제목, 요약, 본문을 검색해 흩어진 정보를 연결하세요.
## [1.123.91](https://github.com/n8n-io/n8n/compare/n8n@1.123.90...n8n@1.123.91) (2026-10-30) ### 버그 수정 * **core:** 레거시 코드 노드 출력에 대해 $('Node') 표현식이 null을 반환하는 문제를 수정([#42249](https://github.com/n8n-io/n8n/issues/42249)) ([18c89cd](https://github.com/n8n-io/n8n/commit/18c89cdf2eda635fbb892730189a2de1a48b46da))
## 새로운 모델 ### Mistral Large 4 (Le Chonk) Mistral Large 4는 현재까지 Mistral이 개발한 모델 중 가장 크고 가장 강력한 모델로, 1조 개의 파라미터를 갖춘 네이티브 다중모달 전문가 혼합 모델이며, 토큰당 490억 개의 활성 파라미터(임베딩 및 출력층 포함 시 520억 개)를 가지고 있습니다. 이 모델은 유럽에 위치한 Mistral의 자체 데이터센터에서 NVIDIA Grace Blackwell GPU 3,800개를 사용하여 처음부터 학습되었습니다. Mistral Large 4는 지시사항 준수, 추론, 코딩 및 에이전트 기반 워크플로우를 단일 가중치 세트로 통합합니다. 범용 모델이지만 특히 사이버보안, 금융, 법률 등 다양한 작업 부하에서 뛰어난 성능을 보이며, 이미지 기반 언어 이해에서도 최첨단 폐쇄형 모델들을 능가합니다. 또한 유럽연합의 모든 공식 언어를 포함해 160여 개 이상의 언어에 대해 원활한 구사 능력을 갖추고 있습니다. #### 주요 특징 Mistral Large
sycl : 재정렬 레이아웃의 디퀀타이제이션 스토어(vectorize) (Q4_0, K-쿼트, IQ3, MXFP4) (#30976) * sycl : 재정렬된 Q4_0 디퀀타이제이션 스토어를 확장 The 재정렬 레이아웃 Q4_0 변환 커널은 작업 항목당 하나의 qs 바이트를 처리하며, 두 개의 스칼라 스토어를 통해 16개의 요소 간격으로 배치되었습니다. #30775에서 Q8_0 커널에 적용된 것과 동일한 방식을 적용합니다: 하나의 32요소 블록 내에서 작업 항목당 네 개의 qs 바이트(8개의 출력)를 처리하는 평면형 sycl::range<1> 런치와 두 개의 벡터 스토어를 사용합니다. 스칼라 커널과 동일한 부동소수점 연산 및 반올림 방식을 사용하며, 출력은 비트 수준에서 동일합니다. 기존 k % QK4_0 == 0 확인 조건은 전체 32요소 블록을 보장하므로, k/8 런치는 각 행을 정확히 모두 다룹니다. 이제 더 이상 참조되지 않는 스칼라 재정렬 커널은 제거됩니다. Arc Pro B70, 프리필이 준비된 상태(재정렬이 설치된 텐서에서 디코딩 후 프리필): +6.4% ~ +7.3%
