Mistral Large 4 릴리스 노트

Mistral Large 4 (ML4), 비공식적으로 "le Chonk"이라 불리는 모델은 1조 파라미터의 네이티브 멀티모달 모델로, 오픈웨이트 성능의 경계를 확장하기 위해 설계되었습니다. 현재 이 모델은 Mistral Studio API를 통해 공개 프리뷰로 이용 가능하며, 전체 가중치는 2026년 10월 말까지 공개될 예정입니다.

모델 아키텍처 및 인프라스트럭처

ML4는 1조 총 파라미터와 490억 활성 파라미터를 갖춘 전문가의 혼합(Mixture-of-Experts, MoE) 모델입니다. 이 모델은 Mistral의 자체 유럽 데이터센터 내에서 3,800개의 NVIDIA Grace Blackwell GPU를 사용해 처음부터 훈련되었습니다.

AI 주권을 보장하기 위해, 모델은 유럽 법률 하에 Mistral이 종단 간 운영하는 인프라스트럭처에 배포되며, 다른 디지털 서비스 제공자와 독립되어 있습니다. 훈련 데이터는 다국어로 매우 풍부하며, 유럽 연합 공식 언어를 포함해 160개 이상의 언어를 커버합니다.

사이버보안 및 안전성 성능

ML4는 사이버보안 분야에서 최첨단 오픈웨이트 모델로, 폐쇄형 모델에서 흔히 발생하는 "공급자 수준의 거부"를 피하기 위해 특별히 설계되었습니다. 이는 합법적인 취약점 연구를 방해할 수 있는 문제를 해결하기 위함입니다.

사이버보안 벤치마크

Artificial Analysis Cyber Index: ML4는 전 세계적으로 상위 5개 모델 중 하나로 평가되며, 중국 외부에서 개발된 오픈웨이트 모델 중 선두를 달리고 있습니다.
취약점 재현: 실제 오픈소스 소프트웨어 취약점의 재현과 패치 적용을 요구하는 테스트에서 ML4는 82%의 점수를 기록했으며, 안전성 거부로 인해 점수가 거의 0에 가까운 클로드 오퍼스 5.5 및 GPT-6 아스트라와 비교해 뛰어난 성능을 보였습니다.
Cybench: 이 보안 경쟁 데이터셋의 40개 연습 문제 중 93%를 해결했습니다.

안전성 및 강건성

B3 AI 보안 벤치마크: ML4는 93.3%의 공격에 저항하여 간접적인 프롬프트 삽입 공격에 대해 매우 강건함을 입증했습니다.
KORA 벤치마크: ML4는 1.691점(2점이 우수함)을 기록하여 테스트된 오픈소스 모델 중 최고 점수를 기록했습니다.
악성 요청: 높은 사이버 보안 능력을 갖추고 있음에도 불구하고, JailbreakBench, StrongREJECT, AgentHarm를 통해 악성 요청에 대한 평균 거부율이 다른 오픈소스 모델보다 높습니다.

에이전트형 코딩 및 전문 워크플로우

ML4는 소프트웨어 공학 및 복잡한 비즈니스 자동화 분야에서 뛰어난 능력을 보여줍니다.

코딩 및 에이전트 벤치마크

코딩 에이전트 인덱스: ML4는 49.8%의 종합 점수를 기록하여 DeepSeek V4 Pro 0813 및 Qwen3.8 Max를 앞섰습니다.
특정 벤치마크: DeepSWE v1.1에서 61.7%, SWE-Atlas-QnA에서 59.4%, Terminal-Bench 4에서 28.3%를 기록했습니다.
인간 평가: Surge AI의 블라인드 연구에서 ML4는 5개 모델 중 2위를 기록하며 3.74점의 점수를 받았으며, 클로드 오퍼스 5(4.22점)에 이어졌습니다.

비즈니스 자동화

AutomationBench: Gmail, Slack, Salesforce를 포함한 657개의 비즈니스 워크플로우에서 59.9%의 점수를 기록하여 Kimi K3 및 DeepSeek V4 Pro를 앞섰습니다.
AA-Briefcase: 장기적 지식 작업에서 ML4는 1,393 Elo를 기록하여 DeepSeek V4 Pro를 능가했습니다.

멀티모달 및 과학적 능력

ML4는 시각적 이해력과 과학적 추론 능력에서 중요한 진보를 이룹니다.

시각적 기반

ML4는 복잡한 문서, 차트, 기가픽셀 위성 이미지에 걸쳐 추론할 수 있습니다. 시각적 기반 테스트에서 Dense 200 벤치마크에서 GPT-6-Astra(41%)를 42%로 앞섰습니다.

과학 및 수학

SciCode-Verified: ML4는 코드로 복잡한 과학 워크플로우를 구현하는 데 있어 오픈웨이트 모델 중 최첨단 수준입니다.
STEM 성능: 내부 평가 결과, ML4는 CAD 및 STEM 작업에서 GLM-5.3보다 선호되며, 금융 및 코딩 분야에서도 경쟁력이 있습니다.
응용 수학: 모델은 전체 하트리-폭 시뮬레이션을 생성하고 최전방 이론 물리학 작업을 처리할 수 있습니다.

지식 작업: 법무 및 금융

ML4는 고정밀 전문 업무에 최적화되어 있습니다. vals.ai의 제3자 평가에 따르면, ML4는 대표적인 법무 및 금융 업무에서 GPT-6-Astra를 초월했습니다. 또한, HarveyAI의 법무 에이전트 벤치마크에서 모든 오픈소스 모델을 앞질렀습니다.

대규모 강화 학습

Mistral은 모델의 진화에 따라 적응할 수 있도록 구성 가능한 강화 학습(RL) 라이브러리를 사용합니다. 이 시스템은 코드 샌드박스와 웹 검색과 같은 공유 구조를 활용해, 안전성 정렬부터 장기적 도구 사용에 이르기까지 다양한 작업을 하나의 훈련 실행에서 결합할 수 있습니다.

3,000개 GPU 규모에서, 단일 훈련 실행은 하루에 약 330억 토큰을 생성하며, 그중 160억 토큰은 훈련 가능한 완성 토큰입니다. Mistral은 현재 RL 프로세스가 "진행 중"이며, 포화 상태에 도달하지 않았다고 보고하며, 컴퓨팅 규모가 증가함에 따라 추가적인 능력 향상이 기대된다고 밝혔습니다.

커뮤니티의 시각

Hacker News에서의 커뮤니티 반응은 기대감과 비판적 관찰이 혼합되어 있습니다:

"오픈웨이트, 유럽산, GLM-5.3과 사이버보안에서 경쟁. 좋아할 점이 뭐가 있겠어?"

일부 사용자는 현재 중국 오픈웨이트 모델의 지배적 위치에 도전할 수 있는 중국 외부의 오픈모델이 더 필요하다고 표현했으며, 다른 사용자는 ML4의 막대한 규모에 비해 DeepSeek v4.1 Flash와 같은 작은 모델의 효율성을 언급했습니다.