Mistral Large 4 vs Llama 4 Maverick: 가격 격차가 아닌 세대 격차

Mistral Large 4와 Llama 4 Maverick은 같은 종류의 객체이지만 같은 세대의 객체는 아니다. 둘 다 모델 카드상 100만 토큰 컨텍스트 창을 갖춘 희소 전문가 혼합 모델이며, 둘 다 텍스트뿐 아니라 이미지도 입력받고, 둘 다 다운로드해 자체 하드웨어에서 실행할 수 있다. Maverick은 2025년 4월 5일 총 파라미터 4,000억 개, 활성 파라미터 170억 개로 출시되었다. Mistral Large 4는 2026년 10월 6일 프리뷰를 공개했고 10월 29일 가중치를 공개했으며, 총 파라미터 1조 500억 개, 활성 파라미터 520억 개다. 두 모델 사이의 간격은 19개월이다. Maverick 호스팅 시장 전반의 중앙값 가격 기준으로도 두 모델의 비용 차이는 약 1.3배에 불과하다 — 이는 그렇게 오래된 모델에 대해 거의 누구도 예상하지 못할 이야기다.

단서를 달기 전에 짧게 답하자면

2026년 말에 새 빌드를 시작하면서 추론, 장문 문서 작업, 에이전트형 코딩이 필요하다면 Mistral Large 4가 더 나은 모델이자 더 비싼 모델이다. 파인튜닝하거나, 에어갭 환경에서 실행하거나, 단순 추출 작업에 요청당 1센트의 일부만 내고 호출할 수 있는 오픈 웨이트 모델이 필요하다면 Llama 4 Maverick은 여전히 합리적인 선택이다 — 역량 면에서 경쟁력이 있어서가 아니라, 해당 워크로드에 역량이 필요하지 않을 수 있기 때문이다. 실수는 19개월의 격차를 라이벌 관계로 취급하는 것이다. 그것은 같은 카테고리를 공유하는 가격 등급일 뿐이며, 가격 부분이 역량 부분보다 더 이상하다.

숫자를 나란히

• 총 파라미터 수 — Mistral Large 4는 128개의 라우팅된 전문가에 하나의 공유 전문가를 더해 1.05T인 반면, Llama 4 Maverick은 128개의 전문가에 걸쳐 402B이며, Meta는 이를 400B로 표기합니다.

• 활성 파라미터 — Mistral Large 4에서는 토큰당 52B(언어 스택은 49B이며, 임베딩과 출력 레이어를 포함하면 52B)인 반면 Llama 4 Maverick에서는 17B이므로, 토큰당 연산량 격차는 약 3대 1입니다.

• 컨텍스트 — 양쪽 모두 1M 토큰을 광고하지만, 호스트가 실제로 제공하는 양은 다른 수치이며, 이에 대해서는 이후 섹션에서 다룹니다.

• 모달리티 — 둘 다 텍스트와 이미지를 입력으로 받고 텍스트를 출력합니다. Mistral Large 4의 비전 인코더는 1.6B 매개변수입니다; Maverick의 조기 융합 인코더는 Meta의 공개 수치에서 별도로 제시되지 않았습니다.

• 추론 — Mistral Large 4는 낮음·중간·높음의 추론 노력 단계를 제공하며 높음이 기본값입니다. Artificial Analysis의 사양 패널에는 Llama 4 Maverick에 추론 모드가 전혀 없는 것으로 나와 있습니다.

• 백만 토큰당 가격 — Mistral에서 직접 제공하는 경우 입력 $0.70, 출력 $2.10이며 캐시된 입력은 $0.07인 반면, Maverick은 Meta가 직접 판매하지 않기 때문에 자사 정가가 전혀 없습니다. 호스팅 제공업체들은 입력 $0.17, 출력 $0.60까지 낮은 가격을 부과하며, Artificial Analysis는 제공업체 중앙값을 $0.50 및 $1.68로 집계합니다.

• 라이선스 — 모델 서비스(MaaS) 예외 조항이 포함된 수정 MIT 라이선스인 Mistral Ecosystem Open-Weight License 대 월간 활성 사용자 7억 명 기준을 둔 Llama 4 Community License.

• 출시 — Mistral Large 4 체크포인트는 2026년 10월 29일, Llama 4 Maverick은 2025년 4월 5일이며, 지식 컷오프는 2024년 8월입니다.

벤치마크 싸움은 서로 다른 두 통치자 사이에 있습니다.

이 매치업을 검색해 보면 Mistral Large 4가 Artificial Analysis Intelligence Index에서 38.0점을 기록했고 Maverick은 14.3점이라고 주장하는 페이지들과, Maverick이 11개 벤치마크 중 9개에서 승리한다고 주장하는 다른 페이지들을 찾을 수 있다. 두 수치 모두 누군가가 그것을 인쇄했다는 점에서는 실제다. 어느 쪽도 비교는 아니다.

2026년 10월 27일에 재구축된 현재 Artificial Analysis Intelligence Index v5에서 Mistral Large 4는 높은 추론 설정에서 26점, 중간 설정에서 23점을 기록합니다. 인용되는 38.0은 10월 프리뷰의 이전 v4.3.2 빌드에서의 점수이며, 재구축 이후 측정된 그 어떤 값에서도 차감할 수 없습니다. 인덱스가 바뀐 것이지 모델만 바뀐 것이 아닙니다. 한편 Maverick은 v5 인덱스 점수가 전혀 없습니다. Artificial Analysis 페이지에는 지능 지표가 있어야 할 자리에 "N/A"가 표시되어 있고, 함께 초당 62.7 출력 토큰의 속도와 해당 등급 평균보다 느리다는 설명이 나옵니다. 비교 사이트에 떠도는 14.3이라는 수치는 재구축 이전의 것입니다.

측정 가능한 것은 더 좁고 더 정직하다. Mistral은 Terminal-Bench 4.0에서 41%를 보고했으며, 이는 프리뷰 당시 28%에서 상승한 수치다. DeepSWE v1.1에서는 61.7%, CyberGym-E2E에서는 79%, Artificial Analysis Cyber Index에서는 51로 오픈웨이트 모델 중 3위다. Cyber Index를 제외한 모든 수치는 Mistral 자체 에이전트 스캐폴드에서 벤더가 보고한 것이며, 특히 Terminal-Bench 수치는 동일한 가중치를 Artificial Analysis의 중립적인 mini-swe-agent 하네스에서 실행했을 때 훨씬 낮은 24.7%로 재현되었다. Maverick의 공개 수치는 2025년 4월 기준이며 전적으로 더 오래된 벤치마크 세트를 사용한다: MMLU 85.5, MMLU-Pro 80.5, GPQA Diamond 69.8, DocVQA 91.6이며, 모두 출시 당시 Meta가 보고한 수치다. 두 모델을 함께 실행한 공통 하네스가 없으므로, 방어 가능한 유일한 진술은 방향성에 관한 것이다: 더 새롭고 더 크며 추론 훈련된 모델이 어려운 과제에서 더 낫지만, 그 차이가 얼마인지는 누구도 두 모델을 아울러 깔끔하게 측정하지 못했다.

각각에서 100만 토큰으로 실제로 무엇을 얻을 수 있는지

컨텍스트 윈도는 프로덕션에서 두 모델이 가장 비슷해 보이면서도 가장 다르게 동작하는 지점입니다.

Llama 4 Maverick의 모델 카드에는 1,048,576 토큰이라고 적혀 있고, Artificial Analysis의 사양 패널도 1M을 반복해서 표시합니다. 하지만 실제로는 대부분의 호스트가 훨씬 낮게 제한합니다. 128K가 흔하며, 전체 윈도와 쓸 만한 출력 예산을 모두 제공하는 곳은 거의 없습니다. Maverick의 최대 출력은 제공업체에 따라 보통 8K에서 16K이며, Meta 자체 호스팅 엔드포인트는 대략 4K로 표시되어 왔습니다. 따라서 Maverick에서의 "1M 컨텍스트" 빌드는 보통 타사 호스트에서의 128K 빌드이며, 이 사실은 첫 번째 긴 문서에서야 알게 됩니다.

Mistral Large 4는 Mistral 자체 API를 통해 1M을 공개하는데, 이는 적어도 호스트별 복권이라기보다는 책임 소재가 분명한 단일 숫자입니다. Mistral 문서에는 최대 출력 수치가 공개되어 있지 않으므로 같은 조언이 적용됩니다. 실제로 호출할 엔드포인트에서, 카드가 아니라 입력 윈도와 출력 상한이라는 쌍을 측정하세요.

라우터가 바로 이런 일을 위해 있는 것입니다. OrcaRouter는 공급자의 정가를 0% 마크업으로 그대로 전달하고 공급자 간에 자동으로 페일오버하므로, 컨텍스트 윈도를 조용히 줄인 호스트는 프로덕션 장애가 아니라 라우팅 결정으로 드러납니다. Mistral Large 4와 Llama 4 Maverick은 현재 저희 카탈로그에 없으므로, 이는 어떤 오픈웨이트 모델을 선택하든 그 모델을 어떻게 운영할지에 관한 논점이지, 저희가 이 두 모델을 제공한다는 주장은 아닙니다.

법안, 해결되다 — 그리고 왜 스프레드가 핵심인가

적당한 프로덕션 워크로드를 가정해 보겠습니다. 한 달에 입력 토큰 1억 개, 출력 토큰 4천만 개입니다.

• Mistral Large 4 정가 기준 — 100 × $0.70은 $70이고, 40 × $2.10은 $84이므로 월 $154입니다.

• 제공자 중앙값 기준 Llama 4 Maverick — 100 × $0.50은 $50이고, 40 × $1.68은 $67.20이므로 한 달에 $117.20입니다.

• 경쟁력 있는 호스트의 Llama 4 Maverick — 약 $0.25 및 $0.92로 동일한 워크로드를 $61.80에 처리합니다.

• 가장 저렴한 호스트에서 Llama 4 Maverick은 약 $0.17과 $0.60으로 $41에 해당합니다.

따라서 {{1}}Mistral Large 4{{/1}} 대비 비율은 중앙값 기준 1.3배에서 시장 하단 기준 약 3.8배까지입니다. 그 범위는 모델 자체의 속성이 아닙니다. 그것은 {{2}}Maverick{{/2}}을 어디에서 구매하느냐에 따른 속성이며, 분포 중앙에서 두 모델 사이의 격차보다 더 넓습니다. 저렴한 호스트에서 벤치마크하고 중앙값으로 예산을 책정하는 팀은 자체 예측에 3배의 오류를 넣은 셈입니다.

그것을 현재 쌍별로 측정할 수 없는 능력과 맞세워 보면, 결정은 더 이상 산수 문제가 아니게 됩니다. 합리적인 기준은 토큰당 비용이 아니라 완료된 작업당 비용입니다. Maverick에서 세 번의 시도와 수정 루프가 필요한 작업을 Mistral Large 4가 한 번에 끝낸다면, 1.3배의 중앙값 격차조차 사라집니다. 이는 자신의 작업에서 직접 검증해야 하는 주장이며, 이번 달 두 모델 중 어느 쪽이든 거쳐 볼 수 있는 실험 중 가장 가치 있는 단일 실험입니다.

아무도 대놓고 말하지 않는 것: Maverick은 마지막 오픈 Llama다

Llama 4 Maverick는 지원 중단되지 않았습니다. 여전히 Hugging Face에 있고, 여전히 Llama 4 Community License 하에 있으며, 온프레미스 및 에어갭 환경의 작업에 여전히 널리 배포되고 있습니다. 그러나 이는 한 계보의 끝입니다. Meta의 최전선 개발은 2026년 폐쇄형 Muse Spark 제품군으로 옮겨갔고, Llama 5는 출시되지 않았습니다. Llama 5가 출시되었다고 주장하는 페이지들은 서로 모순되고 Meta 자체 발표와도 상충하는 사양을 담고 있었습니다. 오픈 Llama 트랙에 대한 투자는 사실상 중단되었습니다.

그것은 "Maverick을 선택한다"는 것의 의미를 바꾼다. 그것은 개선될 모델을 고르는 것이 아니라, 주변 툴링이 서서히 표류하는 동안 정확히 현 상태 그대로 머무를 모델을 고르는 것이다. 미세 조정되고 고정되어 배포된 시스템이라면 그것은 괜찮다 — 당신 아래에서 아무것도 움직이지 않기 때문에 틀림없이 장점이다. 성장시킬 플랫폼이라면, 그것은 2년의 여유만 있는 막다른 길이다. 지식 컷오프가 2024년 8월이라는 점에 유의하라: 모델은 그 이후에 일어난 어떤 것도 본 적이 없으며, 아무리 프롬프트 엔지니어링을 해도 그것을 해결할 수 없다.

Mistral Large 4는 정반대의 위험 프로파일을 지니고 있습니다. 오픈 웨이트로 공개된 지 엿새밖에 되지 않았고, 문서에는 여전히 공개 프리뷰라고 표시되어 있으며, 이 모델로 추론 서비스를 재판매하려면 상용 계약을 체결해야 하는 라이선스입니다. 아직 어리고 계속 변화하는 중이라, 그 위에 사업을 구축하기 전에 약관을 꼼꼼히 읽어봐야 합니다.

Maverick이 여전히 승리하는 곳

세 가지 사례인데, 결코 작은 사례들이 아니다.

첫 번째는 하드웨어입니다. Maverick의 400B 파라미터는 FP8 기준 약 373GB에 들어가며, 이는 8개 GPU로 구성된 단일 H100 또는 H200 노드입니다. Mistral Large 4의 FP8 체크포인트는 54개 샤드에 걸쳐 약 1.06TB이고, Mistral은 양자화된 NVFP4 빌드가 B200 또는 B300 GPU 4개에서 실행된다고 말합니다. 배포 환경이 이미 보유한 랙의 단일 노드라면 선택은 이미 정해진 것입니다.

두 번째는 파인튜닝입니다. Maverick은 19개월 동안 커뮤니티 LoRA, 양자화 레시피, 서빙 가이드를 갖춰 왔습니다. Mistral Large 4는 6일밖에 되지 않았습니다. 생태계 격차는 실재하며, 그것은 벤치마크가 아니라 디버깅 시간으로 측정됩니다.

세 번째는 작업 형태입니다. 분류, 추출, 라우팅, 짧은 문서 요약, 대량 이미지 캡셔닝 — 이 중 어느 것도 1조 개 매개변수 추론 모델을 필요로 하지 않으며, 모두 17B 활성 모델에서 더 저렴해집니다. 사용하지도 않는 추론 토큰에 프리미엄을 지불하는 것은 팀이 모델 선택에서 돈을 낭비하는 가장 흔한 방식입니다.

현재 오픈 웨이트 모델 중 이 둘 어느 쪽도 아닌 모델을 원한다면, OrcaRouter 카탈로그에는 Kimi K3와 GLM-5.3-Flash가 있으며, 둘 다 저희가 라우팅하는 200개 이상의 나머지 모델과 동일한 API 키로 호출할 수 있고, 공급자 정가에 마크업 없이 제공됩니다. 이들은 이 비교 안에 속하기보다 그 범위를 양쪽에서 감쌉니다 — GLM-5.3-Flash는 입력 $0.15, 출력 $0.50로 책정되어 여기 있는 두 모델 어느 것보다도 훨씬 낮고, Kimi K3는 $3.00과 $15.00로 책정되어 둘 다보다 훨씬 높습니다. 둘 중 어느 것도 이 글의 두 모델을 대체하지는 않지만, 이 비교의 어느 쪽 끝도 맞지 않을 때 가장 먼저 살펴볼 만한 두 곳입니다.

오후 한나절 만에 결정하는 방법

로그에서 실제 작업 스무 개를 뽑아라. 동일한 프롬프트와 동일한 출력 상한으로 두 모델에 실행하고, 출력이 사람의 수정 없이 사용 가능했는지에 따라 점수를 매겨라. 각 작업이 소모한 토큰을 기록하고 위 가격을 곱한 뒤, 사용 가능한 출력 수로 나눠라. 그러면 사용 가능한 결과당 비용이 나오며, 이는 예산과 맞닥뜨려도 살아남는 유일한 숫자다.

발견이 아니라 기대라고 밝히는 제 기대는 이렇습니다. Mistral Large 4는 그 세트의 어려운 절반은 이기고 쉬운 절반은 비용에서 지며, 분기점은 과업에 다단계 추론이 더 이상 필요하지 않게 되는 지점에 놓입니다. Maverick은 더 나은 모델이 아닙니다. 저렴함이 충분한 동안 중간값에서 더 저렴한 모델일 뿐이며, 후속 모델 없이 열아홉 달이 지난 지금 그것은 만료일이 보이는 베팅입니다.