Mistral Large 4 공개: 1T 파라미터, 활성 49B

Who Should Read

LLM API 모델 교체나 오픈 웨이트 자체 호스팅을 검토하는 백엔드·플랫폼 개발자

Core Mechanics

• 규모는 1T, 활성 49B
  • 총 파라미터는 1T이고 네이티브 멀티모달이다.
  • 추론 때 실제로 쓰는 활성 파라미터는 49B다.
• 벤치마크 주장
  • 종합 벤치마크에서 미국·유럽 오픈 웨이트 모델 중 최고라고 한다.
  • 구체적인 점수와 비교 대상 수치는 원문에 없다.
• 특화 영역과 시각 grounding
  • 사이버 방어, 제조, 금융 같은 핵심 업무에서 최고 수준이라고 한다.
  • 시각 grounding(이미지 속 위치·대상 짚기)에서는 폐쇄형 최전선 모델을 넘어선다고 한다.
• 유럽에서 배포 가능
  • 개발부터 배포까지 유럽에서 만들었다고 한다.
  • 자체 Mistral Cloud 인프라로 유럽 내 배포가 가능하다.
• 제공 시점
  • API는 지금 누구나 쓸 수 있다.
  • 오픈 웨이트는 10월 말 공개 예정이고, 사이버보안 파트너와는 비공개로 협업 중이다.

Community Reactions

How to Apply

• API로 기존 평가 세트 돌려보기
  • 지금 쓰는 모델과 같은 프롬프트 20~50개를 Mistral Large 4에 보내 결과를 비교하라.
  • 모델 페이지(docs.mistral.ai)에서 정확한 모델 ID를 확인하고 쓰라.
• 이미지 입력 업무에 시각 grounding 테스트하기
  • 스크린샷이나 문서 이미지에서 위치를 짚는 작업을 현재 모델과 나란히 돌려라.
  • 주장은 폐쇄형 모델 대비라서 직접 측정해야 한다.
• 데이터 거주지 요구가 있으면 유럽 배포 검토 목록에 넣기
  • 데이터가 유럽 안에 있어야 하는 서비스는 Mistral Cloud 옵션을 후보에 올려라.
  • 자체 호스팅은 10월 말 가중치 공개 후 활성 49B 기준으로 GPU 요구량을 산정하라.

Try It

# Claude나 ChatGPT에 붙여넣기: Mistral Large 4 도입 평가 계획 만들기

나는 {{현재 쓰는 모델}}을 쓰는 서비스를 운영 중이다. 주 업무는 {{업무 유형: 예) 금융 문서 요약, 이미지 분석}}이다.
Mistral Large 4(1T 파라미터, 활성 49B, 멀티모달, API 제공, 오픈 웨이트는 10월 말 예정)로 교체할지 판단하려 한다.

다음을 만들어 줘:
1. 50개 샘플로 비교할 평가 항목과 채점 기준
2. 이미지 입력이 있다면 시각 grounding 테스트 케이스 5개
3. 지연시간·비용·정확도를 한 표로 비교하는 템플릿

이어서 해 볼 것: 표를 채운 뒤 결과를 붙여넣고 교체 여부를 물어보라.

Terminology

관련 논문

• The Judge Can Debias Itself: LLM-as-a-Judge가 스스로 편향을 고치게 하는 법

  심사 프롬프트에 편향 경고를 넣거나 스스로 비판시켰더니 21개 중 20개 조합에서 정확도가 올랐다

• 미국 노동시간의 90%는 AI 벤치마크가 제대로 다루지 못하는 일이다

  벤치마크 29개를 직업 과제에 매핑했더니 노동시간 90%가 커버 밖

• Postgres 19, AI 코드 리뷰가 버그를 너무 많이 찾아 출시 연기

  LLM 코드 리뷰가 버그를 쏟아내 Postgres 19가 11월로 밀리고 기능 8~10개가 빠졌다

• StarSkirmish Bench v0.2: LLM이 1시간 만에 짜는 StarCraft 봇 대결

  LLM에게 1시간 동안 StarCraft 봇을 짜게 했더니 GPT-6 Astra가 1위

• 그럴듯한 설명 하나면 멀티모달 LLM 심사위원도 속는다 (JUPE 벤치마크)

  정답은 그대로 두고 설명만 붙였더니 MLLM 심사위원의 오답 거절률이 12.7~13.8%p 떨어졌다

• 신경망은 이미 깔끔하다: polysemanticity의 원인 재해석

  뉴런을 직접 들여다봤더니 대부분 한 가지 역할이 있었다는 주장

• Linus Torvalds의 첫 LLM 보조 패치 시리즈

  Linus가 LLM으로 folio 조회 패치 10개를 만들어 read() 벤치가 10배 빨라졌다

Related Resources

• https://twitter.com/MistralAI/status/2107456586813730854
• https://docs.mistral.ai/models/mistral-large-4-0
• https://news.ycombinator.com/item?id=49977979