Mistral Large 4 공개 프리뷰, 가중치 공개 전 API로 시험할 때 볼 것

사내 서버에 직접 설치할 수 있는 대형 모델을 찾는 기업이라면 유럽계 AI 기업 Mistral의 새 모델 소식에 눈이 갈 겁니다. Mistral은 2026년 10월 6일 공식 블로그와 문서 변경 기록에서 Mistral Large 4를 공개 프리뷰(정식 출시 전 시험 공개)로 내놓았다고 밝혔습니다. 다만 공식 발표는 지금 Mistral Studio의 프리뷰 API로 써 보라고 안내합니다. 오픈웨이트 모델(회사 서버에 직접 내려받아 설치할 수 있는 모델)로 소개됐지만 가중치 파일과 라이선스는 아직 공개되지 않았죠. 기업 교육이나 업무에 이 모델을 지금 들여도 되는지, 들이기 전에 무엇을 시험해 볼지 정리했습니다.

1. 지금은 프리뷰 API로 써 볼 수 있습니다

Mistral 블로그는 발표 당일부터 Mistral Studio에서 프리뷰 API를 써 볼 수 있고 가중치는 이달 말에 공개한다고 적었습니다. 같은 날 문서 변경 기록에는 mistral-large-4가 공개 프리뷰로 제공되고 오픈 가중치는 곧 나온다(Coming soon)는 문장, 그리고 출시 기념으로 2주 동안 50% 할인한다는 안내가 함께 있습니다. 모델 카드의 가중치 탭에도 가중치와 라이선스가 모두 "Coming soon"으로, 설치에 필요한 GPU 메모리는 N/A로 표시돼 있습니다.

그래서 지금 Large 4를 시험하려면 공식 문서 안내대로 Mistral API로 요청을 보내면 됩니다. 사내 서버 설치를 전제로 한 검토는 가중치와 라이선스가 나온 다음에 시작할 수 있습니다. 블로그의 "이달 말"은 발표일로 따지면 10월 말로 읽히지만, 정확한 날짜는 어느 공식 문서에도 적혀 있지 않습니다. 할인 종료일도 날짜로 나와 있지 않으니 예산을 잡을 때는 정가로 계산해 두는 편이 안전합니다. Mistral의 채팅 앱에서도 쓸 수 있는지는 확인하지 못했습니다.

출시일, 2주 할인, 가중치 공개 예정, 라이선스 미표시, 규모 수치는 Mistral 블로그·변경 기록·모델 카드에 적힌 내용입니다. "지금 해 볼 것"과 "가중치 공개 후 볼 것"은 작성자가 정리한 확인 항목입니다.

모델 카드에 적힌 가격은 100만 토큰당 입력 1.36달러, 캐시된 입력 0.14달러, 출력 4.18달러이고 그 옆에 절반 금액의 할인가가 함께 표시돼 있습니다. 사용 예시는 Chat Completions API에 모델 이름 mistral-large-4를 넣고 reasoning_effort 값을 "high"로 지정하는 Python, TypeScript, curl 코드입니다. 구조화된 출력, 함수 호출, 문서 질의응답, 배치 처리를 지원한다는 표시도 있습니다. 이 글을 쓰면서 API를 직접 호출해 보지는 않았습니다.

2. 규모 수치가 출처마다 다릅니다

블로그는 Large 4를 총 1조 개의 파라미터 가운데 490억 개가 활성화되는 멀티모달 모델로 소개했습니다. 같은 날 공개된 모델 카드에는 활성 520억 개, 총 1.05조 개, 그리고 16억 개짜리 비전 인코더가 적혀 있습니다. 파라미터는 모델이 학습으로 얻은 값의 개수이고, 활성 파라미터는 그중 답 하나를 만들 때 실제로 계산에 쓰는 부분을 말합니다. 설치형 모델을 검토할 때 서버 규모를 가늠하는 데 쓰는 숫자라서 차이를 그냥 넘기기 어렵죠.

항목	공식 블로그	모델 카드
총 파라미터	1조(1T)	1.05조(1.05T)
활성 파라미터	490억(49B)	520억(52B)
비전 인코더	확인하지 못함	16억(1.6B)
컨텍스트 길이	확인하지 못함	100만 토큰
가중치·라이선스	이달 말 공개 예정	Coming soon

두 수치가 왜 다른지 Mistral은 설명하지 않았습니다. 모델 카드의 총합에 비전 인코더가 포함됐는지도 적혀 있지 않습니다. 사내 검토 문서나 교육 자료에 이 숫자를 옮길 때는 어느 출처의 값인지 함께 적어 두세요.

3. 벤치마크 점수는 회사 발표로 읽어야 합니다

Mistral 블로그에 따르면 Large 4는 Gmail, Google Sheets, Slack, Salesforce 같은 앱을 오가는 업무 흐름 657개로 구성된 AutomationBench에서 59.9%를 기록해 Kimi K3, MiMo-V2.6-Pro, DeepSeek V4 Pro보다 높았습니다. 사무 자동화를 고민하는 팀이라면 관심이 갈 만한 숫자입니다.

다만 이 점수는 Mistral이 자체 발표문에 적은 값입니다. 비교 대상은 주로 다른 오픈웨이트 모델이고, 일부 평가는 외부 평가 기관의 결과를 Mistral이 인용한 것입니다. 점수를 어떤 방식으로 매겼는지는 이 글에서 확인하지 못했습니다. 블로그는 이번 프리뷰에 쓰인 강화학습이 아직 진행 중이라고 밝혔으니, 가중치가 나올 때 같은 성능일지도 알 수 없습니다. 우리 회사 업무에서 비슷한 결과가 나온다는 근거로 쓰기에는 부족합니다.

4. 한국어 성능과 데이터 위치는 따로 확인하세요

블로그는 학습 데이터의 상당 부분이 다국어였고, EU의 모든 공식 언어를 포함해 160개가 넘는 언어를 다뤘다고 설명했습니다. 한국어가 들어갔는지, 한국어 평가 점수가 어떤지는 발표에 나오지 않습니다. 160개 언어라는 숫자만 보고 한국어 문서 요약이나 보고서 작성에 충분하다고 판단하지 마세요.

데이터가 어디서 처리되는지도 살펴봐야 합니다. Mistral은 Large 4를 전 세계 여러 지역에서 제공하며, 그중에는 다른 디지털 서비스 제공자와 무관하게 유럽 법에 따라 Mistral이 직접 운영하는 유럽 배포도 있다고 밝혔습니다. 한국 리전이 있는지는 발표에 없습니다. 보안 업무를 위해 사설 클라우드나 온프레미스(회사 자체 서버)에서 실행할 수 있게 하겠다는 계획도 밝혔지만, 앞으로의 계획이고 시점은 적혀 있지 않습니다.

가중치 공개 전까지 Mistral은 사이버보안 기업, 검증된 파트너, 정부 기관과 함께 실제 환경에서 레드팀 시험(공격자 관점에서 약점을 찾는 시험)을 한다고 했습니다. 이 기관들은 모더레이션을 줄이고 사이버 기능을 넓힌 같은 모델에 접근합니다. 일반 API 사용자가 쓰는 버전과는 조건이 다릅니다.

5. 이번 주에 해 볼 첫 단계

지금 Large 4를 사내 교육이나 업무 시스템에 정식으로 들이기는 이릅니다. 가중치와 라이선스가 나오지 않아 설치형 검토를 할 수 없고, 한국어 성능 근거도 없기 때문입니다. 대신 할인 기간에 API로 작게 시험해 두면 가중치가 공개됐을 때 판단이 빨라집니다.

예시로 이렇게 해 보세요. 사내에서 자주 쓰는 한국어 문서 3건(회의록, 공문, 보고서 초안)을 고르고, "이 회의록에서 결정 사항과 담당자를 표로 정리해 주세요" 같은 요청을 같은 문장으로 Large 4와 지금 쓰는 모델에 각각 넣습니다. 결과는 사실 오류, 어색한 한국어 표현, 사용한 토큰 수를 한 표에 기록하세요. 외부 API로 자료를 보내는 시험이니 개인정보를 지우고 사내 보안 규정이 허용하는 문서만 씁니다. 이 표가 있으면 가중치와 라이선스가 공개됐을 때 설치해서 쓸 만한지를 근거를 들어 논의할 수 있습니다.