Solar Mini 4

Fiche modèle · Upstage · solar-mini4

Solar Mini 4 is Upstage's cost-efficient proprietary MoE language model (35B total / 3B active) for agentic use where speed and cost matter. API id solar-mini4 (version solar-mini4-260922). Text→text with English, Korean, and Japanese; reasoning mode, tool calling, and structured outputs. Upstage Console docs: 512K context, up to 128K max output, February 2026 training cutoff. List pricing $0.10 input / $0.40 output / $0.01 cached per 1M tokens. Independent Artificial Analysis benches (not vendor self-report): AA-LCR 83.3, SciCode 47.6, HLE text-only 25.8, Terminal-Bench 4.0 1.0, GDPval-AA v2.1 1072 Elo, AA-Briefcase v1.1 872 Elo. No separate Upstage-published bench table found beyond console/product claims; AA rows stored as third-party.

Fiches modèles

Identité

Organisation	Upstage
Pays	—
Famille	—
Type	llm
Date de sortie	2026-09-22
Licence	proprietary
Licence commerciale	non
Licence open source	non
Poids ouverts	non
Auto-hébergement (DGX Spark)	non — poids fermés
Modalités	text
Fenêtre de contexte	512 000
KV cache / token (Q8)	—
Paramètres totaux	35 B
Paramètres actifs (session)	3 B
Source des paramètres actifs	web : https://console.upstage.ai/docs/models/solar-mini-4
Curation des paramètres actifs	2026-10-19
Prix par session	0.18 $ (1 000 000 tokens entrée + 200 000 sortie, prix le moins cher par fournisseur)
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	1.51 $ (est.)
Tokens d'entraînement	—
Coupure de connaissance	2026-02-01
Créé le	2026-10-07T17:32:43.796296Z
Mis à jour le	2026-11-04T06:05:12.952899Z
Source	LLM Stats
URL	https://llm-stats.com/models/solar-mini4

Tokens/tâche

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : non.

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Fournisseur	Source	Souveraineté	Entrée (/M tok)	Sortie (/M tok)	Quantification	Contexte	Latence (s)	Débit (tok/s)	Statut
Upstage	llm-stats	non	0.10 $	0.40 $	—	—	—	—	active

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
long_context	0.80
math	0.40
physics	0.50
productivity	872.00
reasoning	324.30
general	324.30
agents	648.00
biology	0.50
chemistry	0.50
code	0.20
tool_calling	0.00

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
aa-briefcase-1.1	agents	872.00	3 000.00	0.29	non	non	2026-11-04T06:05:12.971139Z
aa-lcr	reasoning	0.83	1.00	0.83	non	non	2026-11-04T06:05:12.956030Z
gdpval-aa-2.1	general	1 072.00	3 000.00	0.36	non	non	2026-11-04T06:05:12.968181Z
humanity's-last-exam-(no-tools,-text-only)	reasoning	0.26	1.00	0.26	non	non	2026-11-04T06:05:12.961931Z
scicode	reasoning	0.48	1.00	0.48	non	non	2026-11-04T06:05:12.959002Z
terminal-bench-4.0	reasoning	0.01	1.00	0.01	non	non	2026-11-04T06:05:12.964980Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
agents	180	—	2.64	3	trueskill	2026-10-19	model_history
code	135	—	17.17	2	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04