Mistral Large 4 가중치 공개: 프리뷰 3주 사이에 바뀐 숫자와 직접 돌리는 데 드는 GPU

Mistral이 2026년 10월 29일 Mistral Large 4(별칭 Le Chonk)의 가중치를 Hugging Face에 공개했습니다. 10월 6일 API 전용 프리뷰로 나온 지 3주 만이고, 그사이 강화학습을 더 돌린 개선판입니다. 독립 평가 기관 Artificial Analysis의 종합 지수(Intelligence Index v5)로는 프리뷰 25점에서 26점으로 1점 올랐을 뿐입니다. 대신 같은 평가를 푸는 데 쓴 출력 토큰이 약 27% 줄었고 출력 속도는 약 43% 빨라졌습니다. Mistral 발표문의 터미널 코딩 점수는 28%에서 41%로 13포인트 올랐지만, 차트 표기상 프리뷰 28%는 Mistral 자체 측정이고 공개판 41%는 Artificial Analysis 지표로 표시돼 있어 두 값을 잰 주체가 같지 않습니다. 직접 내려받아 돌리려면 FP8 가중치만 1,060GB가 넘어서 H200 8장 노드가 출발점입니다. 그래서 대부분의 한국 개발자에게 이번 공개는 "집에서 돌리는 모델"보다 "API로 쓰다가 필요하면 자체 서버로 옮길 수 있는 모델"이 생긴 일로 보입니다.

이 글에서는 프리뷰와 공개판 사이에 바뀐 것, 벤더 수치와 제3자 측정의 구분, 가중치 파일 크기로 계산한 하드웨어 요구량, 라이선스의 서비스 운영 조건, Hacker News의 찬반, 한국 개발자에게 바뀌는 것을 다룹니다.

프리뷰와 공개판의 차이

10월 6일 프리뷰 발표문은 "가중치는 이달 말 공개"라고 약속했고, Mistral은 그 약속을 29일에 지켰습니다. 이름은 같지만 공개된 가중치는 프리뷰 때 API로 쓰던 모델 그대로가 아닙니다. 공개 발표문은 "3주간 추가 강화학습"을 거친 개선판이라고 밝힙니다.

추론 모드는 이름이 바뀐 것 이상입니다. 공개 발표문은 low 모드가 기존 None 모드를 대체한다고 적었고, 모델 카드는 기본값을 high로 두면서 일상 작업에는 medium, 빠른 채팅 응답에는 low를 권합니다. 프리뷰에서 추론 없이 쓰던 코드는 low로 옮겨야 같은 성격의 호출이 되는 것으로 보입니다. 프리뷰 API에서 None 모드가 정확히 어떻게 동작했는지는 공개 자료에 없습니다.

모델 크기 표기는 문서마다 다릅니다. Hugging Face 모델 카드는 전체 약 1조 개, 토큰당 활성 490억 개(임베딩·출력층 포함 시 520억 개)라고 적었고, Mistral API 문서와 Artificial Analysis는 전체 1.05조(Artificial Analysis는 반올림해 1.1조) 개, 활성 520억 개로 적습니다. 서로 모순이라기보다 어디까지 세느냐의 차이로 보입니다. 다만 10월 30일 확인 시점에 API 문서 페이지는 아직 날짜를 10월 6일, 상태를 "Public Preview"로 표시하고 있었습니다. API 모델 이름은 mistral-large-4, Hugging Face 저장소 이름은 Mistral-Large-4-1T-A52B입니다.

벤더가 잰 것과 제3자가 잰 것

공개 발표문의 벤치마크 차트는 Mistral이 고른 값입니다. 그중 프리뷰와 공개판을 같은 차트에 함께 실은 지표 네 개를 한 축에 모았습니다.

가장 크게 오른 것은 터미널 코딩입니다. Mistral은 Terminal-Bench 4.0에서 프리뷰 대비 13포인트 오른 41%를 기록했고 출력 토큰은 30% 줄었다고 밝힙니다. 다만 이 차트의 제목은 "Artificial Analysis Coding Agent Index - Terminal-Bench 4.0"이고 "self reported" 표시는 프리뷰 28% 막대에만 붙어 있습니다. 서로 다른 하네스로 잰 두 값을 뺀 차이일 수 있어서, 13포인트는 방향으로만 읽는 편이 안전합니다. 재무 스프레드시트 작업 점수(FinWorkBench)는 67.4%에서 73.3%로, 에이전트 대상 공격을 막아낸 비율(B3)은 93.3%에서 97.1%로 올랐습니다. 악성 사이버 요청 거부율은 95%에서 96.6%가 됐습니다. 이 세 지표에는 측정 주체 표기가 없고, 제3자 재측정도 아직 찾지 못했습니다.

제3자 측정은 Artificial Analysis의 모델 페이지 두 개에서 가져왔습니다. 프리뷰 페이지는 지금 "deprecated" 표시가 붙은 채 남아 있어서 두 판을 나란히 비교할 수 있습니다.

종합 지수는 사실상 제자리입니다. 바뀐 것은 같은 문제를 푸는 데 드는 토큰과 속도입니다. 출력 토큰이 1억 5,000만에서 1억 1,000만으로 약 27% 줄었고, 속도는 112.9에서 161.3으로 약 43% 올랐습니다(직접 계산). 토큰을 덜 쓰면 같은 작업의 API 청구액도 함께 줄어듭니다. 프리뷰 페이지는 성능 측정을 기본 작업량 하나로만 이어간다고 밝히고 있어서, 프리뷰 속도는 측정 시점이 공개판과 다를 수 있습니다.

Artificial Analysis 지수에서 26점은 같은 크기 등급의 오픈 웨이트 모델 21개 중 9위입니다. 모델 카드도 이 점수를 "서방 오픈 웨이트 모델 중 최고"라고 표현하면서, 중국의 상위 오픈 웨이트 모델들이 이 종합 지수에서는 더 높다고 인정합니다. Mistral이 내세우는 강점은 종합 지수가 아니라 코딩과 사이버 보안입니다. Artificial Analysis Coding Agent Index에서 48%로 GLM-5.3과 사실상 같은 점수를 내면서 작업당 토큰은 평균 47% 적게 썼다는 것이 Mistral의 설명입니다. 같은 기관의 Cyber Index에서는 51%를 받았습니다. 비슷한 구도는 Kimi K3.1 Pro 글에서도 정리한 적이 있습니다.

직접 돌리는 데 필요한 메모리

공개 가중치의 실제 크기는 Hugging Face API가 돌려주는 파일 목록의 크기 합계로 확인했습니다. 기본 체크포인트는 FP8 블록 양자화가 적용된 상태이고, 별도로 Blackwell GPU용 NVFP4 체크포인트가 있습니다.

계산은 파일 크기를 H200 한 장의 메모리 141GB로 나눈 것입니다(직접 계산, 1GB=10억 바이트). 8장이면 1,128GB이고, 가중치를 올리고 남는 약 67GB에 KV 캐시(긴 문맥을 처리할 때 쌓이는 중간값)와 실행 버퍼가 들어가야 합니다. 모델 카드의 vLLM 예시도 텐서 병렬 8을 씁니다. 100만 토큰 문맥을 그대로 쓰려면 이 여유로는 부족할 가능성이 높고, 카드도 메모리가 모자라면 최대 문맥 길이와 동시 요청 수를 낮추라고 안내합니다.

NVFP4판은 파일 크기가 기본판의 약 58%입니다. 모델 카드는 "같은 성능"이라고 적었지만 이것도 Mistral의 주장이고, NVFP4 양자화가 점수에 주는 영향은 모델마다 달랐습니다(Nemotron 3.5 Super VL NVFP4 글 참고). llama.cpp용 GGUF도 공식 안내에 올라와 있어서 더 낮은 비트로 줄이는 길은 열려 있지만, 그때의 품질은 아직 공개된 측정이 없습니다.

라이선스의 서비스 운영 조건

라이선스 이름은 Mistral Ecosystem Open-Weight License이고, MIT 라이선스를 고친 형태입니다. 사용·수정·재배포·파인튜닝·상업적 이용을 허용하고, 저작권·허가 고지를 유지하라는 1항 외에 조건이 하나 더 붙습니다. 라이선스 원문 2항은 라이선스 이용자나 그 계열사가 "Model as a Service" 사업을 하면 상업적 이용 전에 Mistral과 별도 상업 계약을 맺어야 한다고 적습니다.

같은 원문은 Model as a Service를 제3자가 입력·파라미터·학습 데이터를 의미 있게 통제할 수 있는 방식으로 모델 추론이나 후속 학습에 접근하게 하는 것으로 정의합니다. 특정 기능 안에 모델 능력을 넣은 최종 사용자 제품과, 남이 호스팅한 모델로 요청을 중계만 하는 경우는 제외됩니다. 3항은 모델을 제3자에게 내놓지 않는 내부 사용과, Mistral 공식 제품을 통한 사용을 2항 조건에서 뺍니다.

한국 개발자의 사례에 대 보면 경계가 이렇게 그어지는 것으로 보입니다. 사내 코드 리뷰 봇이나 사내 문서 검색은 내부 사용이라 계약이 필요 없습니다. 앱 안의 요약 버튼처럼 기능에 묶인 제품도 제외 대상입니다. 반면 이 모델을 올려 두고 고객에게 추론 API나 파인튜닝 서비스를 파는 클라우드·GPU 사업자는 별도 계약 대상입니다. 이 해석은 원문을 읽은 판단이며 법률 자문이 아닙니다. "의미 있는 통제"의 경계는 원문에 더 자세한 기준이 없습니다.

Hacker News의 찬반

공개 발표 글은 Hacker News에서 10월 30일 확인 시점에 1,428점, 댓글 385개를 받았습니다(토론). 가장 많은 답글이 달린 댓글은 라이선스 비판이었습니다.

"Calling this "open weight" is misleading." — maxloh (댓글)

"It's not open weight, it's weights available as they use a modified MIT license that is not OSI." — rcr-anti (댓글)

거부율 수치의 반쪽만 공개됐다는 지적도 있었습니다. 3form은 악성 요청 거부율 96.6%를 두고 "Where is the statistic about not refusing the non malicious requests?"라고 물었습니다(댓글). 실제로 공개 발표문은 정상 보안 작업을 "불필요한 거부 없이" 처리한다고 쓰면서도 정상 요청의 오거부율 숫자는 싣지 않았습니다. 같은 발표문은 프리뷰 이후 실제 트래픽을 지켜본 결과 실제 공격에 도움이 될 가능성을 확인해 가드레일을 고치고 있다고도 밝혔습니다.

성능을 두고는 엇갈렸습니다. 개인 벤치마크를 운영하는 crimsoneer는 "it's...fine, but certainly not up to the best Chinese or US open weight models"라고 썼고(댓글), segmondy는 "Their last 2 models were a disaster and didn't live up to their self reported evals"라며 이번에는 다르길 바란다고 했습니다(댓글). 반대편에서 nunez는 "Almost every regulated business in the US cannot run Chinese models"라며 자체 호스팅 선택지가 넓어진 점을 높게 봤고(댓글), d2kx는 EU 회사에서 Mistral API를 쓰는 경험을 들어 "Mistral has been great for us as a provider"라고 적었습니다(댓글).

하드웨어 질문도 바로 나왔습니다. jamesblonde는 H200 4장, 총 540GB 메모리 서버로는 "I have to go to 4bit or 3bit even to serve it"이라고 썼습니다(댓글). 앞 절 계산과 맞춰 보면 H200 4장(564GB)은 FP8판은 물론 NVFP4판(약 610.1GB)도 담지 못합니다. NVFP4판은 애초에 Blackwell 전용이기도 합니다.

한국 개발자에게 바뀌는 것

가장 큰 변화는 라이선스와 출처 조건 때문에 중국계 모델을 못 쓰던 조직에 1조 파라미터급 자체 호스팅 선택지가 하나 생겼다는 점으로 보입니다. Hacker News에서 미국 규제 산업을 두고 나온 이야기와 비슷한 사정이 국내 금융·공공 쪽에도 있을 수 있습니다. 다만 그 판단은 각 조직의 내부 기준에 달렸고, 이 글에서 확인한 사실은 아닙니다.

개인 개발자와 작은 팀에게는 당장 바뀌는 것이 적습니다. 최소 H200 8장 급 노드가 필요한 모델은 자체 호스팅보다 Mistral API(입력 100만 토큰당 $0.70, 출력 $2.10)나 OpenRouter로 쓰게 됩니다. 그 경우 공개 가중치의 의미는 "언젠가 같은 모델을 내 서버로 옮길 수 있다"는 보험에 가깝습니다. 프리뷰 때 추론을 끄고 쓰던 코드는 low 모드로 바꿔야 할 것으로 보입니다.

한국어 품질은 아직 판단할 근거가 없습니다. 모델 카드의 언어 목록에 한국어(ko)가 있고 160개 이상 언어를 지원한다고 적혀 있지만, 한국어 벤치마크 수치는 공개 발표문과 카드 어디에도 없습니다. 한국어 서비스에 쓰려면 직접 평가를 먼저 돌려야 합니다.

한계

출처

• Mistral, "Mistral Large 4 (Le Chonk) is now open weight" (2026-10-29): https://mistral.ai/news/mistral-large-4-oss/
• Mistral, "Mistral Large 4" 프리뷰 발표 (2026-10-06): https://mistral.ai/news/mistral-large-4/
• Hugging Face 모델 카드: https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B
• 라이선스 원문: https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B/blob/main/LICENSE
• Mistral API 문서: https://docs.mistral.ai/models/mistral-large-4-0
• Artificial Analysis, Mistral Large 4: https://artificialanalysis.ai/models/mistral-large-4
• Artificial Analysis, Mistral Large 4 Preview: https://artificialanalysis.ai/models/mistral-large-4-preview
• NVIDIA H200 사양: https://www.nvidia.com/en-us/data-center/h200/
• Hacker News 토론: https://news.ycombinator.com/item?id=50289418