기사를 읽어드립니다.

프랑스의 미스트랄 AI가 내부 별칭 '르 총크(Le Chonk)'로 불리는 차세대 플래그십 AI 모델을 공개했다. '뚱뚱한 고양이'를 뜻하는 이 별칭은 1조개가 넘는 매개변수를 가진 거대 모델의 규모감을 위트 있게 표현한 것이다.

미스트랄은 6일(현지시간) 오픈웨이트 모델 '미스트랄 라지 4(ML4·Mistral Large 4)'를 공개했다.

현재는 API를 통한 공개 프리뷰 단계로, 개발자와 사이버 보안 전문가, 정부 당국 등을 대상으로 약 3주간 테스트와 강화학습(RL)을 진행한 뒤 이달 27일 모델 가중치를 공개할 예정이다.

라지 4는 총 1조500억개의 매개변수를 갖춘 희소 전문가 혼합(MoE) 모델이다. 이 가운데 실제 추론 과정에서 토큰당 활성화되는 매개변수는 490억개다. 160개 이상의 언어를 지원하며, 이미지 입력을 포함한 멀티모달 처리가 가능하다. 컨텍스트 창은 최대 100만 토큰이다.

이 모델을 유럽 내 자체 데이터센터에서 엔비디아 그레이스 블랙웰 GPU 3800대를 이용해 처음부터(from Scratch) 두 달에 걸쳐 학습했다. 공개 프리뷰도 같은 인프라에서 제공한다.

업계에서는 미국 빅테크의 폐쇄형 모델 및 중국계 오픈 모델에 맞서 유럽의 기술 주권(AI Sovereignty)을 확보하려는 미스트랄의 핵심 전략 카드로 평가하고 있다.

이 회사는 "ML4는 오픈웨이트 모델의 최전선에 있다"고 밝혔다. 특히 코딩과 사이버 보안, 금융, 제조, 과학, 에이전트 작업, 이미지 분석 등 전문 분야에서 높은 성능을 보인다고 강조했다.

ML4는 아티피셜 에널리시스 지능 지수(AAII)에서 38점을 기록했다. 이는 'GPT-6 루나(38점)'와 비슷한 수준이며, '딥시크-V4.1 플래시(39점)'와도 경쟁할 만한 성능이다.

사이버 보안은 가장 강하게 내세우는 분야다. AA 사이버 지수에서 50%를 기록해 'GLM-5.3-플래시'와 동률을 기록했으며, '키미 K3'와 딥시크 V4.1 플래시 등을 앞섰다. 또 '사이벤치'에서 93%, '사이버짐-E2E'에서 82%의 점수를 기록했다.

오픈웨이트 모델이라는 점도 사이버 보안 분야에서 중요한 차별점으로 꼽았다. 기업과 정부 기관이 모델을 자체 클라우드나 온프레미스 환경에 배포해 데이터 유출 걱정 없이 조직의 고유한 보안 정책에 맞게 운영할 수 있기 때문이다.

코딩과 에이전트 성능에서도 높은 점수를 제시했다. '딥SWE v1.1'에서 61.7%, 'SWE-아틀라스-QnA'에서 59.4%, '터미널-벤치 4.0'에서 28.3%를 기록했다. 코딩 에이전트 종합 지표에서는 49.8%를 기록했다고 밝혔다.

이는 오픈 웨이트 모델 진영에서는 최고 수준(SOTA)급이며, 최상위 폐쇄형 모델들과 비교하면 상위권~중상위권 위치에 해당한다. 실제로 딥SWE의 공개 리더보드에서는 모델별 최적 설정을 적용하면 GLM-5.3과 키미 K3가 약 69%, 'GPT-6 아스트라'와 '제미나이 3.8 플래시' '클로드 오퍼스 5' 등이 약 74% 수준으로 나타난다. 

다만 이 수치들은 아직 독립적으로 모두 검증된 결과는 아니다. 미스트랄이 공개한 비교 자료에서는 일부 경쟁 오픈 모델보다 높은 점수를 기록했지만, 벤치마크는 모델 자체뿐 아니라 에이전트 구성과 평가 환경에 따라 결과가 달라질 수 있다.

전문가의 블라인드 평가에서는 비교적 긍정적인 결과가 나왔다. 미스트랄이 서지AI와 진행한 평가에서 전문 평가자들은 5점 만점에 3.74점을 줬다. 이는 평가 대상 5개 모델 가운데 2위로, GLM-5.3의 3.60점과 키미 K3의 3.59점을 앞섰다. 다만 클로드 오퍼스 5의 4.22점에는 미치지 못했다.

법률과 금융 분야에서도 높은 성능을 강조했다. 하비의 리걸 에이전트 벤치마크에서는 15%의 과제 통과율을 기록했다. 외부 평가기관 발스 AI의 공개 자료에서는 키미 K3가 12.92%, '미모 V2.6 프로'가 10.83%, GLM-5.3이 8.33%로 나타나 라지 4가 이들 오픈 웨이트 모델을 앞선 것으로 볼 수 있다.

금융·회계 업무를 평가하는 핀치에서는 67%를 기록했다고 미스트랄은 밝혔다. 이 벤치마크는 스프레드시트와 문서, 검색, 모델링, 보고서 작성 등 실제 기업 업무에 가까운 장기 작업 384개로 구성돼 있다.

멀티모달 능력도 주요 특징이다. 모델은 복잡한 문서와 차트, 자연 이미지뿐 아니라 위성·항공 이미지와 엔지니어링 도면 등을 분석할 수 있다. 특히 시각적 위치 지정 능력을 평가하는 '덴스200'에서 42%를 기록해 일부 최상위 모델을 앞섰다고 설명했다.

라지 4의 API는 현재 공개 프리뷰 형태로 제공된다. 요금 정책은 입력 토큰 100만개당 1.36달러, 출력 토큰 100만개당 4.18달러로 설정됐으며, 캐시된 입력은 100만개당 0.14달러로 책정돼 높은 가격 경쟁력을 확보했다.

미스트랄은 오는 27일 가중치를 공개하면서 모델 아키텍처와 추가 벤치마크, 사후 학습 방법도 공개할 예정이다. 가중치가 공개되면 기업과 정부기관이 자체 클라우드나 온프레미스 환경에서 모델을 직접 운영하고 커스터마이징할 수 있게 된다.

박찬 기자 cpark@aitimes.com