미스트랄 라지 4 오픈웨이트 공개 — 스펙·벤치마크·로컬 구동 정리

미스트랄(Mistral AI)이 2026년 10월 29일 미스트랄 라지 4(Mistral Large 4)의 오픈웨이트를 공개했습니다. 1조 파라미터급 멀티모달 모델을 누구나 내려받아 쓸 수 있게 된 셈인데, 폐쇄형 프런티어 모델과 뭐가 다르고 홈랩·개인 서버에서 실제로 돌릴 수 있는지가 관건입니다. 이 글은 공개된 스펙과 벤치마크, 라이선스, 그리고 로컬 구동에 필요한 하드웨어 현실을 한 번에 정리합니다.

핵심 요약

1.05조 파라미터 MoE 모델이지만 토큰당 활성 파라미터는 약 49B(임베딩 포함 52B)로, 전체 중 5% 안팎만 계산에 쓰여 효율이 높습니다.
컨텍스트 100만 토큰 — 이전 라지 3(256K)의 4배로, 긴 문서·코드베이스 처리에 유리합니다.
오픈웨이트로 풀렸지만 완전한 오픈소스는 아닙니다. 모델을 서비스(MaaS)로 재판매하려면 별도 상용 라이선스가 필요합니다.
API 가격은 백만 토큰당 입력 약 $0.70 / 출력 약 $2.10로, 성능 대비 저렴한 편입니다.
로컬 풀 구동은 GPU 8장급이 기준이고, 양자화하면 512GB 통합 메모리를 가진 고사양 1대에서도 느리게나마 돌아갑니다.

미스트랄 라지 4란

미스트랄 라지 4는 프랑스 미스트랄 AI의 최상위 플래그십 모델입니다. 10월 6일 미스트랄 스튜디오와 API를 통해 프리뷰로 먼저 공개됐고, 약 3주 뒤인 10월 29일 모델 가중치(weights)가 정식으로 풀렸습니다. 코드명은 '르 숑크(Le Chonk)'로 알려져 있습니다.

가장 큰 의미는 **"프런티어급 성능에 근접한 모델을 오픈웨이트로 받을 수 있다"**는 점입니다. GPT나 제미나이 같은 폐쇄형 모델은 API로만 쓸 수 있어 데이터가 외부로 나가지만, 오픈웨이트 모델은 가중치를 내려받아 내 인프라 안에서 돌릴 수 있습니다. 데이터 주권이나 규제가 중요한 환경, 그리고 홈랩에서 직접 실험하려는 사용자에게 선택지가 하나 더 늘어난 셈입니다.

무엇이 달라졌나 — 스펙 정리

핵심 스펙을 이전 세대와 비교하면 다음과 같습니다.

항목	미스트랄 라지 3	미스트랄 라지 4
구조	—	희소 MoE (전문가 혼합)
총 파라미터	—	약 1.05조
활성 파라미터/토큰	—	약 49B (임베딩 포함 52B)
전문가 구성	—	라우팅 128 + 공유 1, 토큰당 4개 활성
컨텍스트	256K	1M (4배)
멀티모달	—	1.6B 비전 인코더 (텍스트·이미지 입력)
언어	—	160개 이상 (EU 전 공식 언어 포함)

MoE(Mixture of Experts, 전문가 혼합) 구조란 거대한 모델을 여러 '전문가' 하위 네트워크로 나누고, 입력 토큰마다 일부 전문가만 선택적으로 켜는 방식입니다. 라지 4는 128개의 라우팅 전문가 중 토큰당 4개 + 공유 전문가 1개만 활성화합니다. 덕분에 전체 용량은 1조 규모지만 실제 추론 비용은 49B급 모델 수준으로 유지됩니다. 멀티모달 입력은 텍스트와 이미지를 받아 텍스트로 답하는 형태이며, 이미지 생성은 지원하지 않습니다.

벤치마크로 보는 실력

미스트랄이 공개한 수치 기준으로, 오픈웨이트 최종본은 프리뷰보다 개선됐습니다.

Terminal-Bench 4.0: 41% (프리뷰 약 28% → 상향)
B3 에이전트 보안: 공격 저항 97.1% (프리뷰 93.3% → 상향)
Artificial Analysis 코딩 에이전트 지수: 48%

다만 벤치마크는 대부분 미스트랄 자체 보고치이므로 참고로만 보는 게 좋습니다. 독립 평가 기관 Artificial Analysis의 종합 지능 지수(Intelligence Index)에서는 38점으로, 서구권 오픈 모델 중에서는 앞서지만 일부 중국계 오픈 모델(GLM 계열 등)에는 뒤지는 것으로 평가됐습니다. 즉 "최상위 폐쇄형 모델을 완전히 따라잡았다"기보다, 오픈웨이트 진영에서 상위권이면서 자체 서버 구동이 가능하다는 점이 강점입니다.

로컬에서 돌릴 수 있을까

가장 현실적인 질문입니다. 결론부터 말하면 "원본 그대로는 어렵지만, 양자화하면 고사양 한 대로 가능"입니다.

구동 방식	필요 환경	비고
풀(원본) 추론	노드당 GPU 8장 + 텐서 병렬	모델 카드 권장 구성
레퍼런스 테스트	H200 8장	Hugging Face 측 검증 환경
양자화 추론	통합 메모리 512GB 1대(애플 실리콘 울트라 등)	프리필 약 90 tok/s, 생성 약 15 tok/s

개인 홈랩에서 8-GPU 노드는 비현실적이지만, 양자화 버전은 애플 실리콘 울트라급 단일 머신에서도 돌아갑니다. 다만 생성 속도가 초당 15토큰 안팎이라 실시간 대화보다는 배치 작업이나 비대화형 처리에 적합합니다. 대부분의 개인 사용자에게는 API로 쓰다가, 민감 데이터·오프라인 요건이 생겼을 때 양자화 모델을 자체 호스팅하는 하이브리드가 가장 현실적입니다.

로컬 서빙은 vLLM 같은 추론 엔진 위에서 텐서 병렬로 올리는 것이 일반적입니다. 로컬 AI를 처음 다룬다면 엔비디아 Nemotron 3.5 ASR 로컬 구동 정리처럼 작은 모델부터 손에 익히는 편이 좋습니다.

라이선스에서 주의할 점

라지 4는 '미스트랄 에코시스템 오픈웨이트 라이선스(Mistral Ecosystem Open-Weight License)'로 배포됩니다. 수정된 MIT 계열로, 사용·수정·파인튜닝·상업적 배포를 폭넓게 허용합니다. 단 한 가지 제약이 있습니다.

모델을 모델-as-a-서비스(MaaS) 형태로 제공하는 사업자는 미스트랄의 별도 상용 라이선스가 필요하다.

즉 "내 서비스 백엔드에서 추론용으로 쓰는 것"은 자유롭지만, "이 모델 자체를 호스팅해 외부에 API로 되파는 것"은 추가 계약 대상입니다. Apache 2.0 같은 완전 개방형이 아니라는 점을 꼭 구분해야 합니다.

가격은 어떤가

자체 호스팅이 부담스럽다면 API도 저렴한 편입니다. 백만 토큰당 입력 약 $0.70, 출력 약 $2.10이고, 캐시된 입력은 $0.07까지 떨어집니다. 배치 처리는 50% 할인됩니다. 긴 컨텍스트를 반복 사용하는 워크플로라면 캐싱으로 비용을 크게 줄일 수 있습니다. 올해 전반적인 가격 하락 흐름은 2026 AI API 가격 전쟁 글에서 더 자세히 다뤘습니다.

정리

미스트랄 라지 4의 오픈웨이트 공개는 "프런티어급에 근접한 모델을 내 인프라에서 돌릴 수 있다"는 선택지를 넓혔다는 데 의미가 있습니다. 100만 토큰 컨텍스트와 효율적인 MoE 구조는 분명한 장점이지만, 풀 구동에는 여전히 GPU 8장급이 필요하고 라이선스에도 MaaS 제약이 있습니다. 대부분은 평소엔 저렴한 API, 민감 데이터나 오프라인 요건이 생기면 양자화 자체 호스팅이라는 하이브리드가 가장 합리적입니다. 폐쇄형과 오픈웨이트를 저울질 중이라면, 데이터가 어디에 머물러야 하는지부터 기준을 세워 보세요.

미스트랄 라지 4 오픈웨이트 공개 — 로컬에서 돌릴까