Solar Mini 4 對決 MathForm 8B：一個模型回答問題，另一個讓答案可被檢驗

把 Solar Mini 4 和 MathForm 8B 放在一起，你比較的是兩個並非爭奪同一種 token 的模型。Solar Mini 4 是 Upstage 的 350 億參數稀疏混合專家模型，於 2026 年 9 月 22 日發布，每個 token 約有 30 億個參數處於活躍狀態，它負責回答問題：讀取長篇文件、對其進行推理、回傳書面結果。MathForm 8B 是 OpenBMB 的 80 億參數自動形式化器，於 2026 年 8 月 14 日以 Apache 2.0 授權發布，它做的是任何推理模型都完全不會做的事——它會接收自然語言數學陳述，並將其改寫成一個能讓證明助理的編譯器進行型別檢查的 Lean 4 定理。一個產出答案。另一個產出可讓機器檢查的問題，而後者是更稀有的商品。

無論如何，這個比較都值得做，因為兩者最終都會進入同一種管線，也因為雙方的優勢恰好相反，使得這個選擇格外乾淨俐落。Upstage 的模型擅長處理長文件，在艱澀推理上卻很弱，而且每完成一項任務的成本高昂。OpenBMB 的模型則狹窄到在自己的利基之外毫無用處，從未經任何獨立評估者評分，而且只要你有 GPU，執行起來不花一毛錢。

並排對照，針對不同之處

• 這是什麼 — Solar Mini 4 是一款通用推理模型，具備 1M token 的上下文（依 Upstage 自家文件為 512K），且在 Artificial Analysis Intelligence Index 上實測為 24.1。Form 8B 則是單一任務的自動形式化工具，沒有公開的指數分數、沒有獨立評估，也沒有任何通用能力的宣稱。

• 參數 — Solar Mini 4 為 35B 總參數／3B 啟用參數的稀疏模型；MathForm 8B 為 8.19B 稠密模型，以 Qwen3-8B 為基礎，在 OpenBMB 的 FormalVerse 語料庫上微調而成，該語料庫包含約 367,000 個經驗證的 Lean 4 範例。

• 授權與交付 — Solar Mini 4 為專有模型，可透過 Upstage 的 API 及第三方平台取得。MathForm 8B 是 Apache-2.0 授權的權重，附帶聊天範本、四個 safetensors 分片，以及位於 OpenAI 相容端點後方的 Transformers、vLLM 或 SGLang 部署路徑。

• 價格 — Solar Mini 4 每百萬 token 為 $0.10／快取 $0.01／$0.40，即日起至 2026 年 10 月 22 日止享五折優惠。MathForm 8B 沒有價目表；它的成本就是你替它準備的那張 GPU。

• 速度 —— Solar Mini 4 在 Artificial Analysis 的測試框架上每秒可輸出 204 個 token，每個索引任務輸出 88,300 個 token，而每個任務約需 430 秒的作業時間。MathForm 8B 的輸出則是一個 Lean 4 定理標頭，最多只有數百個 token。

• 其數據的獨立性——Solar Mini 4 已由第三方測試過。MathForm 8B 則沒有：其論文中的每一項數據都是作者自行得出的，而該模型太新、也太專門，尚未吸引到獨立測試。

兩個模型交會之處，以及它們不相交之處

失敗模式正是讓這個組合變得有趣的原因，因為它們是完全相反的。Solar Mini 4 已發表的最弱結果是 Terminal-Bench 4.0 的 1%，以及 AutomationBench-AA 的 22.3%——它在一個會給予回饋的環境中，不擅長驗證自己的工作。MathForm 8B 的整個設計前提就是驗證：OpenBMB 區分了語法檢查（Syntax Check）與一致性檢查（Consistency Check），前者詢問 Lean 4 陳述是否能夠編譯，後者則詢問它所編譯出的陳述是否真的與非正式問題意思相同。它存在所要防止的典型失敗，是一種能夠通過型別檢查、卻悄悄弱化了主張的陳述。

那是一個真實的區別，而且值得精確看待。一個產生證明的推理模型有一個眾所皆知的自我驗證問題：生成過程中沒有任何東西能告訴你答案是否正確。編譯器則可以。如果你的工作流程是「把題庫轉換成機器可以檢查的東西」，MathForm 8B 正在做的是 Solar Mini 4 完全做不到的那一半工作，而剩下的部分並不是程度問題。

廠商自己提供的數字，且已清楚標示為廠商數據：OpenBMB 的論文報告指出，在六項基準測試中，Syntax Check 下的平均 Pass@8 為 88.06%，Consistency Check 下則為 72.37%，並聲稱這些數字勝過數款專門的 32B 自動形式化工具。這些結果沒有任何一項經過第三方重現。兩項檢查之間那 16 個百分點的落差，才是更有參考價值的數字——它衡量的是編譯後的陳述有多少時候並不完全是你要問的那個問題，而這正是 Consistency Check 之所以獨立成一欄的原因。

為什麼團隊會同時執行兩者

因為自然流程有一個便宜、高產量的階段，以及一個昂貴、低產量的階段。MathForm 8B 在你自己的硬體上運行，將非正式問題轉換成 Lean 4 標頭，並有編譯器可在人類看到之前拒絕不良輸出。Solar Mini 4 則處理圍繞這件事發生的工作：閱讀輔助論文、擷取假設、以韓文或英文摘要結果，以及分派工作。這兩者永遠不會競爭同一個請求，而較小者負責的是工作中具有客觀通過／失敗訊號的那一部分。

這兩款模型都不是我們能替你路由的——Upstage 的模型不在 OrcaRouter 上，OpenBMB 的也不在——所以如果你想要 Solar Mini 4，它來自 Upstage 自家的 API；如果你想要 MathForm 8B，它則來自 Hugging Face 和你自己的 GPU。我們能做的是把那條流程的其餘部分收攏到一把金鑰後面：超過 200 款模型，以供應商定價零加成、跨供應商自動容錯移轉，以及一套路由 DSL，讓你將模型串接成單次呼叫。在一個由小型專家模型負責形式化步驟、大型通用模型處理其周遭一切的工作流程中，能夠透過編輯模型字串來更換通用模型——而不是發布新的整合——就是兩週的變更與一個下午之間的差別。

重點摘要

如果你的問題是「這些之中我該用哪一個」，誠實的答案是：這取決於你需要的是答案還是形式化，而沒有哪個基準測試能決定這件事。如果你的問題是「MathForm 8B 值不值得下載」，答案是：對某一項狹窄的工作來說值得，對其他任何用途則不值得——它是形式化工具，不是證明器，而它產出的內容中，證明義務仍懸而未決。如果你的問題是「Solar Mini 4 每項任務 0.36 美元值不值得」，答案是：對大量處理長文件來說值得，對任何需要它檢查自身工作的用途則不值得。

關於來源，最後說明。上述每一個 Solar Mini 4 的數字，除了上下文視窗之外，都是 Artificial Analysis 的獨立測量結果；而上下文視窗是 Upstage 自家提供的數字，且與他們的數字不一致。MathForm 8B 的每一項數字都是廠商依 arXiv 2608.14221 自行回報，且未經重現，其發布也未經公告——權重、FormalVerse 資料集與論文都在 2026 年 8 月 14 日同時出現，沒有廠商部落格文章，至今也沒有任何獨立基準測試。