[박찬 기자]
미스트랄이 범용 모델을 API로 호출해 사용하는 방식에서 벗어나, 기업이 자체 데이터로 AI 모델을 직접 구축하고 훈련할 수 있는 플랫폼을 출시했다.

미스트랄은 16일(현지시간) 기업이 자체 데이터로 AI 모델을 직접 구축·훈련할 수 있는 플랫폼 '포지(Forge)'를 공개했다.

현재 포지는 미스트랄 모델을 중심으로 운영되고 있지만, 앞으로 다양한 오픈소스 모델까지 지원 범위를 확대할 계획이다.

기존의 단순 미세조정을 넘어, AI 모델 개발의 전 과정을 지원하는 것이 특징이다. 대규모 사내 데이터 기반 사전 학습, 지도 미세조정(SFT), 강화 학습(RL)까지 포함해 기업 환경에 최적화된 모델을 지속적으로 개선할 수 있다.

엘리사 살라망카 미스트랄 제품 책임자는 "포지는 기업과 정부가 자신들의 데이터로 완전히 맞춤형 AI를 만들 수 있게 한다"라며 "검증된 학습 레시피와 데이터 파이프라인을 제공하는 것이 핵심"이라고 설명했다.

이는 그동안 오픈AI, 앤트로픽, 구글 등이 제공해 온 범용 모델에 미세조정 API를 기반으로 접근하는 방식과는 차별화된 전략이다.

현재 대부분 기업은 범용 AI 모델을 선택한 뒤 미세조정 API를 통해 일부 기능만 조정하는 방식으로 AI를 도입하고 있다. 하지만 미스트랄은 이 방식이 개념검증(PoC) 단계에서는 유효하지만, 핵심 경쟁력 확보에는 한계가 있다고 본다.

예를 들어, 고대 문서 복원이나 통신사 레거시 코드 변환, 헤지펀드의 자체 금융 모델 등 특수한 문제는 범용 모델로 해결이 어렵다. 실제로 미스트랄은 통신 기업 에릭슨과 협력해 독자적인 코드 언어를 이해하는 모델을 구축하고, 개발 기간을 획기적으로 단축한 사례를 제시했다.

살라망카 책임자는 "기업들이 동일한 모델에 의존하는 한 차별화는 어렵다"라며, 경쟁력을 확보하려면 자체 데이터에 기반한 독자적인 모델 구축이 필수적이라고 밝혔다.

포지의 또 다른 핵심은 데이터 통제권이다. 기업이 자체 서버나 온프레미스 환경에서 모델을 학습할 경우, 미스트랄은 데이터에 접근하지 않는다.

이는 클라우드 기반 서비스에 데이터를 업로드해야 하는 기존 방식과 대비되는 지점이다. 특히 국방, 금융, 의료 등 민감한 데이터를 다루는 산업에서는 중요한 차별 요소로 작용할 전망이다.

현재 미스트랄은 유럽우주국(ESA), ASML, 싱가포르 국방 연구 기관 등 데이터 보안이 중요한 기관들과 협력하고 있다.

포지는 단순 플랫폼을 넘어 '현장 배치 AI 전문가'를 지원하는 것도 특징이다. 이는 '현장 배치 엔지니어(FDE)'를 지원하는 팔란티어의 전략과 유사하다. 많은 기업이 데이터 정제, 학습 설계, GPU 최적화 등에서 전문성이 부족한 현실을 감안해, 기술과 인력을 동시에 제공하는 방식이다.

<이미지를 클릭하시면 크게 보실 수 있습니다>

한편, 미스트랄은 새로운 모델 '미스트랄 스몰 4(Mistral Small 4)'도 공개했다. 이 모델은 기존에 분리돼 있던 지시 수행, 추론, 멀티모달 이해, 코드 생성 기능을 하나로 통합한 것이 특징이다.

전문가 혼합(MoE) 구조를 기반으로 1190억 매개변수를 갖춘 고효율 모델로, 이전 세대 대비 약 40% 빠른 처리 속도와 3배 이상의 처리량을 제공한다. 요청별로 추론 강도를 조절하는 기능을 통해 속도와 정확도 간 균형을 유연하게 조정할 수 있다.

또 25만6000 토큰 컨텍스트 창을 지원해 코드 분석, 문서 처리 등 실제 업무 환경에서 활용성을 높였다.

박찬 기자 cpark@aitimes.com

<저작권자 Copyright ⓒ AI타임스 무단전재 및 재배포 금지>