미스트랄 ‘라지 4’ 공개…유럽산 오픈 모델은 챗GPT·클로드의 대안이 될까
프랑스 AI 기업 미스트랄이 10월 6일 새 주력 모델 ‘미스트랄 라지 4(Mistral Large 4)’를 공개했다. 회사 안팎에서는 덩치가 크다는 뜻으로 ‘르 촹크(Le Chonk)’라는 별명도 붙였다. 지금은 미스트랄의 온라인 서비스에서 시험판을 쓸 수 있고, 모델의 핵심 파일인 가중치는 10월 말 공개할 계획이다. 발표대로 진행되면 기업이나 기관이 외부 AI 회사에 모든 데이터를 보내지 않고 자체 시설에서 운영할 수 있는 최상위권 모델 선택지가 하나 더 생긴다.
이번 발표에서 중요한 것은 ‘1조 개 매개변수’라는 큰 숫자 자체가 아니다. 매개변수는 AI가 학습 과정에서 조정하는 수많은 값인데, 많다고 언제나 더 똑똑한 것은 아니다. 라지 4는 질문마다 전체를 다 쓰지 않고 필요한 일부만 활성화하는 ‘전문가 혼합’ 구조를 택했다. 미스트랄은 전체 규모가 약 1조 개지만 한 번의 답변에 실제로 작동하는 부분은 490억 개 수준이라고 설명한다. 핵심은 거대한 모델을 매번 통째로 돌리는 대신, 문제에 맞는 전문 영역을 골라 쓰는 방식으로 성능과 비용을 함께 관리하려 했다는 점이다.
지금 무엇을 쓸 수 있고, 무엇은 아직 기다려야 하나
라지 4는 글뿐 아니라 이미지를 함께 이해하는 멀티모달 모델이다. 문서 속 도표를 읽고, 사진과 텍스트를 함께 분석하며, 긴 자료를 바탕으로 답하거나 업무 단계를 이어서 수행하도록 설계됐다. 미스트랄은 160개가 넘는 언어의 학습 자료를 사용했고 유럽연합의 모든 공용어를 포함했다고 밝혔다. 영어 중심 모델을 그대로 가져다 쓰기 어려운 유럽 기업과 공공기관에는 의미 있는 조건이다.
다만 10월 6일 현재 ‘오픈 모델’이라는 표현에는 주의가 필요하다. 누구나 내려받아 자체 서버에서 돌릴 수 있는 가중치는 아직 공개되지 않았다. 지금 이용할 수 있는 것은 미스트랄 스튜디오의 공개 시험용 온라인 접속이다. 미스트랄은 10월 27일을 포함한 월말 공개 일정을 언론에 설명했지만, 최종 파일과 이용 조건은 실제 배포 시 확인해야 한다. 회사가 약속한 공개와 실제로 받은 파일의 범위, 라이선스, 상업적 사용 조건이 모두 확인되기 전까지는 ‘완전히 열렸다’고 단정하기 어렵다.
온라인 시험판 가격은 100만 토큰 기준 입력 1.36달러, 출력 4.18달러로 제시됐다. 토큰은 AI가 글을 잘게 나눠 처리하는 단위다. 일반 독자가 매번 계산할 필요는 없지만, 기업 입장에서는 같은 문서를 반복해 분석하거나 많은 고객에게 서비스를 제공할 때 비용을 좌우한다. 출시 초기 할인이나 별도 계약 가격이 적용될 수 있으므로 숫자 하나만 보고 다른 서비스보다 싸거나 비싸다고 결론 내리는 것도 성급하다.
왜 ‘유럽산 오픈 가중치’가 화제인가
현재 대중이 많이 쓰는 챗GPT와 클로드는 핵심 모델을 서비스 제공업체가 관리한다. 이용자는 웹이나 앱에서 편리하게 쓰지만, 모델 내부 파일을 받아 자기 회사 안에서 그대로 운영할 수는 없다. 반면 오픈 가중치 모델은 학습을 마친 핵심 파일을 내려받아 기업의 데이터센터나 계약한 전용 환경에 둘 수 있다. 은행, 제조사, 병원, 정부기관처럼 민감한 데이터를 다루는 곳은 데이터가 어디로 이동하고 누가 접근하는지를 더 직접적으로 통제할 수 있다.
이 차이는 단순한 기술 취향이 아니다. 외부 서비스가 정책을 바꾸거나 특정 요청을 막고, 가격을 올리거나 접속을 중단하면 그 서비스에 의존한 업무도 영향을 받는다. 자체 운영은 이런 의존을 줄이는 대신 보안, 유지보수, 전력과 장비 비용을 사용자가 책임져야 한다. 따라서 ‘오픈 가중치이니 공짜’라는 뜻도 아니고 ‘내부에 설치했으니 자동으로 안전하다’는 뜻도 아니다. 선택권이 늘어나는 만큼 책임도 함께 넘어온다.
미스트랄은 라지 4를 유럽 법과 유럽 내 인프라 아래에서 개발·운영할 수 있는 선택지로 내세운다. 미국의 폐쇄형 서비스와 중국 기업의 오픈 모델 사이에서 유럽이 자체 통제권을 가진 ‘세 번째 길’을 만들겠다는 메시지다. 특히 공공기관 조달과 규제가 강한 산업에서는 성능표의 한두 점보다 데이터 보관 장소, 계약 종료 뒤의 이전 가능성, 감사 기록을 남길 수 있는지가 더 중요할 수 있다.
일반 사용자와 직장인에게 실제로 달라지는 점
당장 스마트폰에서 챗GPT를 지우고 라지 4로 갈아타야 하는 상황은 아니다. 공개 첫날 기준으로 라지 4는 일반 소비자용 앱의 완성도 경쟁보다 기업과 기관의 선택권 확대에 초점이 맞춰져 있다. 다만 회사가 이 모델을 채택하면 직원은 사내 문서 검색, 계약서 검토, 보고서 초안, 이미지가 포함된 자료 분석 같은 업무에서 간접적으로 접할 수 있다. 데이터가 회사의 승인된 환경을 벗어나지 않도록 설계할 수 있다는 점은 보안팀의 AI 사용 허용 범위를 넓힐 가능성이 있다.
한국 사용자에게는 다국어 성능이 관건이다. 미스트랄은 160개 이상 언어를 강조하지만, 언어 수가 많다는 사실만으로 한국어 표현의 자연스러움이나 국내 법·문화 맥락 이해가 보장되지는 않는다. 긴 한국어 문서에서 숫자와 표를 정확히 읽는지, 존댓말과 업무 용어를 안정적으로 쓰는지, 한국의 최신 정보를 근거와 함께 답하는지는 별도의 시험이 필요하다. 기업 홍보 자료의 ‘다국어 지원’과 한국어 실사용 품질은 같은 말이 아니다.
또 하나의 변화는 가격 경쟁이다. 기업이 챗GPT나 클로드 외에 라지 4를 비교 대상으로 올리면 기존 사업자도 가격, 데이터 보관, 전용 배포 조건을 더 공격적으로 제시해야 한다. 이용자가 직접 라지 4를 쓰지 않더라도 경쟁이 강해지면 더 저렴한 요금이나 더 명확한 개인정보 옵션으로 혜택을 볼 수 있다.
미스트랄이 강조한 성능은 어디까지 믿어야 하나
미스트랄은 라지 4가 보안, 금융, 제조, 코딩 등 여러 분야에서 오픈 가중치 모델 가운데 최고 수준이라고 주장한다. 실제 취약점을 재현하고 고치는 시험에서 82%, 보안 경연형 문제 묶음에서 93%를 기록했다는 수치도 제시했다. 그러나 이 수치는 우선 회사가 선택하고 공개한 시험 결과다. 경쟁 모델이 같은 설정과 같은 안전 정책 아래에서 비교됐는지, 외부 기관이 결과를 반복해 확인할 수 있는지를 봐야 한다.
특히 보안 분야 비교는 해석이 까다롭다. 일부 폐쇄형 모델은 위험한 요청으로 판단하면 답변을 거부하기 때문에 시험 점수가 낮아질 수 있다. 라지 4가 취약점 분석 요청에 더 잘 응답했다면 방어 업무에는 유용하지만, 같은 능력이 공격에 악용될 가능성도 커진다. ‘거부하지 않아 점수가 높다’와 ‘실제로 더 정확하게 문제를 해결한다’는 서로 다른 주장이다. 두 요소를 분리해 평가해야 한다.
미스트랄도 이 위험 때문에 가중치를 바로 배포하지 않고 보안 기업, 선별된 협력사, 정부기관과 먼저 시험한다고 밝혔다. 시험 참가자는 일반판보다 제한이 적은 버전을 사용해 방어 능력과 악용 가능성을 살핀다. 이는 신중한 절차이지만, 몇 주간의 사전 시험만으로 공개 이후의 모든 사용을 통제할 수 있다는 뜻은 아니다. 가중치가 배포되면 제공업체가 원격으로 기능을 회수하거나 모든 사용자를 감시하기 어렵다.
‘적은 장비로 만들었다’는 주장도 따져봐야 한다
미스트랄은 라지 4를 유럽의 자사 데이터센터에서 엔비디아 그레이스 블랙웰 GPU 약 3,800개로 처음부터 학습했다고 설명했다. 회사 관계자는 경쟁사의 일부 대형 모델보다 훨씬 적은 장비를 썼다고 강조했다. 만약 비슷한 성능을 더 적은 계산 자원으로 만들었다면 비용과 에너지 측면에서 의미가 크다. 거대한 데이터센터를 가진 몇몇 미국·중국 기업만 최상위 모델을 만들 수 있다는 통념에도 도전한다.
하지만 정확한 학습 기간, 전력 사용량, 데이터 구성, 실패한 실험 비용까지 모두 공개된 것은 아니다. GPU 개수만으로 총비용이나 환경 부담을 비교할 수 없다. 같은 장비를 얼마나 오래 돌렸는지, 학습 외의 데이터 정리와 후속 조정에 얼마가 들었는지도 필요하다. ‘3,800개로 만들었다’는 문장은 흥미로운 출발점이지 효율성이 독립적으로 증명됐다는 결론은 아니다.
기업이 도입을 검토할 때 볼 것은 성능표보다 운영 조건이다
라지 4가 실제 대안이 되려면 세 가지를 통과해야 한다. 첫째, 10월 말 약속한 가중치가 예정대로 공개되고 라이선스가 기업 사용에 충분히 명확해야 한다. 둘째, 외부 평가에서 한국어·긴 문서·이미지 이해·사실성·도구 사용의 품질이 반복 확인돼야 한다. 셋째, 자체 운영에 필요한 비용과 인력이 온라인 서비스 이용료보다 합리적이어야 한다.
예를 들어 회사 내부에 모델을 두면 민감정보 통제는 쉬워질 수 있지만, 보안 패치와 접속 권한 관리, 답변 기록, 문제 발생 시 책임 주체를 모두 직접 설계해야 한다. 모델이 틀린 계약 조항을 만들거나 권한 밖의 시스템에 접근했을 때 누가 멈추고 복구할지도 정해야 한다. 오픈 가중치는 통제권을 주지만 완성된 운영체계를 대신 제공하지 않는다.
앞으로 확인할 변화
첫 번째 확인 시점은 10월 말이다. 실제 가중치와 라이선스, 안전 관련 설명, 추가 성능 자료가 공개되는지 봐야 한다. 두 번째는 독립 평가가 쌓이는 시점이다. 회사가 고른 문제뿐 아니라 다양한 언어와 현실 업무에서 어떤 오류를 내는지 확인돼야 한다. 세 번째는 유럽의 은행·제조사·공공기관이 시험을 넘어 실제 업무에 채택하는지다.
라지 4의 의미는 “유럽 모델이 미국 모델을 이겼다”는 한 줄짜리 승부에 있지 않다. 데이터와 모델을 누가 통제할지 선택할 수 있는 경쟁자가 늘었다는 데 있다. 아직은 온라인 시험판이고, 오픈 가중치 공개도 약속 단계다. 이 약속이 이행되고 외부 검증에서 실력이 확인될 때 비로소 챗GPT와 클로드에 맞서는 현실적인 대안이라는 평가를 받을 수 있다.
핵심 출처