Mistral Large 4, 이미지와 문서를 다루는 새 AI 모델

프랑스 AI 기업 미스트랄 AI가 10월 6일 Mistral Large 4를 공개했다. 글과 이미지를 함께 읽고, 문서에 관한 질문에 답하거나 코드를 작성하는 AI 모델이다. 현재는 Mistral Studio에서 API 미리보기로 제공하며, 개발자가 문서 분석 서비스나 코딩 도구에 연결해 사용할 수 있다. 공식 발표

압축 스프링과 슬라이드 베어링이 맞닿아 있는지 묻자, AI가 도면을 확대하고 부품표를 확인한다. 두 부품 사이에 진공 핀이 있는 것을 찾아 접촉하지 않는다고 답한다.

이미지와 글을 함께 다루는 모델

미스트랄 AI는 2023년 설립된 회사로, 자체 AI 모델과 이를 활용하는 개발 도구·앱을 만든다. Large 4는 그중 문서 이해와 코드 작성 등 여러 작업에 사용하는 범용 모델이다. 사용자가 질문을 보내면 내용을 해석하고 답을 생성하는 역할을 맡으며, 파일을 불러오거나 결과를 저장하는 기능은 이를 사용하는 서비스에서 연결한다. 회사 소개 · 회사 정보

글과 이미지처럼 서로 다른 형식의 정보를 함께 다루는 모델을 ‘멀티모달 모델’이라고 한다. Large 4에는 이미지를 모델이 처리할 수 있는 정보로 바꾸는 비전 인코더가 있어, 사진이나 문서 이미지와 질문을 함께 입력할 수 있다. 예를 들어 보고서의 그래프를 보여주며 어느 기간에 변화가 컸는지 묻거나, 제품 설명서에서 특정 부품과 관련된 내용을 찾는 용도로 활용할 수 있다. 모델의 구성과 지원 기능

문서를 처리하는 방식

Large 4의 문맥 길이는 최대 100만 토큰이다. 문맥은 모델이 답을 만들 때 함께 참고할 수 있는 입력과 대화의 범위이며, 토큰은 문장을 처리하기 위해 나눈 작은 단위다. 한 글자나 한 단어와 정확히 같지는 않다. 긴 보고서나 여러 자료를 함께 넣고 질문할 수 있지만, 페이지 수로 일정하게 환산할 수는 없고 입력이 길어진 만큼 처리 비용도 늘어난다. 문맥 길이와 과금 단위

자료를 많이 넣을 수 있다는 것과 그 안의 모든 내용을 정확히 찾아낸다는 것은 별개다. 보고서에서 숫자를 가져와 비교하는 서비스라면, 답과 함께 참고한 부분을 확인할 수 있게 구성하는 편이 좋다. 같은 매출 수치라도 연간·분기별 값이나 단위가 다르면 비교 결과가 달라지기 때문이다.

내부 구조에는 MoE(Mixture of Experts)를 사용한다. 모델 안에 여러 처리 부분을 두고, 입력을 처리할 때 필요한 일부를 선택해 사용하는 방식이다. 전체 모델을 매번 모두 계산하는 데 드는 부담을 줄이면서 큰 모델을 구성하려는 설계다. 따라서 모델 전체의 크기만으로 답변 속도나 결과의 정확성을 판단하기는 어렵다. Large 4의 구조 · 미스트랄의 MoE 설명

문서 분석에서 계산과 코드 작성까지

Large 4는 질문에 답하는 것뿐 아니라 필요한 도구에 작업을 요청하는 기능도 지원한다. 개발자가 사용 가능한 도구를 알려주면, 모델이 어떤 도구에 어떤 값을 보낼지 정한다. 연결된 프로그램이 실제 작업을 수행해 결과를 돌려주고, 모델은 그 결과를 바탕으로 답변을 이어간다. 미스트랄의 에이전트 API에는 웹 검색, 코드 실행, 문서 검색을 연결하는 도구도 있다. 도구 호출 방식 · 에이전트 API

가능한 활용 예로는 여러 분기의 실적 보고서를 비교하는 작업이 있다. 문서에서 매출과 비용을 찾고, 계산용 코드를 만들어 증감률을 구한 다음, 어떤 항목이 달라졌는지 설명하는 흐름이다. 계산 결과를 표로 정리하거나 정해진 형식의 데이터로 내보내 다른 프로그램이 이어서 처리하도록 만들 수도 있다. 문서 질의응답과 구조화된 출력

코드를 작성한 뒤 계산까지 실행하려면 실행 환경을 연결해야 한다. 사내 자료를 분석하는 서비스라면 해당 문서를 찾아 읽을 수 있는 검색 기능도 필요하다.

사람이 평가한 코드 품질

미스트랄은 Surge AI와 함께 생성된 코드의 품질을 비교했다. 전문 평가자가 어느 모델의 결과인지 모르는 상태에서 1~5점으로 채점하는 블라인드 평가다. 모델 이름에서 오는 기대를 줄이고, 만들어진 코드 자체를 비교하려는 방식이다.

Large 4 Preview는 3.74점으로, 비교한 다섯 모델 중 Claude Opus 5(4.22점)에 이어 두 번째였다. GLM-5.3과 Kimi K3보다 높은 점수를 받았지만, Opus 5와는 차이가 남아 있다. 이 점수는 미스트랄이 공개한 코드 품질 평가 결과로, 도면 이해를 포함한 모델 전체의 성능 순위를 뜻하지는 않는다. 평가 방식과 원수치

지금 사용할 수 있나?

현재 제공 형태는 공개 API 미리보기다. Mistral Studio는 개발자가 모델을 시험하고 서비스에 연결하는 관리 화면으로, Playground에서 질문을 보내보고 API 키를 발급할 수 있다. API는 다른 프로그램이 모델에 요청을 보내고 결과를 받는 연결 방식이다. 이를 이용하면 자체 문서 분석 화면이나 개발 도구에서 Large 4를 호출하도록 만들 수 있다. Studio와 API 이용 안내

비용은 보낸 내용과 생성된 답변의 토큰 수에 따라 계산한다. 발표 페이지는 100만 토큰당 입력 1.36달러·출력 4.18달러를 안내하지만, 현재 모델 문서에는 입력 0.68달러·출력 2.09달러도 표시돼 있다. 두 공식 자료의 표시가 다르므로 실제 연결 전 적용 요금을 확인할 필요가 있다. 발표 가격 · 모델 문서의 가격

모델을 내려받아 자체 환경에서 실행하는 데 필요한 가중치는 10월 말 공개 예정이라고 밝혔다. 가중치는 모델이 학습한 내용을 담은 수치 데이터다. 지금 제공하는 API와 예정된 모델 파일 공개는 시점이 다르며, 미스트랄은 월말에 자세한 구조와 추가 평가도 공개할 계획이다. 후속 공개 계획