Mistral Large 4 공개… 1조 파라미터 공개 가중치 모델, 미리보기 API부터
Mistral이 지금까지 가장 큰 모델 Mistral Large 4를 미리보기 API로 먼저 풀었어요. 가중치(모델 파일)는 이달 말 공개 예정이에요.
- 전체 1조(문서 기준 1.05T) 파라미터 중 토큰마다 490억(49B)만 쓰는 MoE(전문가 혼합) 모델이에요. 이미지도 읽는 멀티모달이고, 문맥은 100만 토큰이에요.
- 지금은 Mistral Studio에서 미리보기 API(모델 이름 mistral-large-4)로만 써요. 가격은 100만 토큰당 입력 1.36달러·출력 4.18달러인데, 문서엔 지금 절반(0.68달러·2.09달러)으로 표시돼 있어요.
- 가중치는 이달 말 공개 예정이에요. Mistral 발표 기준 DeepSWE v1.1 61.7%, AutomationBench 59.9%, Cybench 93%예요.
함수 호출·구조화 출력(JSON)·배치 API를 지원해서, 지금 쓰는 모델 자리에 mistral-large-4만 넣고 같은 에이전트 작업의 성공률과 비용을 비교해 볼 수 있어요. 직접 서버에 올리는 건 이달 말 가중치가 나온 뒤에 판단하면 돼요.
차트·표·긴 PDF가 섞인 자료를 통째로 넣고 숏폼 대본용 요점 5개를 뽑게 할 때, 이미지 입력과 100만 토큰 문맥을 시험해 볼 만해요.
160개 넘는 언어로 학습됐다고 해서, 유럽 언어 상세페이지·안내문 번역 초안을 지금 쓰는 도구와 나란히 비교해 볼 수 있어요.
1. console.mistral.ai(Mistral Studio)에서 API 키를 만들어요. 2. 모델 이름은 mistral-large-4, 주소는 /v1/chat/completions예요. 3. 평소 쓰는 질문 3개(문서 요약·차트 읽기·코드 수정)를 지금 모델과 똑같이 보내요. 4. 답의 품질과 청구된 토큰 비용을 표로 비교해요. 미리보기라 결과가 바뀔 수 있다는 점은 감안해요.
차트나 스캔 문서가 섞인 긴 자료를 자주 정리한다면, 문서에 절반 가격으로 표시된 지금 미리보기 API로 기존 모델과 같은 질문을 던져 비교해 보면 좋을 것 같아요. 내 컴퓨터·서버에 직접 올리는 건 이달 말 가중치가 나온 뒤 판단해도 늦지 않아 보여요.
Mistral AI가 10월 6일(현지 시간) 공식 블로그와 X에서 Mistral Large 4(별명 ML4, 'Le Chonk')를 공개했어요. Mistral이 만든 모델 중 가장 크고, 지금은 미리보기 API로 먼저 열었어요. 가중치는 이달 말 공개하고, 그때 구조·추가 벤치마크·학습 방법도 더 밝힌대요.
- 크기·구조 전체 1조 파라미터(공식 문서 표기는 1.05T) 중 토큰마다 490억(49B)만 쓰는 MoE(전문가 혼합, 질문마다 모델 일부만 켜는 방식)예요. 지시 따르기와 추론(생각하는 모드)을 한 모델에 합쳤고, 16억(1.6B) 파라미터 비전 인코더로 이미지도 읽어요.
- 쓰는 법 Mistral Studio(console.mistral.ai)의 미리보기 API로 써요. 모델 이름은
mistral-large-4, 문맥은 100만 토큰이에요. 함수 호출·구조화 출력·문서 질의응답·배치·에이전트 API를 지원해요. - 가격 블로그 기준 100만 토큰당 입력 1.36달러·출력 4.18달러예요. 공식 문서엔 이 가격에 줄을 긋고 입력 0.68달러·캐시 입력 0.07달러·출력 2.09달러로 표시돼 있어요. 이 가격이 언제까지인지는 나와 있지 않아요.
- 성능(Mistral 발표) 코딩은 DeepSWE v1.1 61.7%, SWE-Atlas-QnA 59.4%, Terminal-Bench 4 28.3%예요. 업무 자동화 657개를 푸는 AutomationBench는 59.9%, 보안 대회 문제 40개 Cybench는 93%, 이미지 속 물체 위치 찾기 Dense 200은 42%(GPT-6 Astra 41%)예요. Surge AI와 한 블라인드 코딩 평가에선 5개 모델 중 2위(3.74점)였고, 1위는 Claude Opus 5(4.22점)였어요.
- 학습 유럽에 있는 Mistral 자체 데이터센터의 NVIDIA Grace Blackwell GPU 3,800장으로 처음부터 학습했고, 학습 데이터엔 160개 넘는 언어가 들어갔대요.
벤치마크 숫자는 모두 Mistral이 발표한 값이에요. 가중치 공개 전까지는 보안 기업·검증된 파트너와 실제 환경에서 레드팀(일부러 공격해 보는 안전 점검)을 한다고 밝혔어요.
X 게시물 보기 · https://x.com/MistralAI/status/2107456586813730854
