미스트랄 1조 파라미터 Le Chonk 공개했지만 종합 성능은 중국에 뒤진다

the-decoder그저께

프랑스 미스트랄이 자사 최대 모델인 Mistral Large 4의 가중치를 허깅페이스에 올렸다. 별칭은 'Le Chonk'다. 전체 파라미터는 약 1조 개 수준이고, 추론 한 단계에서 실제로 계산에 쓰이는 파라미터는 520억 개다. 입력으로 텍스트와 이미지를 받고 텍스트와 코드를 내놓는다. 공개 3주 전 프리뷰 버전을 먼저 선보인 뒤 마무리 학습을 거쳐 가중치까지 풀었다.

자체 하드웨어에서 구동하는 것이 전제다. 추론 프레임워크 SGLang 문서 기준으로 표준 구성은 엔비디아 B300 GPU 8장을 요구하고, 압축을 강하게 적용한 변형은 GB300 4장에서 돌아간다. 개인이 노트북에서 시험해 볼 수 있는 규모는 아니라는 뜻이다. 미스트랄은 이 모델을 유럽에서 처음부터 끝까지 학습시켰다는 점을 앞세워 '소버린 AI'로 홍보한다. 직접 운영이 부담스러우면 마이크로소프트 파운드리 같은 외부 플랫폼을 통해서도 쓸 수 있다.

코딩 쪽 성적은 눈에 띈다. 터미널 환경에서의 작업 수행을 재는 Terminal-Bench 4.0에서 프리뷰 당시 28%였던 점수가 41%까지 올랐다. GLM-5.3의 40%를 근소하게 앞선다. Artificial Analysis의 코딩 에이전트 지수에서는 48%를 기록해 GLM-5.3과 사실상 동률이지만, 같은 결과를 내는 데 쓴 토큰은 47% 적다. 다만 이 지수의 선두는 Claude Opus 5.5를 얹은 Claude Code로 62%다. Cognition의 FrontierCode 2.0에서는 19.7%로 오픈 모델 중 1위지만, Opus 5.5의 46%와는 격차가 크다. 블라인드 비교 플랫폼 Surge가 진행한 실험에서도 GLM-5.3, Kimi K3, DeepSeek의 코드보다 선호되는 경우가 많았던 반면, Opus 5.5와 맞붙었을 때는 22%의 대결에서만 이겼다.

이번 성능 향상의 동력은 프리뷰 이후 추가로 진행한 강화학습이다. 미스트랄 연구진은 자체 제작한 과제를 학습이 진행될수록 어렵게 만들었고, 성능의 상한은 결국 팀이 새로 만들어 검증할 수 있는 과제의 난이도가 결정한다고 설명했다. 회사는 이 접근을 '2년짜리 베팅'이라 부르며 이제 성과가 나오기 시작했다고 본다.

종합 지능 지수에서는 이야기가 달라진다. Artificial Analysis의 Intelligence Index 5번째 버전에서 Large 4는 하이 모드 기준 26점을 받았다. 프리뷰가 25점이었으니 3주 학습으로 1점 오른 셈이다. 비슷한 규모 오픈 모델的中앙값 23점은 웃돌지만, DeepSeek V4.1 Flash와 GLM-5.3이 각각 32점, MiMo-V2.6-Pro가 30점으로 앞선다. 전체 1위는 구글 Gemini 4 Carbon의 59점이고 Claude Opus 5.5가 58점으로 뒤를 잇는다. 오픈 모델 최고점은 Kimi K3.1 Pro의 46점이지만 아직 가중치가 공개되지 않았고, 2026년 11월 4일까지 풀겠다는 계획이다.

속도와 가격은 강점으로 남는다. 초당 161토큰을 생성해 프리뷰의 111토큰에서 개선됐고, 비교 대상 중 이보다 빠른 것은 DeepSeek V4.1 Flash와 Muse Wonder 정도다. 지수 과제 하나를 처리하는 평균 비용은 2.06달러로 프리뷰의 5.54달러에서 크게 내렸다. GLM-5.3의 5.01달러, Kimi K3.1 Pro의 3.68달러보다 싸지만 DeepSeek V4.1 Flash의 0.60달러, MiMo-V2.6-Pro의 0.26달러와 비교하면 여전히 비싸다. API 정가는 100만 입력 토큰당 0.70달러, 출력 토큰당 2.10달러로, 프리뷰 기간의 1.36달러·4.18달러에서 인하된 수준이다. 토큰 효율도 개선돼 지수 전체를 도는 동안 출력한 토큰이 1억1000만 개로 프리뷰의 1억5000만 개보다 줄었다. 다만 동급 모델 중앙값 1억 개보다는 아직 조금 많다.

보안 영역은 주의가 필요하다. 미스트랄은 Large 4를 사이버 방어용 오픈 모델 1위라고 소개하며 Cyber Index 51%를 제시했지만, 회사가 공개한 차트에도 DeepSeek V4.1 Flash가 57%, MiMo-V2.6-Pro가 56%로 더 높다. 오픈 모델 중 3위라는 계산이 나온다. 악성 사이버 요청을 거부하는 비율은 96.6%로 오픈 모델 중 가장 높다고 하지만, 모델이 실제 공격을 더 쉽게 만들 수 있다는 점은 회사도 인정하고 있다. 그래서 향후 안전장치를 강화하고, Orange Cyberdefense 같은 파트너에게는 심사와 계약 조건을 붙인 침투 테스트용 별도 버전을 제공하는 방식으로 대응한다.

라이선스에는 조건이 붙는다. 수정 MIT 라이선스를 적용해 사용과 수정, 상업적 배포는 무료다. 그러나 Large 4를 상업용 클라우드 서비스로 제공하려는 기업은 미스트랄과 별도 계약을 맺어야 한다. 모델을 서비스 형태로 재판매하려는 팀이라면 배포 전에 이 조항을 먼저 확인해야 한다. 오피스 작업에서는 오픈 모델 중 Kimi K3에 이어 2위 수준으로, 재무 스프레드시트 편집이나 웹 검색에서도 쓸 만한 성능을 보인다고 회사는 설명한다.