Upstage: Solar Mini 4

Solar Mini 4 es un modelo de lenguaje de texto de Upstage, listado en api14 bajo el id de modelo upstage/solar-mini4. Upstage lo describe como un modelo compacto y rentable, construido como una mezcla de expertos de 35B parámetros con 3B parámetros activos. Su fecha de lanzamiento por el proveedor es 2026-09-23. El objetivo de diseño indicado por el proveedor son los casos de uso agénticos, donde se espera que el modelo actúe según instrucciones y llame a herramientas en lugar de solo producir texto.

El modelo acepta entrada de texto y devuelve salida de texto, por lo que es un sistema puro de texto a texto sin manejo de imágenes ni audio. Su ventana de contexto es de 524.288 tokens, lo suficientemente grande como para contener documentos largos, historiales de conversación extensos o salidas de herramientas considerables en una sola solicitud. La longitud máxima de salida es de 131.072 tokens. Como es un modelo de mezcla de expertos con 3B parámetros activos, solo una fracción de los 35B parámetros totales se activa por token, que es el mecanismo detrás de la afirmación de rentabilidad del proveedor.

Esas capacidades apuntan a algunos patrones prácticos. El contexto largo se adapta a cargas de trabajo de estilo recuperación donde pegas muchos documentos fuente y pides una síntesis, y también se adapta a bucles de agentes que acumulan resultados de herramientas a lo largo de muchos turnos sin necesidad de recortar el historial. La llamada a herramientas y las salidas estructuradas lo hacen una opción razonable para canalizaciones que necesitan respuestas legibles por máquina, como extraer campos a un esquema o enrutar una solicitud a una función descendente. Los controles de razonamiento te permiten intercambiar latencia y verbosidad por calidad de respuesta en tareas más difíciles, mientras que el compacto recuento de parámetros activos lo mantiene viable para trabajos de alto volumen y menor complejidad.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo upstage/solar-mini4. Los parámetros de solicitud admitidos son frequency_penalty, include_reasoning, max_tokens, parallel_tool_calls, presence_penalty, reasoning, reasoning_effort, response_format, structured_outputs, temperature, tool_choice, tools y top_p. En la práctica, eso significa que puedes configurar el comportamiento de muestreo con temperature y top_p, desalentar la repetición con los dos parámetros de penalización, limitar la respuesta con max_tokens, solicitar JSON o un esquema mediante response_format y structured_outputs, y configurar la llamada a funciones con tools, tool_choice y parallel_tool_calls. Los parámetros reasoning, reasoning_effort e include_reasoning controlan si se produce o se devuelve razonamiento intermedio y en qué medida.

Los datos proporcionados no incluyen resultados de benchmarks, cifras de latencia ni comparaciones de calidad, por lo que aquí no hay base para afirmar que supera o queda por debajo de otros modelos. El límite más claro es la modalidad: solo maneja texto, por lo que una tarea que requiera leer imágenes o audio necesita un modelo diferente. Si necesitas la mayor salida posible para una generación única muy larga, ten en cuenta que la salida está limitada a 131.072 tokens aunque la ventana de contexto sea de 524.288 tokens. Dentro del trabajo con texto, la combinación de un contexto grande, llamada a herramientas y salidas estructuradas es lo que hace que valga la pena probarlo primero para canalizaciones agénticas y de extracción.