1조 개 가중치가 열렸다 — 미스트랄 Large 4 '르 총크', 이제 누구나 내려받는다

미스트랄이 2026년 10월 29일, 대형 모델 Large 4의 가중치를 공개했다. 별명은 '르 총크'다. 지금까지는 미스트랄의 미리보기 API로만 써 볼 수 있던 모델인데, 이제 허깅페이스에서 내려받아 자기 서버에 올려 돌릴 수 있게 됐다. API로 빌려 쓰는 것과 가중치를 직접 갖는 것은 다른 일이다. 빌려 쓸 때는 제공자의 서버와 규칙 안에서만 움직이지만, 가중치를 가지면 모델을 검사하고, 고치고, 자기 환경에 맞게 돌릴 수 있다. 이번 글은 그 차이가 실제로 무엇을 바꾸는지, 그리고 어디까지가 확인된 사실인지를 정리한다.

순서부터 짚자. 미스트랄은 10월 6일 Large 4를 공개 프리뷰로 먼저 내놨다. 그때는 API로만 써 볼 수 있었고, 가중치는 '월말까지' 공개하겠다는 약속만 있었다. 약속은 10월 29일에 지켜졌다. 이번에 풀린 것은 프리뷰 그대로가 아니라, 이후 3주간 추가 강화학습을 거친 개선된 버전이다. 미스트랄 발표에 따르면 이 3주 동안 코딩과 방어적 사이버 보안 성능이 크게 올랐고, 추론 효율도 좋아졌다. 다만 이 개선폭은 미스트랄이 밝힌 수치라는 점을 먼저 밝혀 둔다.

크기는 이렇다. 허깅페이스 모델 카드 기준, Large 4는 약 1조 개 파라미터의 혼합 전문가 모델로, 글과 이미지를 입력받고 글로 답한다. 토큰 하나를 처리할 때 실제로 작동하는 전문가는 약 490억 개 규모이고, 임베딩과 출력층까지 합치면 약 520억 개로 표기된다. 숫자 두 개가 헷갈릴 수 있는데, 기준이 다를 뿐이다. 전체 전문가 128개 중 토큰마다 4개가 활성화되고, 1개의 공유 전문가가 더해지는 구조다. 프리뷰 발표 때는 전체를 1.05조 개로 소개한 보도도 있었는데, 공개된 모델 카드는 약 1조 개로 적고 있다. 같은 모델을 두고 반올림과 표기 기준이 달라진 것으로 이해하는 것이 맞다.

문맥 길이는 100만 토큰이다. 긴 문서 뭉치를 통째로 넣고 질문하는 작업, 코드 저장소 단위로 살펴보는 작업이 가능한 범위다. 언어는 160개 이상을 지원한다고 모델 카드에 적혀 있다. 추론의 깊이는 low, medium, high 세 단계로 고를 수 있고, 기본값은 high다. 간단한 답은 가볍게, 어려운 작업은 깊게 추론하도록 조절하는 장치다.

'누구나 내려받는다'는 말은 조심해서 읽어야 한다. 파일이 공개됐다는 사실과 아무 컴퓨터에서나 돌아간다는 사실은 다르다. 공식 vLLM 조리법은 GPU 8장에 나눠 올리는 구성을 제시한다. 블랙웰 GPU용으로 줄인 NVFP4 버전도 함께 나왔고, 모델 카드에 따르면 FP8 버전과 성능 차이가 없다고 한다. 내장된 DSpark라는 추론 가속 장치도 있는데, 미스트랄 측정 기준으로 처리량이 최대 1.9배까지 올랐다고 한다. 이 수치도 미스트랄 측정이라는 단서가 붙는다. 결국 '누구나'는 개인 노트북이 아니라, 서버급 GPU를 갖춘 조직과 개발자에게 열렸다는 뜻에 가깝다.

성능 주장은 미스트랄 발표를 기준으로 정리한다. 코딩 에이전트 지표에서 48%를 기록해 중국 GLM-5.3과 사실상 동점인데, 과제당 토큰을 47% 적게 썼다고 한다. 터미널 벤치 4.0에서는 프리뷰보다 13%포인트 오른 41%를 기록했고, 출력 토큰은 30% 줄었다고 한다. 코딩 품질 종합 지표인 프론티어코드 2.0에서는 19.7%로 1위라고 한다. 종합 지능 지수에서는 26점을 받아 서구권 오픈 웨이트 모델 중 가장 높았지만, 중국 모델들이 전체 합계에서는 더 높았다고 모델 카드 스스로 밝히고 있다. '최고'라는 말은 범위를 붙여야 정확해진다. 미스트랄이 '코딩 분야 최고의 오픈 웨이트 모델'이라고 한 표현도 회사의 주장으로 읽어야 한다.

사이버 보안은 이번 공개의 또 다른 축이다. 사이버 지수 51%, 악성 사이버 요청에 대한 거부율 96.6%, 에이전트 보안 지표에서는 공격의 97.1%를 막아 프리뷰의 93.3%보다 좋아졌다고 미스트랄은 말한다. 동시에 미스트랄은 스스로 주의점을 적었다. 실제 트래픽을 지켜보며 실제 공격에 도움이 될 가능성을 확인했고, 가드레일을 바꾸고 있다고 밝혔다. 침투 테스트용으로 특화한 변형은 검증된 파트너에게만 계약 하에 제공된다. 가중치가 한 번 퍼지면 회수할 수 없다는 점까지 생각하면, 공개와 안전장치는 함께 봐야 한다.

라이선스는 이번 공개에서 가장 꼼꼼히 읽어야 할 부분이다. 적용되는 것은 Mistral Ecosystem Open-Weight License로, 변형 MIT 라이선스다. 쓰고, 고치고, 미세 조정하고, 상용으로 파는 것까지 허용된다. 단, 단서가 하나 있다. 모델을 서비스 형태로 제공하는 사업을 하려면 미스트랄과 별도 상용 라이선스를 맺어야 한다. 자기 서버에서 직접 돌리거나, 만든 제품 안에 넣는 것과, 모델 자체를 남에게 서비스로 파는 것은 다르게 취급된다는 뜻이다. 자세한 적용 범위는 라이선스 본문을 직접 확인하는 것이 안전하다.

API로 쓰는 길도 함께 열려 있다. 미스트랄 발표 기준, 가격은 입력 토큰 100만 개당 0.70달러, 캐시된 입력은 0.07달러, 출력은 2.10달러다. 마이크로소프트 파운드리가 첫 클라우드로 제공에 나섰고, 엔비디아 NIM 컨테이너와 오픈라우터, 미스트랄 자체 스튜디오와 API, 코딩 도구인 바이브 코드에서도 쓸 수 있다. 가중치를 내려받지 않고도 써 볼 수 있는 통로는 넓다. 다만 이 가격과 제공처는 발표 기준이라는 단서가 붙는다.

아직 확인되지 않은 것도 있다. 미스트랄은 전체 기술 보고서를 '곧 공개'한다고만 했다. 벤치마크 수치는 대부분 미스트랄이 직접 측정한 것으로, 독립적인 재현 결과가 아직 공개된 단계는 아니다. 모델이 실제로 어떤 작업에서 강하고 어디에서 약한지는, 여러 조직이 직접 돌려보고 나서야 가려질 것이다. 미스트랄 스스로도 '최고'라는 표현에 범위를 붙이고 있고, 종합 지수에서는 중국 모델이 앞선다고 모델 카드에 적혀 있다. 공개 당일의 수치를 확정된 순위로 받아들이지 않는 것이 맞다.

그럼에도 이번 공개가 바꾸는 것은 분명하다. 첫째, 통제권이다. 자기 데이터와 워크플로를 외부 API에 맡기지 않고, 자기 인프라 안에서 모델을 검사하고 고칠 수 있다. 미스트랄은 이를 '주권 AI'라는 말로 설명한다. 둘째, 맞춤화다. 모델 카드에는 액슬롯, 언슬로스, TRL 같은 미세 조정 도구 지원이 안내돼 있다. 자기 데이터로 다듬은 버전을 만들 수 있다는 뜻이다. 셋째, 책임의 이동이다. API를 쓸 때는 제공자가 가드레일과 운영을 맡지만, 직접 돌리면 안전장치와 운영 책임도 함께 가져오게 된다.

회사 이야기는 짧게만 하자. 이번 글의 주인공은 미스트랄이라는 회사가 아니라, 공개된 가중치 자체다. 미스트랄은 이미 여러 오픈 모델을 내온 회사로, Large 4는 그 가운데 가장 크고 성능이 높다고 소개하는 모델이다. 이전 모델들의 연혁을 길게 늘어놓을 필요는 없다. 중요한 것은 이번에 무엇이 달라졌는가다. API 미리보기에서 끝날 수도 있었던 모델이, 실제로 내려받을 수 있는 형태로 나왔다는 점이다.

앞으로 지켜볼 지점은 세 가지다. 첫째, 기술 보고서가 공개되면 모델의 학습과 평가 방법이 얼마나 투명하게 드러나는지다. 둘째, 여러 조직이 직접 돌린 독립 평가가 미스트랄 수치와 얼마나 맞는지다. 셋째, 라이선스 단서가 실제로 어떻게 적용되는지다. 모델을 서비스로 제공하는 사업의 경계가 현장에서 어떻게 그어지는지는, 앞으로의 사례가 말해줄 것이다.

정리하면 이렇다. 1조 개짜리 모델의 가중치가 열렸다는 것은, API 뒤에 있는 모델을 '빌리는' 단계를 넘어, 직접 '가져와서' 돌릴 수 있게 됐다는 뜻이다. 다만 '누구나'에는 서버급 하드웨어라는 전제가 붙고, '열렸다'에는 서비스형 제공에 대한 라이선스 단서가 붙는다. 숫자도 정의와 출처를 붙여 읽어야 한다. 가중치 공개는 시작일 뿐이고, 이 모델이 실제로 무엇을 바꾸는지는 이제부터 각 조직의 손에서 가려질 것이다.

출처: 미스트랄 공식 발표 'Mistral Large 4 (Le Chonk) is now open weight'(2026년 10월 29일), 허깅페이스 모델 카드 mistralai/Mistral-Large-4-1T-A52B 및 NVFP4 모델 카드. 수치와 성능 주장은 미스트랄 발표와 모델 카드 내용이며, 독립 검증된 결과가 아니다.