원제: mistralai/Mistral-Large-4-1T-A52B
Mistral AI의 역대 최대 모델(별명 Le Chonk)이 공식 블로그에서 10월 29일에 오픈 웨이트로 공개되었음을 발표했습니다. 네이티브 멀티모달 MoE 아키텍처를 채택했으며, 총 파라미터 수는 약 1조 개입니다. 토큰당 활성화되는 파라미터는 490억 개(임베딩 및 출력 레이어 포함 시 520억 개)이며, 128개의 라우팅 전문가 중 매번 4개가 활성화됩니다. 컨텍스트 길이는 100만 토큰이며 텍스트와 이미지를 모두 입력으로 받을 수 있습니다. 지시 따르기, 추론, 프로그래밍 및 에이전트 작업이 하나의 가중치 세트로 통합되어 있으며, 추론 강도는 low / medium / high의 3단계로 요청 시마다 전환할 수 있고 함수 호출 및 엄격한 JSON Schema 출력을 지원합니다. 공식 발표에 따르면 Artificial Analysis의 코딩 에이전트 지수에서 48%점을 기록하여 GLM-5.3와 거의 동등한 성능을 보였으며, 작업당 평균 토큰 사용량을 47%만큼 줄였습니다. 인텔리전스 지수 v5에서는 26점을 획득해 서구권 오픈 웨이트 모델 중 최고 점수를 기록했으나, 선두를 달리는 중국 오픈소스 모델보다는 낮습니다. 체크포인트에는 DSpark 추측 디코딩용 드래프트 헤드가 내장되어 있으며, 공식적으로 처리량이 최대 1.9배까지 향상된다고 밝혔습니다.
중요성 서구권에서 보기 드문 조 단위 파라미터의 오픈 웨이트 모델로, 공식적으로는 코딩 에이전트 작업 성적이 선두 오픈소스 모델과 동등하면서도 토큰 사용량이 적다고 주장합니다.
상승 점수 78 · 좋아요 1646 · 다운로드 수 12541
이유
- 오픈 웨이트 모델 중에서는 드물게 조 단위 파라미터를 갖춘 범용 모델로, 하나의 가중치 세트로 이미지 인식, 추론, 코딩 에이전트 및 도구 호출을 모두 커버합니다.
- 공식적으로는 사이버 보안, 금융, 법률 관련 작업 및 시각적 위치 지정(grounding)에서 뛰어난 성능을 보이며 160개 이상의 언어를 지원합니다.
- vLLM, SGLang, transformers, llama.cpp가 출시 즉시 지원하며, Axolotl, Unsloth, TRL로 미세 조정할 수 있습니다. 또한 Blackwell 아키텍처용 NVFP4 양자화 버전도 제공됩니다.
사용법
- vLLM: 공식 미러 vllm/vllm-openai:mistral-large-4를 사용하고, 8개의 GPU로 텐서 병렬 처리를 수행하며, --tool-call-parser mistral 및 --reasoning-parser mistral 옵션을 추가합니다. DSpark 추측 디코딩을 활성화하려면 --speculative-config 옵션을 추가하십시오.
- 공식 권장 설정은 temperature 1.0, top_p 0.95입니다. 복잡한 작업과 에이전트 사용 시에는 reasoning_effort=high를, 일상적인 용도에는 medium을, 빠른 채팅에는 low를 사용하십시오.
- 자체 배포하지 않을 경우 Mistral API의 mistral-large-4 모델을 호출하거나, 공식 오픈소스 코딩 어시스턴트인 Mistral Vibe와 함께 사용할 수 있습니다.
리스크
- 라이선스는 Mistral Ecosystem Open-Weight License(MIT 변형)로 상업적 사용이 가능하지만, 모델 서비스(Model-as-a-Service) 사업을 운영할 경우 별도의 상업 라이선스 계약이 필요합니다.
- 예시 배포 환경은 8개의 GPU가 필요한 노드를 요구하므로 개인 장비에서는 실행할 수 없습니다.
- 성능 지표는 공식적으로 인용된 Artificial Analysis 지수와 공식 블로그 내용을 기반으로 합니다.
- 본 항목은 실제 실행을 거치지 않았으므로, 효과는 모델 카드(Model Card)를 기준으로 하십시오.