一句话看懂：韩国 AI 实验室 Upstage 发布闭源推理模型 Solar Mini 4，官方称其以 35B 总参数、3B 激活参数在 Intelligence Index 上拿到 24 分，但 Artificial Analysis 评测显示其完成同一任务的成本约为 GPT-6 Luna（max）的 5 倍，效率与速度之间存在明显张力。
事件核心：发生了什么
2026 年 9 月 30 日，Upstage 推出 Solar Mini 4。据官方披露，该模型总参数 35B、激活参数 3B，支持 1M tokens 上下文窗口和最多 262k 输出 tokens，知识截止到 2026 年 2 月，仅支持文本输入输出，采用闭源许可，不公开权重。相比上一代旗舰 Solar Pro 3，它的 Intelligence Index 分数从 8 提升到 24，每百万输入/输出 token 价格降至 0.10/0.40 美元。Artificial Analysis 的评测显示，它在 AA-LCR v1.1 长上下文推理上得分为 83%，与 MiniMax-M3、GPT-6 Luna（max）持平；输出速度 208 tokens/s。但它在 Terminal-Bench 4.0 上仅得 1%、AutomationBench-AA 得 22%，智能体编码是明显短板；同时每个 Intelligence Index 任务平均消耗 88k 输出 tokens，导致单任务解码时间约 7.1 分钟，慢于 GPT-6 Luna（max）的 5.8 分钟。
为什么重要
Solar Mini 4 的卖点是参数效率：如果 Upstage 报告的 3B 激活参数可信，它在“智能分数 vs 激活参数”曲线上刷新了 3B 以下档位的帕累托最优点，分数高于同档的 Qwen3.6 35B A3B（18 分），甚至略高于激活参数 55B 的 Nemotron 3 Ultra（23 分）。这意味着小激活参数模型仍有性能挖掘空间。不过，Artificial Analysis 指出，该模型在智能体任务中重复上下文较大，缓存命中率只有 48%，而 GPT-6 Luna（max）为 99%，导致其每任务成本约 0.36 美元，其中 0.30 美元来自未缓存输入。这说明低价 token 不等于低价任务，长链条推理和工具调用场景下，缓存效率和输出 token 管理正在成为新的成本分水岭。
对用户/开发者/创作者的影响
对开发者和企业采购而言，Solar Mini 4 的低 token 单价对预算敏感型、单轮长文本任务有一定吸引力，比如长文档问答或长上下文推理；但如果要接入智能体工作流、自动化编码或高频多轮工具调用，就需要把缓存命中率和每任务总成本算进去，不能只看 API 标价。对普通用户来说，它目前不是开源模型，权重不公开，本地部署和自由微调不可行，只能通过 Upstage 提供的 API 或托管服务调用。此外，它在 AA-Omniscience 上得分 -11，回答准确率仅 18%，但非幻觉率达 64%，高于 Inkling（xhigh）的 32% 和 GPT-6 Luna（max）的 23%，意味着它更倾向于对不确定问题选择弃答，适合对“宁可不说也别编”有要求的场景，但知识准确性仍偏低，不建议直接用于高事实密度任务。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，Upstage 是否会公开更详细的缓存机制或推理优化方案，以降低智能体任务的每任务成本；第二，Solar Mini 4 在 Terminal-Bench 等智能体编码榜单上的弱势是否会在后续版本中改善；第三，同档位竞品如 Qwen、Nemotron 是否会跟进推出更小激活参数的模型。以上评测数据仅适用于 Artificial Analysis 在原文发布日期的评测条件，不代表永久排名。
