Solar Mini 4 与 Granite 4.2 3B：一个可供调用的模型，一个可下载的检查点

把 Solar Mini 4 和 Granite 4.2 3B 放在一起比较，有趣的数字并不是基准测试差距。而是：Granite 4.2 3B——IBM 于 2026 年 8 月 25 日发布的 Apache-2.0 推理模型——今晚就能免费在笔记本电脑上运行；而 Solar Mini 4——Upstage 于 2026 年 9 月 22 日发布的专有模型——在你拥有的任何设备上都跑不起来，并且回答问题要按每百万输入 token 收费 0.10 美元、每百万输出 token 收费 0.40 美元。两者每处理一个 token 都会激活大约三十亿参数的算力。一个是文件。另一个是计价器。

这一差异决定了这次比较中几乎所有其他方面，包括哪些基准测试甚至值得放在一起对比。Granite 4.2 3B 早在 Solar Mini 4 之前很久就有了独立评估——Artificial Analysis 在 Intelligence Index v4.3.2 上给它打 9 分，而给 Solar Mini 4 打 24 分的，是同一套评估体系和同一家机构。这意味着这里的十五分差距有着不同寻常的可靠依据：同一家实验室、同一套方法论，以及两个无需任何人盲目相信的模型。

规格方面，真正区分它们的那些维度

• 架构 — Solar Mini 4 采用稀疏混合专家架构：据 Upstage 称，总参数量为 35B，每个 token 激活 3B。Granite 4.2 3B 则是稠密模型，参数量约为 3B；根据 safetensors 元数据，包含嵌入层在内总计约 4B。相同的激活预算，两种不同的花费方式。

• 权重 — Solar Mini 4 为专有闭源模型。Granite 4.2 3B 以 Apache 2.0 许可发布，并附有详细的训练配方，细至数据配比。

• 上下文 — Upstage 的文档标明为 512K 个 token，输出最高可达 128K；而 Artificial Analysis 对同一模型列出的是 1.0M，因此这一上限尚无定论。Granite 4.2 3B 原生支持 131,072 个 token，并通过第五个预训练阶段扩展至 512K。

• 价格 — Solar Mini 4 为每百万 token $0.10 / 缓存 $0.01 / $0.40，目前截至 2026 年 10 月 22 日享受 50% 折扣。Granite 4.2 3B 没有厂商价目表，因为根本无从租用；Artificial Analysis 追踪的托管端点定价约为 $0.03 / $0.12，而自行托管只需支付电费。

• 智能指数——Solar Mini 4 为 24，Granite 4.2 3B 为 9，两者数据均来自 Artificial Analysis v4.3.2。

• 速度 — Solar Mini 4 的每秒输出 token 数为 204，Granite 4.2 3B 为 223，两者均由同一实验室测量，首块延迟分别为 1.5 秒和 0.5 秒。在这两项指标上，稠密模型都更快。

十五个百分点的差距实际上是由什么构成的

各项单独评估所反映的情况，对 Granite 4.2 3B 而言不如总体标题那么亮眼，对 Solar Mini 4 而言则更为复杂。在长上下文推理基准 AA-LCR v1.1 上，Solar Mini 4 得分为 83%，Granite 4.2 3B 得分为 24%。仅这一项评估就占据了指数差异中的极大份额，而且这并非规模带来的偶然结果——这是用 512K 到 1M token 的上下文以及为使用它而进行的训练换来的。Granite 4.2 3B 的原生窗口最高为 131K；扩展的 512K 阶段确实存在，但该模型并未像 Solar Mini 4 那样经过调优，以便在整个窗口范围内进行推理。

在常识方面，差距缩小，随后性质发生反转。Granite 4.2 3B 在 GPQA 上得分 55.9%，而 Solar Mini 4 完全没有 GPQA 数据；在 Humanity's Last Exam 上，两者分别为 6.6% 和 25.8%，这是更直接的比较，也是规模差异所预示的结果。根据 Artificial Analysis，Granite 4.2 3B 不会做的一件事是编造：其 AA-Omniscience 非幻觉率为 73.7%，高于 Solar Mini 4 的 64.2%。较小的模型更不可能编造出它并不掌握的答案。

智能体式编码正是两款模型都栽跟头的地方，也正是读懂数字的关键所在。Solar Mini 4 在 Terminal-Bench 4.0 上得分 1%，在 AutomationBench-AA 上得分 22.3%。Granite 4.2 3B 在 Terminal-Bench 4.0 上得分 0%，在更早的 Terminal-Bench 2.1 上得分 13.9%，在 τ³-Banking 上得分 5.6%。两款模型都不是执行自主终端任务的合适工具。Granite 4.2 家族中的 8B 和 30B 成员接受了 IBM 的智能体强化学习训练，并带有 SWE-Bench 和 Terminal-Bench 的成绩；3B 版本则明确跳过了那一训练环节，而 Upstage 的模型其定位是检索、结构化和策略应用，而非驱动 shell。

在哪些情况下Granite 4.2 3B仍然是正确答案

七又三分之一 GB 的 bfloat16 权重，在实际量化下不到四 GB，而且 Apache 2.0 许可证允许你用自己的数据微调，并直接发布结果，无需征求任何人的许可。只有一块消费级 GPU 的学生、无法将患者文本发送给第三方的医院、需要在一架飞机上或工厂地下室里运行的产品、想要拥有一个模型而不是租用一个端点的团队——所有这些情况都会选择 Granite 4.2 3B，并且不再回头。该引擎可通过 vLLM、SGLang、Transformers 和 GGUF 运行，Ollama 也列出了 granite4.2:3b 构建版本。

其厂商报告的数字理应受到惯常的审慎对待。IBM 的说明卡声称在 AIME 2025 上达到 78.33，在 HMMT February 2025 上达到 66.67，在 LiveCodeBench v6 上达到 69.71——这些均未得到任何第三方复现，而且对于一个稠密的 3B 模型来说，AIME 的数值远高于历史区间。Artificial Analysis 指数为 9，表明该模型确实有用，但远未达到前沿水平；这一信号之所以更可信，恰恰是因为 IBM 并未公布它。

Solar Mini 4 是正确答案的地方

凡是工作涉及长文档、重复的结构化抽取，或需要在规模化场景中一致执行的策略——并且可以接受九十秒延迟——都适用。Solar Mini 4 的画像是一份专家型画像：长上下文推理 83%，科学编程 48%，非幻觉率 64%，并且有记录显示它倾向于弃答而非猜测。它还把韩语与英语、日语并列为一等语言，这对于面向韩国市场的部署来说绝不是可有可无的脚注。

买家不该做的是比较这两个 token 价格，然后得出 Solar Mini 4 贵三倍的结论。Artificial Analysis 的测量结果是，Solar Mini 4 每完成一项 Intelligence Index 任务花费 0.36 美元，而在同一套测试中，Granite 4.2 3B 为 0.006 美元。这是六十倍的差距，其成因与 Solar Mini 4 相对 GPT-6 Luna (max) 成本虚高的原因相同：每项任务 88,300 个输出 token，而 Granite 为 18,600 个；以及在成本结构中，提示缓存写入占 Solar Mini 4 那 0.36 美元中的 0.30 美元，而 Granite 的 0.006 美元中仅占 0.0006 美元。在一个啰嗦的模型上，便宜的输出价格并不等于便宜的任务。

这两个模型都不在 OrcaRouter 上——Granite 和 Upstage 我们都不路由——所以如果你想要 Granite 4.2 3B，得从 Hugging Face 获取；如果你想要 Solar Mini 4，则要经由 Upstage 自家的 API 和第三方平台。但这次对比所体现的双模型模式，正是路由器天生就为之设计的那种模式，也正是 OrcaRouter 以单一密钥提供 200 多个模型、且相对提供商标价仅 0% 加价的原因所在：把长文档和韩语相关工作交给真正对得起成本的模型，把确定性提取步骤留在你自己托管的东西上，并让路由与故障转移按每次调用、而不是按合同在两者之间移动请求。

关于上述数字的最后一点说明。来自 Artificial Analysis 的每一个 Solar Mini 4 数字都是独立测量结果；来自 IBM 模型卡的每一个 Granite 4.2 3B 数字都是厂商声明，尚无任何第三方复现。Artificial Analysis 指数得分 24 和 9 是这里仅有的两个由同一实验室在相同条件下得出的数字——而它们才是应当作为决策依据的两个数字。