That's NeuralCatálogo de modelos

upstage

Upstage: Solar Pro 4

upstage/solar-pro4

Nuestro análisis

Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.

Según el catálogo de OpenRouter, upstage/solar-pro4 (listado como Upstage: Solar Pro 4, instantánea canónica upstage/solar-pro4-20260810) es un modelo de lenguaje de gran tamaño solo de texto, posicionado como rentable, con una ventana de contexto de 524K tokens descrita como adecuada para tareas de largo alcance y flujos de trabajo agénticos. El catálogo indica razonamiento opcional, desactivado por defecto con varios niveles de esfuerzo configurables, además de soporte para llamadas a herramientas, llamadas paralelas, salidas estructuradas y parámetros de muestreo habituales. Existen mediciones de arena e índices en los datos estructurados, pero no había una ficha de modelo independiente en este paquete de fuentes, por lo que el comportamiento real requiere validación en las cargas de trabajo previstas.[1]

Puntos fuertes

  • Amplia ventana de contexto de 524K tokens según el catálogo, adecuada para documentos extensos y sesiones prolongadas.[1]
  • Razonamiento opcional con niveles de esfuerzo configurables, desactivado por defecto, lo que permite equilibrar latencia y coste.[1]
  • Admite llamadas a herramientas, llamadas en paralelo, salidas estructuradas y formato de respuesta, según la lista de parámetros del catálogo.[1]

Limitaciones

  • Solo entrada y salida de texto; el catálogo no lista otras modalidades.[1]
  • La evidencia procede únicamente del catálogo: no había ficha de modelo independiente, fecha de corte de conocimiento ni términos de licencia en este paquete, por lo que las afirmaciones y los resultados medidos deben confirmarse en cargas de trabajo reales.[1]

Dónde utilizarlo

  • Candidato razonable a evaluar para flujos de trabajo agénticos que combinen llamadas a herramientas y salidas estructuradas, según la descripción del catálogo.[1]
  • Vale la pena probarlo en tareas intensivas en documentos y de contexto largo, como resumir o consultar archivos extensos, dada la ventana de contexto listada.[1]
  • Puede encajar en asistentes de productividad de oficina sensibles al coste, un área de capacidad mencionada en el catálogo, sujeto a validación en la carga de trabajo.[1]

Fuentes

  1. [1] OpenRouter catalog · Upstage: Solar Pro 4Fuentes consultadas: 13 nov 2026

Sobre este modelo

La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.

Solar Pro 4 is Upstage's cost-efficient large language model, featuring a 524K context window. It is built for long-horizon tasks and agentic workflows, with strong capabilities in office productivity, document-intensive...

Especificaciones

ID del modelo
upstage/solar-pro4
ID canónico
upstage/solar-pro4-20260810
Creador
upstage
Añadido a OpenRouter
10.08.2026
Longitud de contexto
524,288
Modalidad
text->text
Modalidades de entrada
text
Modalidades de salida
text
Precio por token
USD por 1M de tokens: entrada $0.150 / salida $0.600
Corte de conocimiento
—
Fecha de expiración
—

Tareas y capacidades

Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.

TareaNotaCapacidad declarada por la fuente
Calidad generalBB — siguiente 30% de la cohorterazonamiento: opcional · predeterminado medium · esfuerzos: max, xhigh, high, medium, low, minimal, none · parámetros: include_reasoning, reasoning, reasoning_effort
ProgramaciónBB — siguiente 30% de la cohorte—
AgentesSin mediciónparámetros: structured_outputs, tool_choice, tools
EscrituraSin mediciónsalida: text
RazonamientoSin mediciónrazonamiento: opcional · predeterminado medium · esfuerzos: max, xhigh, high, medium, low, minimal, none · parámetros: include_reasoning, reasoning, reasoning_effort
Análisis de documentosSin medición—
VisiónSin medición—
Generación de imágenesSin medición—
AudioSin medición—
VídeoSin medición—
EmbeddingsSin medición—

Evaluaciones

FuenteBenchmarkValorNotaDatos obtenidos
Artificial AnalysisIntelligence index28.2BB — siguiente 30% de la cohorte13.11.2026
Artificial AnalysisCoding index52.7BB — siguiente 30% de la cohorte13.11.2026
Design Arenaagents · webappstasa de victoria 30% · posición 401,087EloCC — por debajo de la franja B13.11.2026
Design Arenamodels · 3dtasa de victoria 46.8% · posición 651,162EloBB — siguiente 30% de la cohorte13.11.2026
Design Arenamodels · codecategoriestasa de victoria 38.8% · posición 711,171EloBB — siguiente 30% de la cohorte13.11.2026
Design Arenamodels · dataviztasa de victoria 41.3% · posición 681,175EloBB — siguiente 30% de la cohorte13.11.2026
Design Arenamodels · gamedevtasa de victoria 40.9% · posición 681,169EloBB — siguiente 30% de la cohorte13.11.2026
Design Arenamodels · uicomponenttasa de victoria 35.5% · posición 861,140EloCC — por debajo de la franja B13.11.2026
Design Arenamodels · websitetasa de victoria 36.8% · posición 851,164EloCC — por debajo de la franja B13.11.2026
Cómo funcionan las notas

Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.

  • S — S — 10% superior de la cohorte
  • A — A — siguiente 20% de la cohorte
  • B — B — siguiente 30% de la cohorte
  • C — C — por debajo de la franja B

Proveedores

Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.

ProveedorLongitud de contextoPrecio entrada /1MPrecio salida /1MLatencia p50 (30m, s)Rendimiento p50 (30m, tok/s)Disponibilidad (30m)
Upstage524,288$0.150$0.600——100%
Upstage524,288$0.150$0.600——100%
KT524,288$0.300$1.2——100%

Datos de proveedores obtenidos: 13.11.2026

Ningún artículo publicado identifica aún este modelo.