Solar Pro 4

Fiche modèle · Upstage · solar-pro4

Solar Pro 4 is Upstage's proprietary reasoning-focused agentic LLM (text→text) for finishing multi-step commercial work: long documents, terminal tasks, and multi-turn tool use. Supports English, Korean, and Japanese with a ~512K context window (OpenRouter listing ~524K) and up to 128K output tokens. Reasoning effort is adjustable (high for deep analysis, low for fast chat). Vendor/AA self-reported highlights include Terminal-Bench v2.1 57, τ³-Banking 23, AA-LCR 71, and GPQA Diamond 89.0; in-house asterisk rows include BrowseComp 49.2, SWE-Bench Verified (OpenHands) 70.6, MMLU-Pro 86.3, LiveCodeBench 87.8, AIME 2026 95.3. GDPval-AA v2 38.8 is noted here only — catalog gdpval-aa is Elo-scale (max_score 3000) and 38.8 does not fit that encoding (no gdpval-aa-v2 id). Standard list pricing is $0.30 input / $0.06 cached input / $1.20 output per 1M tokens; launch promo is 90% off on Upstage Console and OpenRouter through September 10, 2026 (23:59 UTC) — promo not stored in the provider price row. Also available via SolarChat, Hermes Agent, and Upstage Studio.

Fiches modèles

Identité

Organisation	Upstage
Pays	—
Famille	—
Type	llm
Date de sortie	2026-08-06
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	—
Paramètres actifs (session)	—
Source des paramètres actifs	—
Curation des paramètres actifs	—
Prix par session	0.54 $ (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)	4.54 $ (est.)
Tokens d'entraînement	—
Coupure de connaissance	—
Créé le	2026-08-12T18:44:03.577717Z
Mis à jour le	2026-11-04T06:05:12.974549Z
Source	LLM Stats
URL	https://llm-stats.com/models/solar-pro4

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	0.30 $	1.20 $	—	—	—	—	active

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

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
language	0.90
legal	0.90
long_context	0.70
math	0.90
physics	0.90
reasoning	0.70
search	0.50
finance	0.90
frontend_development	0.70
general	0.70
healthcare	0.90
agents	0.40
biology	0.90
chemistry	0.90
code	0.70
tool_calling	0.40

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
aa-lcr	reasoning	0.71	1.00	0.71	non	oui	2026-11-04T06:05:12.980862Z
aime-2026	math	0.95	1.00	0.95	non	oui	2026-11-04T06:05:13.000238Z
browsecomp	reasoning	0.49	1.00	0.49	non	oui	2026-11-04T06:05:13.003386Z
gpqa	reasoning	0.89	1.00	0.89	non	oui	2026-11-04T06:05:12.987019Z
livecodebench	reasoning	0.88	1.00	0.88	non	oui	2026-11-04T06:05:12.996737Z
mmlu-pro	language	0.86	1.00	0.86	non	oui	2026-11-04T06:05:12.993620Z
swe-bench-verified	reasoning	0.71	1.00	0.71	non	oui	2026-11-04T06:05:12.990265Z
tau3-banking	agents	0.23	1.00	0.23	non	oui	2026-11-04T06:05:12.983892Z
terminal-bench-2.1	reasoning	0.57	1.00	0.57	non	oui	2026-11-04T06:05:12.977773Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
agents	123	—	11.40	3	trueskill	2026-10-19	model_history
code	104	—	20.79	3	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