Solar Mini 4 набрал 24 балла в индексе Artificial Analysis — и стоит в пять раз больше в расчёте на задачу, чем GPT-6 Luna

Solar Mini 4 берёт столько же за входной токен, сколько GPT-6 Luna, а за фактическое выполнение задачи — примерно в пять раз больше. В этом вся суть первой независимой оценки новой модели Upstage, и это не та история, которую рассказали материалы запуска. Solar Mini 4 был запущен 22 сентября 2026 года как разреженная смесь экспертов с 35 миллиардами параметров, активирующая около 3 миллиардов параметров на токен, по цене $0,10 за миллион входных токенов и $0,40 за миллион выходных. GPT-6 Luna, тариф эффективности OpenAI, заявлен по цене $0,10 и $0,50, а тариф с длинным контекстом свыше 272 000 токенов примерно удваивает обе цены. В тарифной сетке они выглядят как одна и та же покупка. В Intelligence Index от Artificial Analysis, где обе модели прошли один и тот же набор из десяти тестов, Solar Mini 4 обходится в $0,36 за выполненную задачу против $0,07 у GPT-6 Luna (max) — коэффициент 5,4, который полностью обусловлен тем, как обе модели ведут себя во время выполнения задачи, а не тем, сколько они берут за токен.

30 сентября 2026 года Artificial Analysis опубликовала свой обзор модели, которая набирает 24 балла в Intelligence Index v4.3.2. Всё в этой статье, что приписывается Artificial Analysis, является собственным измерением этой организации; всё, что приписывается Upstage, является заявлением вендора. Это различие здесь важнее, чем обычно, потому что два набора чисел не всегда совпадают.

Что на самом деле говорит независимый запуск

Solar Mini 4 набирает 24,05 в Intelligence Index при медиане 12 среди reasoning-моделей в своей ценовой категории. Это ставит её значительно выше среднего для своего весового класса, и формулировка самой Upstage — «наивысший общий балл среди моделей с 3B активных параметров в сравнении Artificial Analysis Intelligence Index» — выдерживает независимую проверку именно по этому пункту. Qwen3.6 35B A3B, который также активирует 3B параметров, набирает 18,2 в том же индексе. K2 Horizon MoVA 36B A4B с 4B активных параметров набирает 25,3 — и делает это на более коротком контексте: 524K токенов против 1,05M у Solar Mini 4. В сравнении с Inkling — открытой MoE с открытыми весами на 975 миллиардов параметров, выпущенной в июле, — Solar Mini 4 показывает 24,1 против 25,0: в пределах одного пункта от модели, почти в тридцать раз превосходящей её по размеру и стоящей $1,00/$4,05 за миллион токенов.

Профиль внутри этой партитуры неровный, и эта неровность — полезная часть:

• Рассуждения с длинным контекстом — относительная сильная сторона. Solar Mini 4 набирает 83% в AA-LCR v1.1, на уровне с MiniMax-M3 и GPT-6 Luna (max), и опережает Gemini 3.8 Flash (high) и GPT-6 Astra (max) с 81%.

• Научное программирование держится. 48% на SciCode, на один пункт впереди MiniMax-M3 и Inkling (xhigh).

• Агентное кодирование рушится. 1% в Terminal-Bench 4.0. Не «слабо» — 1%. В AutomationBench-AA, который выполняет многошаговые рабочие процессы в реальных SaaS-приложениях, 22,3%.

• Точность знаний низкая, но модель осознаёт, что угадывает. AA-Omniscience возвращает −11 при точности 18%; модель воздерживается от ответа примерно на половину заданных вопросов. Её показатель отсутствия галлюцинаций составляет 64%, что значительно выше, чем у Inkling (xhigh) — 32%, и GPT-6 Luna (max) — 23%. Модель, которая в половине случаев говорит «я не знаю» и оказывается права в двух трети случаев, когда всё же отвечает, — это совсем другой инструмент, нежели модель, которая уверенно конфабулирует.

В агентной работе со знаниями показатели составляют 1072 Elo в GDPval-AA и 872 Elo в AA-Briefcase, оба близки к Inkling (xhigh).

Пятикратное число, разобранное

Показатель стоимости за задачу от Artificial Analysis — именно он будет определять большинство закупочных обсуждений, и его следует читать как разбивку, а не цитировать как заголовок. Его определяют две вещи.

Сначала об объёме. Solar Mini 4 выдаёт около 88 300 выходных токенов на задачу Intelligence Index; 71 600 из них — токены рассуждений. При цене $0,40 за миллион выходных токенов это примерно $0,035 в счёте — дёшево, потому что вывод обходится дёшево. Вместо этого он стоит времени: при измеренной скорости 204 токена в секунду Artificial Analysis фиксирует 430 секунд работы для средней задачи индекса, или около 7,2 минуты. GPT-6 Luna (max) выдаёт 50 000 выходных токенов на задачу при 127 токенах в секунду и тратит 396 секунд. Inkling (xhigh), открытая модель с открытыми весами на 975 миллиардов параметров, выдаёт 34 700 токенов и завершает работу за 169 секунд. Solar Mini 4 медленнее обеих, но этот разрыв не имеет ничего общего с пятикратной разницей в стоимости.

Во-вторых — и в этом вся суть — ввод с записью в кэш. В разбивке затрат Artificial Analysis около $0.30 из $0.36 за задачу у Solar Mini 4 приходится на токены, записываемые в кэш промпта, против $0.03 за чтение из кэша, $0.035 за вывод и погрешности округления для действительно некэшированного ввода. Для GPT-6 Luna (max) запись в кэш составляет $0.012 из $0.068 — около 17% счёта против 82% у Solar Mini 4. Кэшированный ввод — самая дешёвая позиция в тарифной сетке Upstage: $0.01 за миллион, и модель Artificial Analysis действительно им пользуется; проблема в том, сколько нужно записать, прежде чем это можно будет прочитать. Агент, который при каждом ходе заново отправляет растущую беседу, платит за запись гораздо чаще, чем модель, отвечающая в коротком закрытом ходе.

Вот вывод, который стоит перенести в продакшен: для такой модели цена за токен почти ничего не говорит о стоимости за задачу. А вот поведение кэша — говорит.

Где расходятся собственные цифры Upstage

Пост Upstage о запуске, опубликованный 1 октября 2026 года под заголовком «Solar Mini 4: создан для высоконагруженных агентных задач», сообщает о 24,1 в Artificial Analysis Intelligence Index — фактически том же показателе — и содержит ряд утверждений, которые соседствуют с независимыми данными, а не опираются на них.

Поставщик ссылается на 22,3% в AutomationBench-AA, что в точности совпадает с Artificial Analysis, и на 47,2 в τ³-Banking — бенчмарке на соблюдение политик и использование инструментов, который с тех пор был исключён из набора индексов. Он сообщает 83,3% в AA-LCR и 47,6% в SciCode — оба значения в пределах ошибки округления от независимых цифр. В Humanity's Last Exam он сообщает 19,6%, тогда как на странице Artificial Analysis для той же модели указано 25,8%; оба значения — правдоподобные прочтения печально известной своей нестабильностью оценки, но это не одно и то же число, и ни одно из них не следует выдавать за другое.

Две строки спецификации тоже противоречат друг другу. Upstage документирует контекстное окно в 512K токенов с выводом до 128K токенов. Artificial Analysis указывает контекстное окно в 1,0M токенов и максимальный вывод в 262K. В блоге Upstage прямо сказано, что цифра 512K — это контракт на поставку; это расхождение как раз из тех, что стоит разрешить, сверившись с ответом API, прежде чем кто-либо построит на нём конвейер извлечения.

Поставщик также проводит единственное сравнение, которое может сделать на своих условиях: внутренний тест по трём задачам агента на корейском языке, запускаемым трижды для каждой модели, в котором выполнение 1000 наборов из трёх задач стоило примерно $1,25 с Solar Mini 4 и $2,20 с MiMo-V2.5. Это тест, проведённый поставщиком на выбранных поставщиком задачах без учёта задержки, и он указывает в противоположную сторону от результата Artificial Analysis. Он не является ошибочным — разные задачи задействуют разные бюджеты токенов — но это маркетинговый показатель, и опубликованная скидка на запуск модели — отдельная причина пересчитать собственные цифры, а не принимать чьи-либо.

Тарифы, по состоянию на актуальную документацию консоли Upstage: $0,10 за миллион входных токенов, $0,01 за миллион кэшированных входных токенов, $0,40 за миллион выходных токенов; при этом сейчас действует заявленная 50-процентная скидка в честь запуска до 22 октября 2026 года UTC, из-за чего до этой даты эффективные тарифы составляют $0,05 за входные токены, $0,005 за кэшированные входные и $0,20 за выходные.

Что это значит, если платите именно вы

Самое интересное в Solar Mini 4 — не то, что это плохая модель. А то, что это по-настоящему хорошая небольшая модель, экономика которой определяется поведением, которое тарифная сетка не способна вам показать. 24 балла в индексе при трёх активных параметрах — это настоящий инженерный результат, и нагрузки на корейском языке — заявленная сильная сторона модели, наряду с английским и японским, — это именно та область, где этот результат с наибольшей вероятностью оправдает свою цену.

Неудобная часть — это всё, что происходит после первого вызова. Длинные ответы ассистента, низкое повторное использование кэша и задача, декодирование которой занимает семь минут на каждый прогон индексации, складываются в число, совсем не похожее на $0.10/$0.40. Если вы это оцениваете, честный эксперимент — тест стоимости за завершённую задачу на вашей собственной рабочей нагрузке, с включённым кэшированием промптов именно так, как его фактически использовал бы ваш продакшен-стек, — а не сравнение цен за токены.

Это также тот класс задач, для решения которого и существует роутер, и причина, по которой OrcaRouter пропускает прайс-листовые цены провайдеров с наценкой 0%, так что изменение цены поставщиком отражается в вашем счёте в тот же день. Мы не маршрутизируем модели Upstage, поэтому ни Solar Mini 4, ни Solar Pro 4 недоступны через нас — они предоставляются собственным API Upstage и сторонними платформами. А маршрутизируем мы другую половину этого сравнения: GPT-6 Luna, Qwen3.8-Max, Qwen3.8-27B, Qwen3.8-Flash и более 200 других моделей за одним ключом, и именно это делает практичным держать дешёвую модель и дорогую на одной задаче и позволять автоматическому переключению при сбое и маршрутизации по каждому запросу решать, какая из них ответит. Когда разница между двумя моделями — это пятикратный разрыв в стоимости на задачу, которого не показывает ни один прайс-лист, возможность перевести один запрос между ними значит больше, чем любая таблица бенчмарков.

Коротко: Solar Mini 4 — это новая точка Парето, которую Artificial Analysis строит для моделей с менее чем тремя миллиардами активных параметров, и она примерно в пять раз дороже за каждую выполненную задачу, чем модель с той же заявленной ценой за вход. Оба этих утверждения верны, и именно второе отражается в счёте.