허깅페이스의 인공지능 모델 라이브러리가 미스트랄의 새 대형 모델을 지원한다. 문서와 이미지를 함께 다루는 서비스를 만드는 개발자는 익숙한 개발 도구로 새 모델을 활용할 수 있으며, 긴 문맥, 한 번에 입력받아 처리하는 정보의 길이의 한도와 추론 설정, 사용 허가 조건도 확인할 수 있다.
1. 긴 문맥과 이미지 입력을 갖춘 대형 모델
10월 29일 공개된 Transformers v5.22.0은 Mistral Large 4 지원을 추가했다. 모델은 텍스트와 이미지를 입력받아 텍스트로 답하며, 문서·도표·기술 도면을 분석하는 작업을 지원한다.
전체 규모는 1조 파라미터이며, 매번 모델 전체 대신 일부 전문 처리 부분을 골라 쓰는 혼합 전문가 구조, 여러 전문 모듈 중 일부를 선택하는 방식이다. 릴리스 노트의 토큰당 활성 규모, 처리에 실제 쓰이는 파라미터 수는 490억 개이며 입력·출력 계층, 모델에 입력과 출력을 연결하는 층을 포함하면 520억 개다. 미스트랄 발표는 활성 규모를 520억 개로 소개했다.
지원 문맥 길이는 100만 토큰이다. 릴리스 노트는 이 모델이 160개가 넘는 언어에 능숙하며, 유럽연합의 모든 공식 언어도 포함한다고 설명했다.
2. 작업에 맞춰 생각의 강도를 고른다
모델 하나로 지시 수행과 코딩, 도구를 사용해 여러 단계를 진행하는 작업을 처리한다. 추론 강도, 답을 만들 때 계산에 들이는 수준은 낮음·보통·높음 세 단계이며 기본값은 높음이다. 릴리스 노트는 복잡한 요청과 도구 활용에는 높음, 빠른 대화에는 낮음, 일상적인 사용에는 보통을 권한다.
답변을 생성할 때의 선택 폭을 조절하는 설정은 추론 강도에 관계없이 같은 값을 권장한다. 아래는 릴리스 노트에 적힌 설정값을 원문 표기대로 모은 것이다.
reasoning_effort="high"
temperature=1.0
top_p=0.95도구를 쓰는 작업에서는 사용 환경과 목적을 시스템 프롬프트, 모델 역할과 지침을 미리 정하는 문장에 분명히 적고, 필요한 도구만 두라는 것이 릴리스 노트의 권고다. 모델은 함수 호출, 모델이 프로그램 기능을 실행하는 방식과 JSON 형식 출력을 지원하며, 출력이 정해진 데이터 구조를 따르도록 제한할 수도 있다.
3. 회사 발표 성능과 평가 조건
회사 발표 기준으로 코딩 평가 DeepSWE v1.1에서는 61.7%, 터미널 작업 평가 Terminal-Bench 4에서는 28.3%를 기록했다.
회사 발표 기준으로 코딩 작업을 종합한 Coding Agent Index 점수는 49.8%다.
업무용 앱을 활용하는 657개 작업 흐름을 평가한 AutomationBench에서는 회사 발표 기준 59.9%를 기록했다. 코딩뿐 아니라 여러 앱을 거쳐 결과물을 만드는 업무도 검토 대상이 되는 셈이다.
코딩 결과에 대한 맹검 평가, 모델 정보를 모른 채 점수 매기는 방식에서는 Surge AI의 전문 평가자가 모델 이름을 가린 결과물을 1~5점으로 채점했다. 회사 발표 기준으로 같은 방식의 평가에서 미스트랄 미리보기 모델은 아래 다섯 모델 중 2위였다.
표: 코딩 결과 맹검 평가
조건: Surge AI 평가, 전문 평가자가 모델 이름을 가리고 결과물을 1~5점으로 채점
단위: 점(1~5점 척도)
| 모델 | 점수 |
|---|---|
| Claude Opus 5 | 4.22 |
| Mistral Large 4 Preview | 3.74 |
| GLM-5.3 | 3.60 |
| Kimi K3 | 3.59 |
| GLM-5.2 | 3.40 |
이 평가에서 미스트랄 모델의 점수는 선두 모델보다는 낮고 나머지 세 모델보다는 높았다. 별도의 이미지 내 위치 파악 평가 Dense 200에서는 회사 발표 기준 42%로, GPT-6-Astra의 41%를 웃돌았다.
4. 라이선스와 실제 배포의 조건
릴리스 노트는 모델이 Mistral Ecosystem Open-Weight License에 따라 제공된다고 안내한다. 수정형 MIT 라이선스로 상업적 사용과 비상업적 사용을 허용한다.
다만 모델 자체를 서비스로 제공하는 사업에는 미스트랄과 별도의 상업 라이선스가 필요하다. 가중치 배포 일정은 미스트랄의 10월 6일 발표에서 10월 말로 예고됐으며, 당시 제공한 이용 경로는 미스트랄 스튜디오의 공개 미리보기 API였다.
5. 활용 폭과 운영 부담
긴 문맥과 이미지 입력, 도구 호출을 한 모델에서 지원하면 문서·도표를 읽고 이어서 도구를 사용하는 작업을 묶기 쉽다. 개발자는 추론 강도를 요청별로 골라 빠른 대화와 복잡한 작업에 같은 모델을 적용할 수 있다.
직접 운영하면 모델을 자체 업무 흐름에 맞춰 활용할 여지가 커지는 대신, 대형 가중치, 학습으로 정해진 모델 내부 수치를 처리할 하드웨어와 메모리 부담이 운영자에게 옮겨간다. 도입 판단의 핵심은 코딩 평가 순위 하나보다 문서 처리부터 도구 실행까지 묶었을 때 얻는 효용과 운영 자원의 균형이다.
이번 지원의 가치는 새 모델을 개발 도구에 연결하는 데 있으며, 도입의 기준은 장문·이미지·도구 활용의 효용과 운영 비용의 균형이다.