된다. 학습 데이터 상당 부분이 다국어로, EU 모든 공식 언어를 포함해 160개 이상 언어를 아우른다. 고객용 학습·커스터마이징·강화학습 환경인 Mistral Forge와 동일한 파이프라인을 썼다는 점도 언급했다. 유럽산 모델이라는 정체성과 'AI 주권'이라는 키워드가 이번 발표의 배경에 깔려 있다.

개발자 입장에서 눈에 띄는 대목은 보안·에이전트 작업을 자체 정책 아래에서 돌릴 수 있는 선택지가 생긴다는 것이다. 가중치가 공개되면 프라이빗 클라우드나 온프레미스에 올려 감사 가능한 형태로 운영할 수 있고, 서비스 제공자 단위의 거부 정책에 걸리지 않고 취약점 연구나 사고 대응에 투입할 수 있다. 이미지 이해에서는 문서·차트·자연 이미지를 넘어 위성 이미지나 설계 도면처럼 픽셀 단위 확인이 필요한 작업까지 염두에 둔다. Dense 200 벤치마크에서 42%로 GPT-6-Astra(41%)를 근소하게 앞섰다는 수치도 함께 제시됐다. 과학 영역에서는 SciCode-Verified에서 오픈 웨이트 모델 중 최상위를 기록했고, 복잡한 다단계 화학 계산인 하트리-폭 시뮬레이션을 한 번에 생성하는 사례를 시연으로 내세웠다.

다만 지금 공개된 것은 프리뷰 API이고 가중치는 아직 나오지 않았다. 미스트랄은 이달 말까지 사이버보안 기업, 검증된 파트너, 정부 기관과 함께 실제 환경에서 레드팀 테스트를 진행 중이며, 이들에게는 완화 장치를 줄이고 사이버 기능을 확장한 같은 모델을 제공한다고 밝혔다. 모델 아키텍처, 추가 벤치마크, 포스트트레이닝 방법론은 가중치 공개 시점에 함께 공개될 예정이라 현재 수치는 벤더가 직접 측정해 발표한 값이라는 점을 감안해야 한다.