Upstage Solar 2

• 1. 概要 （共 272 字）

  「Upstage Solar 2」是產品速遞資訊流對該產品的命名口徑，對應韓國 AI 公司 Upstage 的第二代旗艦大語言模型 Solar Pro 2（310 億引數，2025 年 7 月正式釋出）。它用不到頭部前沿模型一半的引數，在 Artificial Analysis 智慧指數上拿到 58 分、躋身全球前十「前沿模型」，也是唯一上榜的韓國模型。截至 2026 年，Upstage 已推出更新的 Solar Pro 3（1020 億引數的 MoE 模型），本報告的「Solar 2」按資訊流命名指代第二代 Solar 代際，參照此前「Hailuo AI 影片 2」「Fireworks 2」的處理方式。

• 2. 產品背景 （共 398 字）

  Upstage 由金成勳（Sung Kim）於 2020 年 10 月在韓國創立，核心團隊出自 Naver 的 Clova AI 部門——金成勳曾任 Clova 創始負責人、香港科技大學教授，CTO 李鉉錫與美區 CEO 樸 Lucy 分別來自 Clova 的視覺與 NLP 團隊。公司走 B2B 優先路線，主力產品是 Solar 系列 LLM 與文件智慧引擎 Document Parse，客戶包括三星、韓華保險、英特爾，以及多家美國大型保險公司，在韓國私有 LLM 市場份額約 35%，年營收增速超過 130%。   融資節奏很密。2025 年 8 月完成 4500 萬美元 B 輪過橋融資（KDB 韓國開發銀行、亞馬遜、AMD 參投），累計融資約 1.57 億美元；2026 年 4 月再獲 1800 億韓元 C 輪，估值突破 1 萬億韓元，成為韓國首家生成式 AI 獨角獸；2026 年 5 月韓國國民成長基金又批准 5600 億韓元（約 4 億美元）直接股權投資，是該基金首次注資軟體公司。公司已在籌備 KOSPI 上市。

• 3. 產品功能與使用體驗 （共 495 字）

  Solar Pro 2 是 310 億引數的小語言模型（sLLM），上下文 64K，採用 Upstage 標誌性的「深度擴充套件」（Depth Up-Scaling，DUS）方法——把兩個預訓練模型沿深度軸堆疊並裁剪微調，源自 2023 年底爆紅的 SOLAR 10.7B 論文。它在單張 GPU 上就能高效推理，這是相對需要多卡叢集的前沿模型最實在的部署優勢。   模型提供兩種可切換模式：「Chat 模式」直接快速應答，「Reasoning 模式」走 Chain-of-Thought 做結構化多步推理，在數學、程式碼、邏輯類任務上明顯更強。它還是個 agentic 模型，能自己呼叫外部工具完成多步任務——給一句「調研競品最近三個月的產品釋出和營銷動作，生成帶新聞連結的簡報」，它會自主聯網搜尋、分析、產出 PPT 檔案，從規劃到交付全程少干預。   韓語是它真正的長板。在 Ko-MMLU、Hae-Rae、Ko-IFEval、Arena-Hard-Auto 等基準上，它持平甚至超過體量大得多的頂尖模型，在 Ko-Arena-Hard-Auto 上達到 GPT-4、Claude 3 同一水平，並能處理法律、金融、醫療等韓語專業領域。英語、日語也有不錯表現。

• 4. 定價與商業模式 （共 403 字）

  Solar Pro 2 透過 Upstage Console 以 API 形式提供，官方定價為輸入 0.15 美元/百萬 Token、快取輸入 0.015 美元/百萬、輸出 0.6 美元/百萬（不含 10% 增值稅），與更新的 Solar Pro 3 同價。輕量的 Solar Mini 為 0.15 美元/百萬。   付費採用承諾檔（Commitment tiers）預付費：Explore（100 美元/月起，贈送 10% 額度，Solar Pro 2 限流 30 次/秒）、Build（500 美元/月，15%，50 次/秒）、Scale（5000 美元/月，20%，80 次/秒），年付再省 20%。教育、醫院、非營利機構可經 AWS AI Initiative 免費使用 Solar Pro 與 Document Parse 最長一年。對合規嚴苛的客戶，還支援 AWS Marketplace、私有云（VPC）與本地化部署（on-prem），按量或定製報價。整體是典型的「企業級 API + 私有部署」雙軌變現。

• 5. 使用者評價 （共 344 字）

  正面反饋集中在韓語場景與工程落地。韓國保險、金融客戶看重它處理保單、理賠、合同等複雜文件的準確性，以及單卡可部署帶來的成本可控。開發者喜歡 OpenAI 相容介面的低遷移成本，以及在韓語指令遵循、長文件理解上優於同體量開源模型。英特爾、三星等將其嵌入自身 AI 基礎設施，也側面印證了企業口碑。   負面與保留意見主要來自通用能力。Artificial Analysis 上 Solar Pro 2 的「非推理版」在指令遵循（IFBench 僅 0.337）和數學（Math Index 30）維度偏弱，複雜英文創意寫作、開放式推理不如 GPT-4o、Claude 等一線模型；作為閉源模型，它不公開權重，社群無法自託管微調，與完全開放權重的Solar 早期版本形成反差。不少使用者認為它更像「韓語企業專屬引擎」而非通用聊天對手。

• 6. 行業評價 （共 454 字）

  業內最硬的背書是 Artificial Analysis 智慧指數 58 分——超過 GPT-4.1（53）、GPT-4o（41）、LLaMA 4 Maverick（51）、Kimi-K2（57.59）、DeepSeek V3（53），躋身全球前十前沿模型，也是榜單裡唯一的韓國模型。Grok-4 據稱引數高達 1.7 萬億，Solar Pro 2 用 310 億引數逼近其智慧表現，被媒體稱為「小模型也能領導行業」的範本。CB Insights 將其列入 2025 年 AI 100。   更關鍵的是政策層面的認可。2026 年韓國主權 AI 計劃中，評審第一條標準就是「原創性」——要求權重與訓練資料可追溯到自研。Naver 的 HyperCLOVA X SEED 因視覺編碼器與 Qwen 2.5 餘弦相似度 99.51% 被淘汰，Upstage 憑從隨機初始化權重訓練、完整可追溯的日誌透過，拿下 4 億美元國家直接股權投資。金成勳在 2025 年底「Solar Open 疑似抄襲中國模型」的質疑中，乾脆直播公開完整訓練日誌與檢查點自證，最終對方道歉——這反而為韓國 AI 原創性標準立了範本。

• 7. 爭議與風險 （共 316 字）

  最大爭議即上述「原創性質疑」。2025 年末 Solar Open 被指只是微調了某個中國模型，而非從零自研；金成勳直播驗真、公開全量訓練日誌，質疑者公開道歉。事件把「什麼叫從零自研」擺上檯面，最終監管以「隨機初始化權重 + 完整訓練可追溯」作為原創標準，SK Telecom、Naver 也都因此被追問。   商業風險在於夾縫定位。它既面對 OpenAI、Anthropic 等 API 巨頭，又面對 DeepSeek、Qwen 等開放權重陣營，閉源且引數中等的策略在「價格戰 + 開源化」雙重擠壓下需要靠韓語與垂直行業壁壘防守。此外模型訓練資料截止 2025 年 3 月，知識時效性落後於同期前沿模型；依賴韓國本土政策與資本紅利，若 IPO 節奏因市場波動推遲，估值敘事會承壓。

• 8. 適用人群與使用建議 （共 274 字）

  適合：以韓語為核心場景的企業（保險、金融、醫療、製造）做文件自動化與智慧客服；需要單卡或私有化部署、對資料主權敏感的業務；想用較低成本拿到接近前沿推理能力的團隊。不適合：追求頂級英文通用創作與開放式推理的消費者；需要自託管權重做深度微調的研究者；純多模態（影象/語音）需求方——Solar Pro 2 僅支援文字。   替代方案上，通用英文優先可看 GPT-4o、Claude；要開放權重看 DeepSeek、Qwen；韓語且要更新代際則可看 Upstage 自家的 Solar Pro 3（1020 億 MoE，2026 年 1 月釋出，128K 上下文，更強 agentic 與推理）。

• 9. 總結 （共 119 字）

  Solar Pro 2 是「用工程效率換前沿效能」的韓國樣本：310 億引數、單卡可跑、韓語霸榜、企業級落地紮實，靠 DUS 方法和透明自證在資本與政策兩端都拿到了信任票。它未必是通用最強的那一個，但在韓語企業市場裡，是當下最值得認真考慮的選項之一。

暫無深度報告

• 

  DDavis

  —

  最驚豔的是它能自己聯網搜資料再順手生成一份帶連結的 PPT，給老闆做競品月報直接省了半天活。代價是輸出偏囉嗦，token 燒得比預期快，建議管好 prompt 長度，別讓它自由發揮太狠。

---

• 

  蓮花294

  —

  價效比 yyds。

---

• 

  AnnWeber

  —

  AA 智慧指數 58，跟 GPT-4.1 一個段位卻只有 310 億引數，這引數效率確實離譜。

---

• 

  Joe_Bailey_2024

  —

  韓語是真的強，吊打同尺寸開源模型。

---

• 

  TOmoo

  —

  保險行業的朋友在用它的文件解析，上百頁的理賠材料秒級出結構化欄位，人工核對量直接砍掉大半。

---

• 

  xSibelBecht_x

  —

  韓國之光。

---

• 

  SDavis520

  —

  非推理版指令遵循有點拉，複雜 agent 流程還是老老實實開推理模式吧。

---

• 

  realJefferyNichols_2024

  —

  上下文 64K，長文件摘要和合同審閱夠用了。

---

• 

  AngelaHernandez_Plus734

  —

  單張 H100 就能跑，這不比堆八卡香？

---

• 

  Billy_Mitchell_202358

  —

  Reasoning 模式解數學和程式碼題確實穩，但要記得開 reasoning_effort，不然預設走的還是快答。

---

• 

  逍遙_5

  —

  閉源這點有點勸退，想自部署還得談商務授權。

---

• 

  許貞然

  —

  tokenizer 最佳化後韓語任務能省兩到三成 token，呼叫量大了真能省錢。

---

• 

  Russell_Phillips_77048

  —

  0.15 刀輸入、0.6 刀輸出每百萬 token，比一線閉源便宜一截，量大的中小團隊能省不少。

---

• 

  Jesse.Cox_2024

  —

  我們團隊把 Solar Pro 2 接進了韓語客服系統，回覆的連貫性比之前用的開源模型明顯好，英文一般但夠用。

---

• 

  秋葉_12

  —

  對比了一圈，Solar Pro 2 在 Ko-MMLU、Hae-Rae 這些韓語基準上基本是第一梯隊，跟 GPT-4、Claude 3 在韓語對抗測試裡也打得有來有回。英語和中文就普通了，拿它做韓國市場業務很合適，通用聊天還是 GPT 更順。我們做的是跨境電商的韓文客服，換上之後轉寫和問答的準確率肉眼可見上去了。

---

• 

  SAjam

  —

  嚴格說 Solar Pro 2 不是開源權重，想本地微調基本沒戲，只能走官方 API 或私有云部署。對想完全掌控資料的公司，這點和 DeepSeek、Qwen 比是個硬傷；但我們是金融場景、合規要求高，反而更放心把資料留在自己機房裡跑。

---

• 

  LisaMiller

  —

  用 langchain-upstage 接的，幾行程式碼就能跑多輪對話和 RAG，Groundedness Check 還能校驗回答有沒有瞎編。小團隊想快速驗證韓語場景，這個套件挺省心，不用自己造輪子。就是文件例子偏少，踩坑得看原始碼。

---

• 

  AdamAlvarez_66

  —

  Upstage 拿了韓國 4 億美元國家投資、還成了首個生成式 AI 獨角獸，加上 Solar Pro 2 擠進全球前沿前十，韓國這次是真支稜起來了。不過模型知識截止到 2025 年 3 月，問最新時事和當月新聞會露怯，生產環境記得加檢索兜底。

暫無評論