미스트랄 대형 4는 미스트랄 AI의 새로운 플래그십 모델입니다. 약 1조 개의 매개변수를 가지고 있으며, 유럽에서 처음부터 훈련되었고, 공개 가중치는 2026년 10월 말에 출시될 예정입니다. 가장 똑똑한 모델은 아니지만, 주목할 만한 점은 폐쇄형 플래그십 모델들이 거부하거나 뒤처지는 몇 가지 분야에서 선두를 차지하고 있다는 것입니다: 방어 보안 작업, 이미지 내 객체 위치 찾기, 법률 연구 에이전트 등입니다.
미스트랄은 2026년 10월 6일에 이를 공개 미리보기로 출시했습니다. 이 모델의 별명은 "르 총크"입니다. 이 포스트에서는 모델이 무엇인지, 잘하는 점, 부족한 점, 그리고 AIHubMix를 통해 어떻게 시도할 수 있는지에 대해 다룹니다.
한눈에 보기
| 미스트랄 대형 4 | |
|---|---|
| 개발자 | 미스트랄 AI (프랑스) |
| 출시일 | 2026년 10월 6일 |
| 상태 | 공개 미리보기 |
| API ID | mistral-large-4 |
| 매개변수 | 총 1.05T, 약 50B 활성 |
| 컨텍스트 윈도우 | 1M 토큰 |
| 입력 / 출력 | 텍스트 및 이미지 입력, 텍스트 출력 |
| 추론 | 기본적으로 활성화, 끌 수 있음 |
| 1M 토큰당 가격 | 입력 $1.36, 출력 $4.18 |
| 공개 가중치 | 10월 말 예정 |
AIHubMix에서 모델 ID는 mistral-large-4-0이며, 미스트랄에서도 별칭으로 인정합니다. 여기의 사양은 미스트랄의 모델 카드를 따릅니다. 미스트랄은 활성 매개변수 수로 49B와 52B를 모두 제시했습니다. 공개 가중치에 대한 라이센스는 발표되지 않았습니다.
이 모델은 전문가 혼합 모델로, 각 토큰에 대해 활성화된 매개변수의 비율이 작습니다. 1.6B 매개변수의 비전 인코더를 가지고 있으며, 요청당 최대 100개의 이미지를 수용할 수 있고, 160개 이상의 언어를 지원합니다. 미스트랄은 이를 유럽의 자체 데이터 센터에서 3,800개의 NVIDIA Grace Blackwell GPU를 사용하여 훈련했으며, 다른 회사의 기본 모델 위에서 훈련하지 않았습니다.
잘하는 점
아래 수치는 미스트랄의 출시 포스트와 Artificial Analysis 및 Vals AI의 독립적인 실행에서 가져온 것입니다. 미스트랄의 수치는 자체 보고된 것이며, 모두 미리보기 동안 훈련이 진행 중일 때 측정되었습니다.
| 분야 | 벤치마크 | 대형 4 | 비교용 |
|---|---|---|---|
| 보안 | CyberGym-E2E | 82% | MiMo-V2.6-Pro 79% |
| 보안 | Cybench (40 CTFs) | 93% | 비교되지 않음 |
| 비전 | DIOR-RSVG | 73% | GPT-6 Astra 68% |
| 비전 | Dense200 | 42% | GPT-6 Astra 41% |
| 법률 | Harvey Legal Agent | 15.8% | Kimi K3 12.9% |
| 재무 | Finch | 67% | DeepSeek V4 Pro 67% |
방어 보안. CyberGym-E2E는 모델에게 실제 취약점을 재현하고 이를 패치하도록 요청합니다. 대형 4는 Artificial Analysis의 실행에서 최고 점수를 기록했습니다. 미스트랄에 따르면, Claude Opus 5.5와 GPT-6 Astra는 이 작업을 거부하기 때문에 거의 제로에 가까운 점수를 기록합니다. 그러나 모든 것에 "예"라고 하지는 않습니다. 미스트랄은 테스트한 다른 모든 공개 모델보다 유해한 사이버 요청을 더 자주 거부하며, Lakera의 B3 프롬프트 주입 벤치마크에서 93.3%의 공격을 차단했다고 보고합니다.
이미지 내 객체 찾기. 대형 4는 시각적 기초 작업을 수행할 수 있습니다: 객체가 어디에 있는지를 표시할 수 있으며, 단순히 설명하는 것에 그치지 않습니다. DIOR-RSVG는 위성 및 항공 이미지를 테스트하고, Dense200은 혼잡한 장면을 테스트합니다. 미스트랄의 데모에는 기가픽셀 위성 이미지를 스캔하고 엔지니어링 도면의 부품을 확인하는 작업이 포함됩니다.
법률 및 재무 작업. Harvey의 법률 에이전트 벤치마크에서 Vals AI는 76개 모델 중 6위, 공개 모델 중 1위를 기록했습니다. Finch라는 재무 벤치마크에서 미스트랄의 차트는 DeepSeek V4 Pro와 동등한 수준을 보여줍니다.
Artificial Analysis는 이번 출시를 다음과 같이 요약했습니다: "프랑스는 미국과 중국 외부에서 가장 지능적인 모델을 다시 보유하게 되었습니다."
부족한 점
대형 4는 전방위적인 모델이 아닙니다:
- 일반 지능. Artificial Analysis의 지능 지수에서 38점을 기록했습니다. 이는 GPT-6 Luna와 동점이며, 공개 모델 GLM-5.3 (45) 및 Kimi K3 (44)보다 뒤처집니다.
- 터미널 중심의 코딩. Vals AI의 실행에서 Terminal-Bench 4에서 22.7%를 기록하여 45개 중 21위에 올랐습니다. Claude Opus 5.5는 65.2%를 기록했습니다.
- 수학 증명 및 긴 PDF 보고서. ProofBench에서 10%, GDP.pdf에서 19%를 기록했습니다. GPT-6 Astra는 GDP.pdf에서 약 32%를 기록했습니다.
- 작업당 비용. Artificial Analysis의 집계에 따르면, 하나의 지능 지수 작업은 정가로 $1.13의 비용이 듭니다. 비슷한 능력을 가진 공개 모델인 GLM-5.3-Flash는 약 $0.25의 비용이 듭니다.
대형 3과의 비교
| 대형 3 | 대형 4 | |
|---|---|---|
| 매개변수 | 총 675B, 활성 41B | 총 1.05T, 약 50B 활성 |
| 컨텍스트 | 256K | 1M |
| 요청당 이미지 수 | 8 | 100 |
| 1M 토큰당 가격 | $0.50 / $1.50 | $1.36 / $4.18 |
| 가중치 | Apache 2.0, 현재 사용 가능 | 10월 말 예정 |
대형 4는 대형 3보다 토큰당 약 2.7배 더 비쌉니다. 대형 3이 이미 잘 처리하는 간단하고 대량의 텍스트 작업의 경우, 업그레이드가 비용을 회수하지 못할 수 있습니다.
부르기 전에 알아야 할 두 가지
사고는 기본적으로 활성화되어 있습니다. 미스트랄의 API에서 reasoning_effort는 "none" 또는 "high"를 사용합니다. AIHubMix를 통해 10월 9일에 수행된 테스트에서는 모델이 reasoning_effort가 무엇이든 간에 사고를 한다는 것이 발견되었습니다. 사고 토큰은 출력으로 청구됩니다. 사고를 끄려면 요청 본문에 "reasoning": {"effort": "none"}를 보내야 하며, 아래 샘플과 같이 해야 합니다. 사고가 활성화되면, 미스트랄의 추론 가이드에 따르면 다음 턴에 다시 보내야 합니다. AIHubMix를 통해 도착하면 별도의 reasoning_details 필드에 포함되며, 다음 요청은 이를 보조 메시지의 일부로 수용합니다.
미리보기입니다. 미스트랄의 라이프사이클 정책에 따라 미리보기 모델에 대한 조용한 업데이트가 가능하며, 모델을 종료하기 전에 한 달의 공지를 제공합니다. 소규모 테스트 프롬프트 세트를 유지하고 가끔 다시 실행하세요.
AIHubMix를 통해 시도해 보세요
AIHubMix는 OpenAI 호환 Chat Completions 엔드포인트를 통해 대형 4를 제공합니다. 아직 키를 설정하지 않았다면, 빠른 시작를 통해 몇 분 안에 설정할 수 있습니다.
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["AIHUBMIX_API_KEY"],
base_url="https://aihubmix.com/v1",
)
response = client.chat.completions.create(
model="mistral-large-4-0",
messages=[{
"role": "user",
"content": "Write a Sigma rule that flags PowerShell launched by Office apps, "
"and explain each condition in one line.",
}],
extra_body={"reasoning": {"effort": "none"}}, # 사고 끄기
)
print(response.choices[0].message.content)
답변은 항상 content에서 평범한 문자열로 제공됩니다. reasoning 필드를 생략하면 모델이 먼저 사고합니다. 사고는 message.model_extra["reasoning_details"]의 목록으로 도착하며, 그 토큰은 출력으로 계산됩니다. 사고가 활성화된 경우, max_tokens에 충분한 여유를 두세요. 테스트에서 300 토큰 한도가 사고로 소진되어 빈 답변이 반환되었습니다.
누가 시도해야 할까요
- 취약점 재현, 패치, 악성 코드 분석 또는 폐쇄형 모델이 거부하는 탐지 규칙을 수행하는 보안 팀.
- 위성 및 항공 검사, 엔지니어링 도면, 혼잡한 장면 등에서 상자가 캡션보다 더 중요한 이미지 작업을 수행하는 팀.
- 에이전트 벤치마크에서 상위에 가까운 공개 모델을 원하는 법률 및 재무 개발자.
- 미국이나 중국이 아닌 모델이 필요하고 EU에서 호스팅되는 배포 및 자체 호스팅 경로가 필요한 유럽 조직.
일반 코딩 에이전트나 비용에 민감한 일상 작업의 경우, 먼저 다른 모델과 비교하세요. AIHubMix 모델 목록를 통해 동일한 프롬프트를 대형 4와 그 대안에 대해 하나의 키로 실행할 수 있습니다.
자주 묻는 질문
미스트랄 대형 4란 무엇인가요?
미스트랄 AI의 플래그십 모델로, 2026년 10월 6일에 공개 미리보기로 출시되었습니다. 1.05조 개의 매개변수를 가진 전문가 혼합 모델로, 텍스트와 이미지 입력을 받고 텍스트를 반환합니다.
미스트랄 대형 4는 오픈 소스인가요?
아직 아닙니다. 미스트랄은 2026년 10월 말에 가중치를 공개할 계획이지만, 라이센스는 발표되지 않았습니다. 대형 3의 Apache 2.0 라이센스는 자동으로 적용되지 않습니다.
비용은 얼마인가요?
정가로 입력 토큰 1백만 개당 $1.36, 캐시된 입력 토큰 1백만 개당 $0.14, 출력 토큰 1백만 개당 $4.18입니다.
컨텍스트 윈도우의 길이는 얼마인가요?
미스트랄의 모델 카드에 따르면 1M 토큰입니다. 이는 대형 3의 256K보다 네 배입니다.
GPT-6 또는 Claude보다 나은가요?
특정 분야에서만: 폐쇄형 모델이 거부하는 방어 보안 작업, 시각적 기초 작업, Harvey의 법률 에이전트 벤치마크에서만 그렇습니다. 광범위한 지능과 에이전트 코딩에서는 폐쇄형 플래그십 모델이 여전히 앞서 있습니다.
추론을 지원하나요?
예, 기본적으로 활성화되어 있습니다. AIHubMix를 통해 사고는 별도의 reasoning_details 필드로 돌아옵니다. 이를 끄려면 요청 본문에 effort가 none으로 설정된 추론 객체를 보내야 합니다. reasoning_effort를 none으로 설정해도 AIHubMix에서는 꺼지지 않습니다.
이미지를 읽을 수 있나요?
예. 요청당 최대 100개의 이미지를 수용할 수 있으며, 이미지 내 객체의 위치를 표시할 수 있습니다. 이미지를 생성할 수는 없습니다.
출처
- 미스트랄 대형 4 소개 (미스트랄 AI)
- 미스트랄 대형 4 모델 카드 (미스트랄 문서)
- AIHubMix의 미스트랄 대형 4.0
- 미스트랄 대형 4: 프랑스는 미국과 중국 외부에서 가장 지능적인 모델을 보유하고 있습니다 (Artificial Analysis)
- 미스트랄 대형 4 벤치마크 (Vals AI)
