Solar Mini 4: Mô hình Agent 3B-Active của Upstage, và Mô hình Thầm lặng mà nó phát hành kèm

Upstage đã phát hành hai thứ vào ngày 22 tháng 9 năm 2026, và thứ thứ hai chính là lý do để tiếp tục đọc qua thứ thứ nhất. Solar Mini 4 là mô hình: một checkpoint mixture-of-experts 35 tỷ tham số với 3 tỷ tham số hoạt động trên mỗi token, cửa sổ ngữ cảnh 512.000 token, đầu ra tối đa 128.000 token, và giá niêm yết 0,10 đô la cho mỗi triệu token đầu vào và 0,40 đô la cho mỗi triệu token đầu ra. Nó đã chính thức hoạt động trên Upstage Console, trong Playground, và dưới dạng triển khai tại chỗ, không có nhãn xem trước và không có danh sách chờ. Đó là buổi ra mắt, và đó là một buổi ra mắt hợp lý. Thứ còn lại mà Upstage tung ra cùng ngày là Solar Jev, một endpoint quyết định được phục vụ trên nền Solar Mini 4, thứ không tạo ra chút văn xuôi nào — nó trả về một lựa chọn, một điểm số, hoặc câu trả lời có/không kèm theo xác suất, trong một lượt truyền xuôi duy nhất, và Upstage tính giá token đầu ra của nó bằng 0. Một trong hai thông báo này là một bản phát hành mô hình. Cái còn lại là một canh bạc nhỏ rằng một nhóm công việc tác tử hữu ích không muốn một mô hình ngôn ngữ nói.

Cái gì thực sự đã hạ cánh vào ngày 22 tháng 9

Mục nhật ký thay đổi cho Solar Mini 4 thì ngắn gọn và không rào đón. Mô hình mới, hiện đã có sẵn. Cách định vị của chính Upstage là hiệu quả về chi phí cho công việc agentic “nơi tốc độ phản hồi và chi phí quan trọng” — đó là câu mà một phòng thí nghiệm viết khi muốn bạn so sánh nó với một thứ có giá gấp ba lần thay vì so với các mô hình tiên tiến nhất.

Bảng thông số kỹ thuật, theo trang lịch sử mô hình của Upstage:

• Tham số — tổng cộng 35B, kích hoạt 3B mỗi token. Đây là một mô hình hỗn hợp chuyên gia thưa (sparse mixture-of-experts), nên bạn phải trả chi phí lưu trữ 35B và tính toán với 3B. Upstage không nêu rõ có bao nhiêu chuyên gia hoặc chúng được định tuyến như thế nào.

• Ngữ cảnh — 512.000 token, với tối đa 128.000 token đầu ra. Cả hai con số này đều giống với con số của mẫu flagship, và đây là dòng thú vị nhất trên bảng thông số.

• Mốc cắt huấn luyện — tháng 2 năm 2026. Đã cũ bảy tháng tại thời điểm phát hành, điều này là bình thường đối với một mô hình cỡ này và đáng để biết trước khi bạn hỏi nó về bất cứ điều gì gần đây.

• Ngôn ngữ — Tiếng Anh, tiếng Hàn và tiếng Nhật. Upstage mô tả mô hình này là "tiếng Hàn lưu loát cùng năng lực tiếng Anh và tiếng Nhật mạnh mẽ", đây là thứ tự đúng đối với một phòng thí nghiệm Hàn Quốc và có lẽ cũng là thứ tự đúng đối với mô hình.

• Khả năng — trò chuyện, suy luận, đầu ra có cấu trúc và gọi công cụ. Suy luận là một thay đổi so với thế hệ trước: các mô hình solar-mini cũ hoàn toàn bỏ qua tham số reasoning_effort, còn Solar Mini 4 thì không.

• ID mô hình — solar-mini4 là bí danh, và hiện tại nó phân giải thành snapshot có gắn ngày solar-mini4-260922. Một định danh solar-mini4-preview cũng đã lưu hành trong bộ công cụ agent của bên thứ ba, điều này đáng để biết nếu bạn đang viết cấu hình định tuyến dựa trên một chuỗi preview có thể sẽ không tồn tại.

• Tính khả dụng — Upstage Console, Playground và on-premises. Không có trọng số mở. Upstage từng công bố trọng số mở trước đây (Solar Open 2 đã ra mắt trong một bản phát hành trên Hugging Face và dịch vụ API của nó đã kết thúc vào ngày 12 tháng 8 năm 2026), nhưng không có gì về Solar Mini 4 cho thấy đó là kế hoạch ở đây.

Solar Jev là phần mà không ai sẽ viết về.

Solar Jev đang trong giai đoạn beta trên một endpoint POST /v1/systemone mới. Bạn gửi một phần trạng thái — một tài liệu, một dòng log, một phiếu hỗ trợ — cùng một danh sách các câu hỏi được định kiểu, và bạn nhận lại một lựa chọn từ một tập hợp do bạn cung cấp, một điểm số trên một rubric, hoặc một câu trả lời có/không, mỗi kết quả đều mang một xác suất đã hiệu chỉnh được lấy trực tiếp từ mô hình thay vì được viết ra dưới dạng văn bản.

Hệ quả về mặt thiết kế là không có văn xuôi diễn giải. Không có giải thích, không có chuỗi suy luận, không có lời mở đầu. Upstage nói rằng mỗi quyết định là một lượt truyền xuôi duy nhất và rằng các token đầu ra là miễn phí. Với cửa sổ ngữ cảnh 512K, toàn bộ trạng thái — cả một hợp đồng, cả một bản ghi chép — có thể là đầu vào.

Đây là một sản phẩm hẹp hơn vẻ ngoài ban đầu của nó, và chính sự hẹp đó mới là điểm mấu chốt. Một mô hình không viết gì thì không thể viết sai. Nếu pipeline của bạn hiện đang yêu cầu một mô hình chat trả về một phán quyết JSON rồi sau đó phân tích cú pháp nó, và bạn đã từng dành chút thời gian nào để phòng chống việc mô hình bọc JSON đó trong một câu thân thiện, thì Solar Jev nhắm thẳng vào bạn. Cái giá phải trả là bạn nhận được một xác suất và không có dấu vết lập luận, nên khi nó sai, bạn chẳng có gì để đọc.

Cần phải chính xác về những gì Solar Jev không phải là: nó không phải là một Solar Mini 4 nhỏ hơn, và nó không phải là một bản fine-tune mà bạn có thể tải xuống. Nó là một endpoint được phục vụ dựa trên Solar Mini 4, có mặt trên Upstage Console, ở dạng beta. Beta mới là từ khóa quan trọng.

Chi phí là bao nhiêu, và đồng hồ đếm ngược cho ưu đãi giảm giá

Giá niêm yết là $0.10 mỗi một triệu token đầu vào, $0.01 mỗi một triệu token đầu vào đã lưu đệm và $0.40 mỗi một triệu token đầu ra. Tất cả các số liệu đều chưa bao gồm VAT 10%.

Những mức giá niêm yết đó không phải là mức bạn sẽ trả hôm nay. Upstage đang chạy ưu đãi ra mắt 50% mà chính trang định giá của họ ghi ngày 22 tháng 10 năm 2026 (UTC) — dữ liệu có cấu trúc bên dưới trên trang đó cho khoảng thời gian là từ 05:00 UTC ngày 22 tháng 9 đến 00:00 UTC ngày 23 tháng 10, tức là cùng một thông tin được nói theo hai cách. Trong khoảng thời gian đó, mức giá là 0,05 USD cho đầu vào, 0,005 USD cho bộ nhớ đệm, 0,20 USD cho đầu ra.

Có hai điểm tiếp theo. Thứ nhất, nếu bạn đang tính chi phí cho thứ này so với bất kỳ thứ gì khác, hãy tính ở cả hai con số, vì mức giảm giá 50% hết hạn sau một tháng không phải là giá, mà là khuyến mãi. Thứ hai, để có ngữ cảnh về vị trí của giá niêm yết: thế hệ Solar Mini trước niêm yết ở mức $0.15 mỗi triệu token cho cả đầu vào và đầu ra với ngữ cảnh 32.768 token và hoàn toàn không có chế độ suy luận. Solar Mini 4 rẻ hơn ở đầu vào, đắt hơn ở đầu ra, và mang đến cho bạn cửa sổ ngữ cảnh lớn gấp mười sáu lần cùng một chế độ suy luận. Đó không phải là một bản làm mới. Đó là một sản phẩm khác khoác cùng một cái tên.

Điều mà chưa ai đo lường được

Solar Mini 4 mới ra đời được một ngày và chưa có đánh giá độc lập. Không có Artificial Analysis Intelligence Index, không có vị trí trên Agent Arena, không có benchmark agentic của bên thứ ba. Upstage cũng chưa công bố bảng benchmark nào cho nó — mục changelog chỉ có thông số kỹ thuật và không có điểm số. Bất kỳ ai trích dẫn cho bạn một con số về mô hình này đều đang trích dẫn thứ gì đó khác.

Có đúng một điểm dữ liệu na ná bên thứ ba đang lưu hành, và nó cần được dán nhãn cẩn thận vì nó không phải là cái nào trong hai thứ mà nó trông giống. Một kho cộng đồng, hunkim/solar-mini4-jev, bọc Solar Mini 4 đằng sau một dạng tương thích cho API quyết định TypeSafe Jev và công bố lần chạy test400 của riêng mình, được một mô hình khác chấm theo một bộ tiêu chí đã nêu. Trong lần chạy đó, Solar Mini 4 ở reasoning_effort=none đạt độ chính xác trường 98,4% so với 94,2% của chính wrapper, bỏ sót 7 trong 447 trường được chấm điểm so với 26; nó dẫn đầu ở cả tiếng Hàn (98,8%) và tiếng Anh (98,4%); và đạt trung bình 1,21 giây mỗi lần gọi so với 0,38 giây của wrapper.

Hãy đọc nó đúng như bản chất của nó. Đây không phải là một benchmark của nhà cung cấp — Upstage không công bố nó. Đây không phải là một đánh giá độc lập — không có bên trung lập nào thực hiện nó, bộ khung kiểm thử là của chính đối thủ, và giám khảo là một mô hình. Đây là so sánh do một nhà phát triển tự báo cáo, giữa một API được host với wrapper của chính họ, và tóm tắt trung thực là đây là tín hiệu duy nhất hiện có và nó không nên tự mình định đoạt một quyết định production. Nó có gợi ý hai điều đáng để bạn tự kiểm chứng: rằng mô hình đủ nhanh cho việc sử dụng tương tác, và rằng tiếng Hàn của nó ít nhất cũng mạnh ngang tiếng Anh.

Cách dùng thử nó mà không đặt cược cả một pipeline vào đó

Phần khó xử của một mô hình mới ra đời được một ngày mà không có điểm số độc lập là cách duy nhất để biết liệu nó có phù hợp hay không là cho lưu lượng thật chạy qua nó, và cách duy nhất để làm điều đó một cách an toàn là có một nơi để lưu lượng đó chuyển đến khi nó không phù hợp.

Chuyển đổi dự phòng là câu trả lời trung thực ở đây, và đó chính là mục đích của một lớp định tuyến. Bạn đặt Solar Mini 4 phía sau một endpoint, giữ mô hình bạn đang chạy làm phương án dự phòng, và để router chuyển lưu lượng khi mô hình mới gặp lỗi, quá thời gian chờ hoặc bắt đầu trả về đầu ra có cấu trúc mà trình phân tích cú pháp của bạn từ chối. Như vậy, tuần đầu tiên của một mô hình mới là một thử nghiệm có tấm đệm an toàn bên dưới, thay vì một màn ra mắt mà bạn phải bảo vệ.

Một đính chính cần nói thẳng ra, vì rất dễ khiến người ta hiểu theo hướng ngược lại: OrcaRouter hiện không định tuyến bất kỳ mô hình Upstage nào. Solar Mini 4, Solar Pro 4 và Solar Jev có sẵn qua API riêng của Upstage cùng một số nền tảng bên thứ ba, và nếu bạn muốn cụ thể Solar Mini 4 thì đó chính là nơi để lấy. Điều chúng tôi cung cấp là một API key dùng cho hơn 190 mô hình mà chúng tôi thực sự định tuyến, hữu ích nếu thí nghiệm bạn thực sự muốn chạy là "liệu một mô hình agent nhỏ gọn có vượt được cái tôi đang có không" chứ không phải "liệu mô hình Hàn Quốc cụ thể này có vượt được cái tôi đang có không". Đó là hai câu hỏi khác nhau và chỉ một trong số đó có câu trả lời sai.

Câu hỏi mở

Upstage hiện đã tung ra một mẫu nhỏ gọn và một mẫu flagship trên cùng một bảng thông số 512K/128K, cách nhau ba tuần ở các bậc định giá, và họ đã đặt một endpoint quyết định trên mẫu nhỏ chứ không phải mẫu lớn. Thứ tự đó là có chủ đích: Solar Jev được phục vụ trên Solar Mini 4 bởi vì một quyết định không tạo ra văn xuôi thì không cần đến khả năng suy luận của flagship, và bởi vì bạn muốn mẫu rẻ khi bạn đang tạo ra hàng triệu cái như thế.

Điều chưa rõ là liệu 3B tham số hoạt động có đủ khả năng suy luận cho công việc agentic vượt ra ngoài trích xuất hay không. Tiếp thị của Upstage nói là agentic. Các benchmark của Upstage thì không nói gì. Cho đến khi một tổ chức độc lập chạy đánh giá nó — và xét theo ngày phát hành, sớm nhất cũng phải vài tuần nữa — cách tiếp cận đúng đắn là hãy kiểm thử nó trên tác vụ của chính bạn, ở mức giá khuyến mãi, với một phương án dự phòng đã được cấu hình, và coi mọi tuyên bố về chất lượng agentic của nó, kể cả tuyên bố của nhà cung cấp, như một giả thuyết.