2026년 10월 30일, 유럽 인공지능 기업 Mistral이 플래그십 모델 Mistral Large 4 가중치를 코드명 “Le Chonk”로 전격 공개했습니다. 총 파라미터 수가 1.05조 개에 달하는 이 모델은 희소 전문가 혼합(MoE) 아키텍처를 적용했으며 유럽 현지 인프라에서 바닥부터 사전 학습을 마쳤습니다. 이미지, 문서, 코드의 멀티모달 이해를 기본 지원하며 오픈소스 가중치 중 최고 체급에 위치합니다.
Artificial Analysis의 Coding Agent Index 벤치마크에서 Le Chonk는 48%를 기록해 동시대 오픈소스 모델인 GLM-5.3과 사실상 대등한 점수를 기록했습니다. 엔지니어링 실측 데이터는 직관을 깨는 결과를 보여주었습니다. 동일한 소프트웨어 작업을 수행할 때 출력 토큰 소모량이 평균 47% 적었습니다. Mistral은 이러한 고효율 구간을 모델 추론의 “스위트 스폿(Sweet Spot)“이라고 표현했습니다.
대규모 언어 모델의 발전 축이 단순 점수 경쟁에서 엔지니어링 실무 워크로드의 추론 비용으로 옮겨가고 있습니다. 작업 통과율이 비슷할 때 대화 처리량과 VRAM 점유율이 시스템의 실제 상용화 배포 가능 여부를 결정합니다. 이번 데이터는 오픈소스 진영이 연산 비용 구조 측면에서 선도 모델들과 직접 맞붙을 수 있는 경쟁력을 갖추었음을 입증합니다.
선도 모델과 대등한 벤치마크 점수, 단일 작업당 토큰 소모 47% 절감
에이전트가 실무 파이프라인에 진입하면서 긴 문맥과 반복적인 추론 단계가 주된 비용 요인으로 떠올랐습니다. Coding Agent Index에서 Le Chonk는 48%를 달성해 GLM-5.3과 어깨를 나란히 했습니다. 결정적인 차이는 소모량 지표에 있습니다. 토큰 소모를 47% 줄임으로써 긴 호흡의 작업에서 추론 비용을 절반 가까이 아낄 수 있습니다.
Mistral의 발표에 따르면, 저장소 관리자의 실제 변경 사항 병합(Merge) 여부를 판정 기준으로 삼는 Cognition의 FrontierCode 2.0 벤치마크에서 Le Chonk는 19.7%의 병합률을 기록해 GLM-5.3의 19.3%를 소폭 앞섰습니다. 동시대 Kimi K3는 17.8%, GLM-5.3 Flash는 17.3%를 기록했습니다. 반면 순위 하위권에서 Beam 1.0은 14.2%, DeepSeek V4.1 Flash는 2.9%에 그쳤습니다.
병합률에서 소폭 앞선 점은 생성된 코드가 실제 엔지니어링 표준에서 높은 일관성을 지니고 있음을 보여줍니다. 자동 코딩 작업은 불필요한 주석이나 취약한 테스트 코드로 인해 관리자에게 거절당하는 경우가 많습니다. Le Chonk는 출력량을 절반 가까이 줄이면서도 통과율을 지켜냈습니다. 이는 모델 정책이 비효율적인 시행착오와 과도한 엔지니어링(오버엔지니어링)을 효과적으로 억제하고 있음을 보여줍니다.
도표: FrontierCode 2.0 프로그래밍 벤치마크 점수 비교. 실제 저장소 관리자의 코드 병합 여부를 기준으로 평가하며, 엄격한 엔지니어링 기준 아래 각 모델의 점수 분포를 보여줍니다. 출처: Mistral 공식 블로그.
3주간의 강화학습 추가, 터미널 작업 출력 길이 대폭 압축
출력 길이가 큰 폭으로 줄어든 것은 사후 학습(포스트 트레이닝) 최적화 덕분입니다. Mistral은 사전 학습된 베이스 모델 위에 에이전트의 행동 단계를 압축하기 위한 3주간의 강화학습(RL)을 추가했습니다. 터미널 환경 평가 벤치마크인 Terminal-Bench 4.0에서 Le Chonk는 41%의 통과율을 기록했습니다. 이는 기존 프리뷰 버전에 비해 13%포인트 상승한 수치입니다.
성공률이 올라감과 동시에 추론 볼륨은 오히려 줄어들었습니다. 모델은 터미널 작업에서 출력 토큰을 30% 적게 생성했습니다. 공식 발표에 따르면 강화학습을 통한 개선세는 계속 가속화되고 있으며 포화 조짐을 보이지 않고 있습니다. 대화형 환경에 맞게 조율된 보상 모델이 에이전트의 불필요한 군더더기 출력을 효과적으로 걷어냈습니다.
컴퓨팅 예산에 유연하게 대응할 수 있도록 Low, Medium, High의 3단계 추론 모드를 제공합니다. 기본값으로 활성화되는 High 모드는 깊고 긴 추론을 담당하며, Low 모드는 기존의 비추론 상태를 완전히 대체합니다. 단계별 전략 덕분에 사고의 깊이를 운영 가능한 변수로 제어할 수 있습니다. 가벼운 문제 해결 작업에서는 무거운 사고 연쇄(CoT)를 불러올 필요가 없어 높은 동시 처리 상황에서도 VRAM 부담을 크게 덜어줍니다.
악성 요청 거절률 96% 유지, 기업 상용화에 맞춘 보안 표준
모델의 보안 방어력은 기업이 온프레미스 사내망에 도입할 때 핵심 기준이 됩니다. 공식 슬로건은 “Built for Coders, Trusted by Defenders”로 정해졌습니다. 악의적인 네트워크 요청 테스트에서 Le Chonk는 평균 96.6%의 거절률을 기록했습니다. 공식 측은 이 수치가 오픈소스 모델 중 최상위 수준이며, 합법적인 보안 방어 작업에 대해서는 무분별하게 거절하지 않는다고 강조했습니다.
Artificial Analysis의 보안 벤치마크 Cyber Index에서 Le Chonk는 51%를 기록했습니다. 동일한 테스트에서 DeepSeek-V4.1-Flash는 57%, MiMo-V2.6-Pro는 56%를 나타냈습니다. 반면 Surge Code 블라인드 선호도 평가에서는 Claude Opus 5.5에 이어 2위를 차지했습니다. 이 블라인드 코드 평가는 동시대 다른 오픈소스 경쟁 모델들을 모두 앞섰습니다.
높은 거절률과 보안 지표 간의 차이는 미세조정(파인튜닝)의 양면성을 보여줍니다. 96.6%의 차단율은 자동화된 해킹 스크립트 생성을 사전에 차단해 기업의 규제 준수 요구를 만족시킵니다. 하지만 깊이 있는 취약점 리버스 엔지니어링과 적대적 검증을 다룰 때 엄격한 보안 제한이 탐색 공간을 좁히는 측면도 있습니다. 실무 배포를 위한 튜닝은 권한 침해 공격 방지와 심층 추론 능력 유지 사이에서 균형을 잡아가고 있습니다.
1조 파라미터 사내 인프라 구축: 유럽의 소버린 컴퓨팅이 마주한 경제성 셈법
Le Chonk는 1.05조 개의 총 파라미터를 갖추고 희소 MoE 방식으로 동작합니다. 단일 순전파(Forward pass) 시 일부 파라미터만 활성화되므로 초거대 모델임에도 특정 클러스터 환경에서 직접 배포할 수 있습니다. Mistral은 이 모델이 유럽 현지에서 처음부터 학습되었다는 점을 강조했습니다. 이는 유럽이 생성형 AI 영역에서 기술적 자율성을 확보하는 중요한 이정표가 되었습니다.
모델 가중치는 Hugging Face에 공개되었으며 vLLM이나 SGLang을 통한 자체 호스팅을 기본 지원합니다. 모델 카드와 라이선스 규정이 함께 제공되며 상세한 기술 보고서도 곧 공개될 예정입니다. 로컬 환경에서 직접 구동하는 아키텍처 덕분에 민감한 기업들이 내부 소스코드를 외부 클라우드에 노출하는 위험을 피할 수 있습니다.
공식 파트너로는 NVIDIA, Cisco, Cloudflare, CrowdStrike 등이 참여했습니다. 유럽 현지 기업으로는 ASML, Orange Cyberdefense, 크레디 아그리콜(Crédit Agricole), 유럽우주국(ESA) 등이 이름을 올렸습니다. 제조 산업과 방위 기관의 참여는 강력한 규제 준수를 요구하는 환경에서 컴퓨팅 인프라를 직접 통제하려는 절실한 요구를 반영합니다.
하지만 자율 통제의 비전은 데이터센터의 현실적인 물리적 비용 검증을 거쳐야 합니다. 1.05조 파라미터가 비록 희소 활성화된다 하더라도 가중치 파일 자체만 수백 기가바이트에 달하므로 VRAM과 스토리지 전송 부하는 피할 수 없습니다. 자체 클러스터의 고대역폭 네트워크 구축과 전력 소비는 인프라에 큰 부담을 줍니다. 기업들은 하드웨어 초기 투자와 장기 운영 비용 사이에서 종합적인 손익 계산을 면밀히 따져보아야 합니다.
도표: Mistral이 공개한 협력 기관 및 고객 명단. 반도체 제조, 사이버 보안, 유럽 우주항공 등 핵심 영역을 포괄합니다. 출처: Mistral 공식 블로그.
벤치마크 거품이 걷힌 후, 오픈소스의 생존을 결정짓는 추론 비용
오픈소스 대규모 언어 모델의 경쟁이 새로운 분기점에 들어섰습니다. 초기 경쟁은 데이터 규모를 키우고 벤치마크 점수를 끌어올리는 데 집중되었습니다. 주요 모델 간의 작업 통과율 격차가 크지 않은 지금, 상시 운영되는 컴퓨팅 예산이 가장 결정적인 요소가 되었습니다. 단위 결과물당 소모되는 토큰 수는 비즈니스의 장기 운영 가능 여부를 직접 결정합니다.
Le Chonk는 새로운 기준을 제시했습니다. 절반 가까이 적은 토큰 소모로 대등한 코드 품질을 확보해 하드웨어 지출을 크게 줄였습니다. 고객에게 필요한 것은 자체적인 통제권이며 매일의 사용량을 감당할 수 있는 연산 예산입니다. 최상위급 성능과 뛰어난 효율성을 동시에 갖추었을 때 오픈소스 가중치는 실제 상용 엔지니어링 현장으로 들어가는 통행증을 얻게 됩니다.
도표: Mistral이 플래그십 모델을 위해 선정한 마스코트 “Le Chonk”. 출처: mistral.ai.
참고 링크:
- Mistral 공식 블로그: Mistral Large 4 오픈소스 가중치 출시 안내
- Mistral 공식 블로그: Mistral Large 4 모델 아키텍처 및 벤치마크 평가
- Hugging Face 공식 가중치 저장소: Mistral-Large-4-1T-A52B
