Mistral Large 4 프리뷰 공개, 사이버 시험 82%와 견준 경쟁 모델 0%대는 과제 거부

CWE-Bench-AA에서 Opus 5.5와 Astra는 과제의 9.2%와 13.3%를 거부하고도 Large 4보다 높은 점수를 받았습니다. DeepsecBench-AA에서도 두 모델이 앞섰습니다. Large 4가 Cyber Index에서 두 모델을 넘어선 차이는 CyberGym-E2E-AA 한 시험에서 나옵니다.

Cyber Index 종합 순위는 공개 모델 18개 중 5위다

Large 4 프리뷰의 Cyber Index는 49.5로, Artificial Analysis의 Cyber Index 순위 페이지에서 공개 이용 가능한 18개 모델 가운데 5위입니다. 공개 모델 가운데 Grok 4.7(56.4)과 MiMo-V2.6-Pro(56.1)가 1·2위이고, GPT-6 Luna(52.7)와 GLM-5.3-Flash(49.9)도 Large 4보다 높습니다.

신뢰 접근 모델인 GPT-6 Sol (Daybreak Blue)까지 넣으면 Large 4는 19개 중 6위입니다. Mistral AI 발표문의 ‘세계 상위 5위 안’이라는 표현도 CyberGym-E2E-AA 1위와 마찬가지로 이 모델이 들어오기 전 순위와 맞습니다.

성공과 안전 차단을 나눠 그린 발표문의 Cyber Index 도표에는 Large 4보다 점수가 높은 공개 모델 네 개가 없습니다. 도표는 Large 4를 Qwen3.8 2.4T A95B, Claude Opus 5.5, GPT-6 Astra, GLM-5.3, Kimi K3, DeepSeek V4.1 Flash와 견줬고, 이 여섯 모델은 모두 Large 4보다 점수가 낮습니다. 같은 발표문의 다른 Cyber Index 도표에는 GLM-5.3-Flash가 Large 4와 같은 점수로 나옵니다.

발표문은 Large 4가 중국 밖에서 개발된 오픈 웨이트 모델을 큰 차이로 앞선다고도 썼습니다. 순위 페이지 데이터에서 오픈 웨이트로 표시된 모델 가운데 중국 밖에서 개발된 것은 엔비디아의 Nemotron 3 Ultra(Cyber Index 13.1) 하나이고, 나머지는 MiMo-V2.6-Pro, GLM-5.3, Kimi K3, Qwen3.8, DeepSeek V4.1 Flash, MiniMax M3 등 모두 중국 회사의 모델입니다. Large 4는 가중치가 아직 공개되지 않아 이 데이터에서 오픈 웨이트로 표시되지 않습니다.

정당한 보안 작업은 받고 악성 요청은 거부한다는 Mistral AI의 주장

Mistral AI는 발표문에서 사이버 보안을 기능 소개의 첫 항목으로 두고, 폐쇄형 모델의 거부를 방어 작업의 걸림돌로 들었습니다. 소프트웨어 방어는 흔히 결함이 실제로 있음을 증명하는 데서 시작하는데, 폐쇄형 모델의 안전 필터가 바로 그런 작업을 막을 수 있다는 주장입니다. 공격자가 같은 폐쇄형 모델을 탈옥해 공격에 쓰는 일이 늘어나는 만큼 방어자에게는 같은 거부에 묶이지 않는 시스템이 필요하다고도 썼습니다.

발표문은 제공자 수준의 거부가 정당한 취약점 연구와 사고 대응을 막을 수 있고 사고 도중 기능을 잃는 것 자체가 보안 위험이 된다고 설명하며, 그 대안으로 가중치 공개와 프라이빗 클라우드·온프레미스 같은 자체 배포를 들었습니다. 내부 시험에서는 악성코드 분석, 취약점 우선순위 정하기, 탐지 규칙 작성에도 쓸모가 있었다고 덧붙였습니다.

같은 발표문의 안전 절은 JailbreakBench, StrongREJECT, AgentHarm의 사이버 프롬프트에 대한 평균 거부율 95.3%를 들어, Large 4가 악성 사이버 요청을 오픈 모델 가운데 가장 많이 거부한다고 밝혔습니다. 도표의 비교 대상은 Kimi K3(93.7%) 등 오픈 모델 다섯 개이고, Claude와 GPT는 없습니다. 정당한 작업 쪽 근거인 82%가 Artificial Analysis의 독립 측정값인 것과 달리, 이 95.3%는 측정 주체를 밝히지 않은 발표문 수치입니다.

Mistral AI는 가중치를 공개하기 전까지 사이버 보안 분야 선도 조직, 검증된 파트너, 국가 기관이 일반 프리뷰와 같은 모델을 조정(moderation)은 줄이고 사이버 능력은 넓힌 상태로 쓰며 실제 환경에서 레드팀 시험을 한다고 밝혔습니다. 대상 기관과 이용 조건, 공개될 가중치에 같은 능력이 들어가는지는 발표문에 없습니다.

1조 파라미터 모델은 가중치보다 API 프리뷰로 먼저 열렸다

Large 4는 세분화된 전문가 혼합(MoE) 구조의 범용 멀티모달 모델이라고 Mistral AI 모델 문서는 설명합니다. 전체 파라미터는 1조 500억 개, 활성 파라미터는 520억 개이고 16억 개 파라미터 규모의 비전 인코더가 따로 있습니다. Mistral AI의 하위 제공자용 기술 문서는 입력을 텍스트와 이미지, 출력을 텍스트로 적습니다. Hugging Face 공개 예정 페이지는 토큰 하나당 활성 파라미터를 490억 개로 적고, 임베딩과 출력층까지 넣으면 520억 개라고 설명합니다.

Mistral AI 발표문에 따르면 Large 4는 유럽에 있는 Mistral AI 자체 데이터센터에서 엔비디아 Grace Blackwell GPU 3,800개로 처음부터 학습했고, 공개 프리뷰도 같은 인프라에서 제공됩니다. 이 프리뷰에 쓰인 강화학습은 아직 끝나지 않았으며, Mistral AI는 앞으로 몇 주에서 몇 달 사이 크고 빠른 개선을 예상한다고 밝혔습니다.

Mistral AI 변경 기록이 적은 API 모델 이름은 mistral-large-4이고, 모델 문서의 별칭 목록에는 mistral-large-4-0도 있습니다. 모델 문서가 밝힌 컨텍스트 길이는 100만 토큰(1M)이지만, Artificial Analysis 모델 페이지는 524k 토큰으로 적었고 차이의 이유는 두 자료 어디에도 없습니다.

Mistral AI 추론 문서에 따르면 이 모델은 reasoning_effort 매개변수로 추론 수준을 고릅니다. 최종 답 앞에 사고 과정 전체를 넣는 high는 토큰을 더 쓰고, none은 사고를 최소화하고 사고 과정을 응답에서 뺍니다.

모델 문서의 정가는 100만 토큰당 입력 1.36달러, 캐시 입력 0.14달러, 출력 4.18달러입니다. 변경 기록은 출시 가격으로 2주 동안 50%를 할인한다고 밝혔습니다. 할인가는 입력 0.68달러, 캐시 입력 0.07달러, 출력 2.09달러입니다.

발표문은 가중치를 10월 말까지 공개하겠다고 했고, Hugging Face 공개 예정 페이지는 저장소 mistralai/Mistral-Large-4-1T-A52B의 예상 공개일을 10월 31일로 표시합니다. 10월 10일 확인 때 이 저장소에는 내려받을 수 있는 가중치 파일이 없었습니다. AI Stock Wire 기사는 Reuters를 인용해 10월 27일 공개를 전했지만 Mistral AI 자료에는 이 날짜가 없습니다.

모델 문서와 변경 기록은 Large 4를 오픈 웨이트 모델로 소개하지만, 모델 문서의 가중치 탭에서 가중치와 라이선스 항목은 모두 ‘Coming soon’입니다. 하위 제공자용 기술 문서는 배포 형태를 서비스 약관을 따르는 SaaS, 비공개 자체 배포 계약을 따르는 온프레미스, 파트너 약관을 따르는 파트너 제공으로 나누고, SaaS 약관을 “모델 가중치 접근을 제한하는 독점 라이선스”로 설명합니다. SaaS로 쓰면 Mistral Usage Policy가 적용됩니다.

기술 문서는 가중치가 공개되면 내용을 고치겠다고 밝혔고, Artificial Analysis 모델 페이지도 Large 4 프리뷰를 가중치가 공개되지 않은 독점 모델로 분류합니다. 가중치가 공개되기 전까지 Large 4를 쓰는 길은 Mistral AI나 파트너의 약관과 계약을 거치는 방식뿐이고, 공개 라이선스로 가중치를 내려받아 쓰는 배포는 그 뒤에 열립니다.

Large 4 프리뷰를 API로 시험할 때 걸리는 조건

API로 비용을 가늠하는 경우 할인가와 정가를 구분해야 합니다. 할인 기간에 잰 비용은 정가로 바뀌면 입력과 출력 모두 두 배가 되는데, 할인 기간은 ‘2주’로만 공지됐고 종료일은 밝혀지지 않았습니다.

같은 할인가에서도 비용은 reasoning_effort 값에 따라 달라집니다. high로 두면 응답에 사고 과정 전체가 붙어 토큰 사용량이 늘고, none이면 사고 과정이 빠집니다. 524k 토큰을 넘는 입력을 넣을 계획이라면 모델 문서의 1M과 Artificial Analysis의 524k 가운데 실제 호출에서 어느 한도가 적용되는지가 먼저 확인할 지점입니다.

보안 업무에 쓰는 경우, 82%는 C/C++ 메모리 안전 취약점을 재현하고 패치하는 과제에서 나온 값입니다. 애플리케이션 코드를 정적으로 검토하는 일이 중심이라면 Large 4가 Opus 5.5와 Astra보다 낮았던 DeepsecBench-AA 결과가 더 가까운 비교 자료입니다. 공개 프리뷰로 얻는 결과는 SaaS 약관과 Mistral Usage Policy가 적용되는 일반 판의 결과이고, 조정을 줄인 판은 레드팀 시험에 참여하는 기관에만 열려 있습니다.

가중치를 내려받아 자체 서버에서 돌릴 계획이라면 아직 공개되지 않은 라이선스 조건이 판단 기준입니다. 가중치가 공개되기 전까지 온프레미스 배포는 Mistral AI와 맺는 비공개 자체 배포 계약으로만 가능합니다. 이 프리뷰의 강화학습이 끝나지 않았다는 발표문 설명에 비추면, 프리뷰로 얻은 시험 결과는 가중치 공개판에서 다시 잴 대상입니다.

자료 확인 기준: 2026년 10월 10일.