Artificial Analysis 独立评测 Upstage Solar Mini 4：智能指数 24 分，每任务成本约为 GPT-6 Luna (max) 的 5 倍

10 月 1 日，AI 评测机构 Artificial Analysis 在了对 Upstage 新模型 Solar Mini 4 的独立评测：在 Artificial Analysis Intelligence Index（智能指数）上得 24 分；长上下文推理是相对强项，agentic coding（智能体编码）是相对弱项。

成本上有一个反差：AA 测得 Solar Mini 4 每完成一个智能指数任务的花费约为 GPT-6 Luna (max) 的 5 倍，尽管 AA 称两者每 token 单价相近；AA 把差距主要归因于缓存命中表现。

同一天，Upstage 正式公布 Solar Mini 4：公司称其为总参数 35B、推理时激活 3B 的 MoE（混合专家）模型，并宣布将 Solar 产品线拆分为面向复杂 agent（智能体）任务的「Pro」与面向重复性任务自动化的「Mini」，API 经由 OpenRouter 提供（见）。

比同为 3B 激活的 Qwen3.6 高 6 分，比上代旗舰高 16 分

AA 的显示，这次评测使用的智能指数为 v4.3.2 版，由 10 项评测合成：Solar Mini 4 比激活参数同为 3B 的 Qwen3.6 35B A3B（Reasoning）的 18 分高 6 分，比激活参数 55B 的 Nemotron 3 Ultra 高 1 分，比 Upstage 上一代旗舰 Solar Pro 3 的 8 分高 16 分。按 Upstage 报告的参数量，AA 认为它「在激活参数低于 3B 的模型中，为智能指数与激活参数设立了一个新的帕累托最优点」；同一张图里，4B 激活的 K2 Horizon MoVA 36B A4B 得 25 分。

AA 的显示，这一分数明显高于同价位段推理模型的中位数（12 分）。

据 ChosunBiz 报道，公司还称 Solar Mini 4 优于阿里的 QwQ 3.6-35B-A3B 和 Nvidia 的 Nemotron 3.5 Lightning，并追平或超过 Nemotron 3 Ultra、Google 的 Gemma 4 31B、小米的 MiLMo V2.5 等激活参数更大的模型。这些对比属公司主张。

长上下文推理：AA-LCR 83%、SciCode 48%

AA-LCR v1.1 得 83%，与 MiniMax-M3、GPT-6 Luna (max) 持平，高于 Gemini 3.8 Flash (high) 和 GPT-6 Astra (max) 的 81%。编程评测 SciCode 得 48%，高于 MiniMax-M3 与 Inkling (xhigh) 的 47%。

agentic coding：Terminal-Bench 4.0 只得 1%

Terminal-Bench 4.0 得 1%，AutomationBench-AA（模拟 SaaS 工作流）得 22%。在智能体知识工作上，其 GDPval-AA 得 1,072 Elo、AA-Briefcase 得 872 Elo，接近 Inkling (xhigh)。

知识类评测是另一种组合：AA-Omniscience 得 -11，答对 18% 的问题，约一半选择弃答；非幻觉率 64%，高于 Inkling (xhigh) 的 32% 和 GPT-6 Luna (max) 的 23%。AA 把 -11 归因于知识准确率低。

便宜的单价，更贵的任务：缓存命中率 48% 对 99%

Solar Mini 4 的定价以每百万 token 计：输入 $0.10、输出 $0.40、缓存命中 $0.01；按其模型页，同价位段推理模型的输入、输出价格中位数分别为 $0.25 和 $0.90，单价处于同类偏低水平。

但换到按任务结算，成本结构就不同了：每个智能指数任务成本 $0.36，其中 $0.30 是未命中缓存的输入；作为对照，GPT-6 Luna (max) 为 $0.07。agentic 任务（如 Terminal-Bench 4.0 与 AA-Briefcase）每一轮都会重发不断增长的对话，缓存命中率直接决定账单。AA 的测量里，Solar Mini 4 的重复上下文缓存命中率为 48%，GPT-6 Luna (max) 为 99%。

输出规模也在放大耗时：每个指数任务平均输出 8.8 万 token，其中 7.2 万是推理 token，约为 Inkling (xhigh) 的 2.5 倍、Gemini 3.5 Flash-Lite 的 5 倍；单看输出速度它是快的（每秒 208 token，高于 GPT-6 Luna (max) 的每秒 152 token），但任务内的平均解码时间达到 7.1 分钟，GPT-6 Luna (max) 为 5.8 分钟，Inkling (xhigh) 为 2.8 分钟。

Upstage 同日公布：Solar 产品线拆成 Pro 与 Mini

ChosunBiz 报道称，Upstage 10 月 1 日宣布推出 Solar Mini 4。公司表示，配合量化，模型可跑在单张 GPU 上，适合装入企业内部服务器的本地部署场景；公司预计，安全要求高的机构会用它把大批量重复任务自动化，而不必把数据发到外部云环境。产品线上，Solar Pro 面向需要精细判断的复杂 agent 任务，Solar Mini 面向逐步任务自动化等重复工作，企业可按任务复杂度与吞吐量组合两个模型，以优化性能与成本。

Solar Mini 4 的 API 通过 OpenRouter 提供；ChosunBiz 提到，8 月上线的 Solar Pro 4 是首个在 OpenRouter 正式上架的韩国模型，曾在一周榜上按闭源模型 token 使用量排到第三。配合发布，Upstage 的 API 促销持续至 10 月 10 日。

Upstage 首席执行官 Kim Seong-hoon 称：「Solar Mini 4 超越了同类中的所有竞争模型，为紧凑型 LLM 树立了新标准。」他同时表示，面向复杂 agent 工作的「Pro」与面向大规模任务自动化的「Mini」的组合，将让企业选择最适合其工作的 AI。

参数规模无法独立核验，其余数字由 AA 测得

AA 在评测中写明：Solar Mini 4 是专有模型，权重不公开，35B 总参数与 3B 激活参数无法被独立核验。这意味着与参数效率相关的判断，包括「帕累托最优点」以及与 3B 激活级别的对比，都以 Upstage 报告的数字为前提。AA 模型页列出的其余规格包括 100 万 token 上下文、26.2 万 token 最大输出、纯文本输入输出、知识截止 2026 年 2 月。

由 AA 测得的基准分数、token 用量、缓存命中率与每任务成本，已随评测公开；参数规模仍依赖 Upstage 报告的数字。