Upstage: Solar Mini 4

Solar Mini 4 est un modèle de langage textuel d'Upstage, répertorié sur api14 sous l'identifiant de modèle upstage/solar-mini4. Upstage le décrit comme un modèle compact et économique, conçu comme un mélange d'experts de 35B de paramètres avec 3B de paramètres actifs. Sa date de publication par le fournisseur est le 2026-09-23. L'objectif de conception énoncé par le fournisseur concerne les cas d'usage agentiques, où le modèle est censé agir sur des instructions et appeler des outils plutôt que de seulement produire de la prose.

Le modèle accepte une entrée texte et renvoie une sortie texte, c'est donc un système purement texte-vers-texte sans traitement d'image ni d'audio. Sa fenêtre de contexte est de 524 288 tokens, ce qui est suffisamment grand pour contenir de longs documents, des historiques de conversation étendus ou des sorties d'outils volumineuses dans une seule requête. La longueur maximale de sortie est de 131 072 tokens. Comme il s'agit d'un modèle à mélange d'experts avec 3B de paramètres actifs, seule une fraction des 35B de paramètres totaux est mobilisée par token, ce qui constitue le mécanisme derrière l'affirmation d'efficacité économique du fournisseur.

Ces capacités suggèrent quelques schémas pratiques. Le contexte long convient aux charges de travail de type recherche documentaire, où vous collez de nombreux documents sources et demandez une synthèse, et il convient également aux boucles agentiques qui accumulent des résultats d'outils sur de nombreux tours sans avoir besoin de tronquer l'historique. L'appel d'outils et les sorties structurées en font un choix raisonnable pour les pipelines qui nécessitent des réponses lisibles par machine, comme l'extraction de champs dans un schéma ou l'acheminement d'une requête vers une fonction en aval. Les contrôles de raisonnement vous permettent d'arbitrer entre latence et verbosité d'un côté, et qualité de réponse de l'autre sur les tâches difficiles, tandis que le nombre compact de paramètres actifs le maintient viable pour les travaux à gros volume et de complexité moindre.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle upstage/solar-mini4. Les paramètres de requête pris en charge sont frequency_penalty, include_reasoning, max_tokens, parallel_tool_calls, presence_penalty, reasoning, reasoning_effort, response_format, structured_outputs, temperature, tool_choice, tools et top_p. En pratique, cela signifie que vous pouvez régler le comportement d'échantillonnage avec temperature et top_p, décourager la répétition avec les deux paramètres de pénalité, plafonner la réponse avec max_tokens, demander du JSON ou un schéma via response_format et structured_outputs, et configurer l'appel de fonctions avec tools, tool_choice et parallel_tool_calls. Les paramètres reasoning, reasoning_effort et include_reasoning contrôlent si et dans quelle mesure un raisonnement intermédiaire est produit ou renvoyé.

Les faits fournis n'incluent pas de résultats de benchmarks, de chiffres de latence ni de comparaisons de qualité, il n'y a donc ici aucune base pour affirmer qu'il surpasse ou sous-performe d'autres modèles. La limite la plus claire est la modalité : il ne traite que le texte, donc une tâche qui nécessite de lire des images ou de l'audio requiert un autre modèle. Si vous avez besoin de la plus grande sortie possible pour une seule génération très longue, notez que la sortie est plafonnée à 131 072 tokens même si la fenêtre de contexte est de 524 288 tokens. Dans le cadre du travail textuel, la combinaison d'un grand contexte, de l'appel d'outils et de sorties structurées est ce qui le rend intéressant à essayer en premier pour les pipelines agentiques et d'extraction.