Solar Mini 4 与 MathForm 8B：一个模型回答问题，另一个让答案可核查

把 Solar Mini 4 和 MathForm 8B 放在一起比较，你面对的是两个并不争夺同一个 token 的模型。Solar Mini 4 是 Upstage 的 350 亿参数稀疏专家混合模型，于 2026 年 9 月 22 日发布，每个 token 激活约 30 亿参数；它负责回答问题：读取一篇长文档，对其推理，返回一份书面结果。MathForm 8B 是 OpenBMB 的 80 亿参数自动形式化器，于 2026 年 8 月 14 日以 Apache 2.0 许可发布，它做了一件任何推理模型都根本不做的事——它接收自然语言的数学陈述，并将其改写为证明助手的编译器会进行类型检查的 Lean 4 定理。一个产出答案。另一个产出机器可检查的问题，而后者才是更稀罕的东西。

无论如何，这个比较都值得一做，因为两者最终都会进入同一种流水线，也因为在优势上二者恰好相反，这使得选择变得异常清晰明了。Upstage 的模型擅长处理长文档，但在高难度推理上表现较弱，而且每完成一项任务的成本都很高。OpenBMB 的模型适用范围狭窄，在其专长领域之外几乎毫无用处；它从未经过任何独立评估方的评分，而且只要你有 GPU，运行起来不花一分钱。

并排对比，聚焦差异之处

• 它是什么 —— Solar Mini 4 是一个通用推理模型，拥有 1M token 的上下文（按照 Upstage 自家文档为 512K），在 Artificial Analysis 智能指数上实测得分为 24.1。MathForm 8B 是一个单任务自动形式化工具，没有公开的指数得分、没有独立评估，也没有任何通用能力方面的宣称。

• 参数 — 总计 35B / 活跃 3B，稀疏，用于 Solar Mini 4；用于 MathForm 8B 的 8.19B 稠密模型，基于 Qwen3-8B，在 OpenBMB 的 FormalVerse 语料库（约 367,000 个已验证的 Lean 4 示例）上微调而来。

• 许可与交付 —— Solar Mini 4 为专有模型，通过 Upstage 的 API 及第三方平台访问。MathForm 8B 为 Apache-2.0 权重，附带聊天模板、四个 safetensors 分片，并可在 OpenAI 兼容端点之后使用 Transformers、vLLM 或 SGLang 的部署路径。

• 价格 — Solar Mini 4 为每百万 token 0.10 美元 / 缓存 0.01 美元 / 0.40 美元，目前截至 2026 年 10 月 22 日享五折优惠。MathForm 8B 没有价目表；它的成本就是你给它配的那块 GPU。

• 速度 — Solar Mini 4 在 Artificial Analysis 测试框架上每秒输出 204 个 token，每个索引任务输出 88,300 个 token，每个任务约需 430 秒的工作量。MathForm 8B 的输出是一个 Lean 4 定理头，最多几百个 token。

• 其数字的独立性 — Solar Mini 4 已由第三方运行过。MathForm 8B 则没有：其论文中的每一个数字都出自作者本人，而且该模型太新、太专精，尚未吸引到独立运行。

两个模型在何处交汇，又在何处不交汇

这些失效模式正是让这一组合变得有趣的原因，因为它们恰好完全相反。Solar Mini 4 已公布的最差结果是 Terminal-Bench 4.0 上的 1%，以及 AutomationBench-AA 上的 22.3%——它不擅长在会给予反馈的环境中验证自己的工作。MathForm 8B 的整个设计前提就是验证：OpenBMB 区分了 Syntax Check 与 Consistency Check，前者问的是 Lean 4 语句能否通过编译，后者问的是它所编译出的语句是否真的与非形式化问题含义相同。它旨在防止的典型失败，是一种语句虽能通过类型检查，却在不知不觉中弱化了断言。

这是一个真实的区别，值得精确对待。一个生成证明的推理模型有一个众所周知的自我验证问题：生成过程中没有任何东西能告诉你答案是否正确。而编译器可以。如果你的工作流是“把一个题库转换成机器可以检查的东西”，那么 MathForm 8B 正在做 Solar Mini 4 完全做不了的那一半工作，而剩下的部分并不是程度问题。

厂商标称的数据，已按此标注：OpenBMB 的论文报告，在六个基准上，Syntax Check 下平均 Pass@8 为 88.06%，Consistency Check 下为 72.37%，并声称这些成绩超过若干专门的 32B 自动形式化器。其中没有任何一项得到第三方复现。两次检查之间 16 个百分点的下降是更具信息量的数字——它衡量的是，编译出的陈述在多大频率上并不完全是你所询问的那个问题，而这也是 Consistency Check 作为单独一列存在的原因。

为什么团队会同时运行两者

因为自然流水线有一个廉价、高吞吐的阶段，以及一个昂贵、低吞吐的阶段。MathForm 8B 在你自己的硬件上运行，把非正式问题转换成 Lean 4 头部，并有编译器可在人类看到之前拒绝糟糕的输出。Solar Mini 4 处理围绕这一环节发生的事情：阅读支撑论文、提取假设、用韩语或英语总结结果，并为工作安排路由。这两者从不会竞争同一个请求，而较小的那个负责工作中具有客观通过/失败信号的那部分。

这两款模型都不是我们能为你路由的——Upstage 的模型不在 OrcaRouter 上，OpenBMB 的也不在——所以如果你想要 Solar Mini 4，它得来自 Upstage 自家的 API；而如果你想要 MathForm 8B，它得来自 Hugging Face 和你自己的 GPU。我们能做的是把这条流水线的其余部分都放在一个密钥之后：超过 200 个模型，相较提供商标价零加价、跨提供商的自动故障转移，以及一套路由 DSL，让你能把多个模型串联成单次调用。在这样一种工作流里——小型专用模型负责形式化步骤，大型通用模型负责围绕它的一切——能够通过改一个模型字符串来更换通用模型，而不是发布一套新的集成，这就是两周的改动和一个下午之间的差别。

要点总结

如果你的问题是“这些里我该用哪一个”，诚实的答案是：这取决于你需要的是一个答案，还是一种形式化，而没有任何基准测试能给出定论。如果你的问题是“MathForm 8B 值不值得下载”，答案是：对一项很窄的任务来说值得，对其他任何用途都不值得——它是形式化器，不是证明器，而它产出的结果中，证明义务仍然未决。如果你的问题是“Solar Mini 4 每个任务 0.36 美元值不值”，答案是：对大批量长文档来说值得，对任何需要它检查自身工作的用途来说都不值得。

关于信息来源，最后补充一点。上面每一个 Solar Mini 4 的数字，除上下文窗口外，都是 Artificial Analysis 的独立测量结果；而上下文窗口是 Upstage 自己给出的数字，与他们的结果不一致。MathForm 8B 的每一个数字都来自 arXiv 2608.14221 的厂商自报数据，且未经复现，其发布也未作任何预告——权重、FormalVerse 数据集和论文都在 2026 年 8 月 14 日同时出现，既没有厂商博客文章，迄今为止也没有任何独立基准测试运行。