Solar Open 2正式发布：韩国主权基础模型，参数量达250B，声称接近DeepSeek V4 Flash水平

Upstage今日正式发布Solar Open 2，专为智能体（Agentic）应用优化的开放权重基础模型。

Solar Open 2专为真实工作环境中的智能体基座模型而设计与训练，覆盖工具调用、编程、办公自动化等多类智能体场景，并在智能体、韩语、知识及编程等多项基准测试中达到与全球领先模型相抗衡的水平。

该模型采用MoE架构，总参数量达250B，每个token仅激活15B参数，在提升能力的同时大幅优化推理效率。经量化处理后，仅需两块NVIDIA H200 GPU即可运行，使企业在自有基础设施上的私有化部署切实可行。模型支持高达100万token的超长上下文窗口，官方支持韩语、英语和日语。

模型权重已在Hugging Face上以商业可用许可证发布，同步发布的还有《Solar Open 2技术报告》，完整披露架构设计、训练方法、关键实验及评测条件。

构建Solar Open 2，目标不只是基准测试高分，而是一个具备真实工作场景所需性能与成本结构的智能体基础模型。

Solar Open 2在预训练和后训练阶段均将智能体应用作为首要目标，训练场景涵盖搜索、工具调用（MCP）、编程和办公自动化。模型不仅学习生成解释，更学会在真实环境中采取行动、检验结果，并在必要时自我纠正。

为构建真实可用的智能体训练数据，Upstage自主研发了一套数据合成与验证流水线：以来自真实工作环境的源数据为起点，构建能够明确判定正确答案的场景设置，并反复筛选，仅保留通过验证的数据用于训练。

Solar Open 2支持 1M token的上下文窗口。为实现长上下文支持，其采用混合注意力架构，结合GQA（全softmax注意力）与线性注意力。模型以"1个GQA层 + 3个线性注意力层"为一个重复单元，在全部48层中有75%采用线性注意力。线性注意力层以固定大小的状态管理序列信息，避免KV缓存随上下文长度线性增长，从而降低长输入的内存压力。Softmax注意力层采用NoPE（无位置编码），专门针对外推能力设计，以处理超出训练时主要见到的长度范围的输入。

这一设计在训练效率上同样成效显著。在对照实验中，Solar Open 2架构仅用2100亿token便达到了Solar Open 100B全softmax架构需要6710亿token才能达到的MMLU性能水平。详细对比及设计原理已在技术报告中完整发布。

高效推理架构使Solar Open 2得以在相对有限的基础设施上运行：BF16模型需四块NVIDIA H200，量化后仅需两块H200。

这些部署要求以实际应用为出发点，企业在自有基础设施上运行模型并接入智能体服务，而非仅面向研究评测。详细的吞吐量与延迟数据已在模型卡中提供。

Solar Open 2采用专为韩语分词效率优化的tokenizer，处理相同韩语文本仅需全球模型50%至80%的token数量。在韩国职场文本上，Solar Open 2的tokenizer在12款对比产品中效率排名第一，比表现最佳的全球模型领先约24%。以更少token表达相同内容，意味着更低的推理成本与更长的有效上下文。

为更高效地训练250B规模的模型，Upstage自主研发了选择性权重迁移（Selective Weight Transfer）方法。该方法并非随机初始化全部权重，而是从上一代模型Solar Open 100B中筛选出可迁移至新架构的权重，用于初始化Solar Open 2。

除智能体应用、韩语性能与推理效率外，Solar Open 2在核心知识与编程方面同样具有竞争力：

MMLU-Pro（知识）：86.2分，同类模型最高。LiveCodeBench（编程）：92.4分，同类模型最高。韩语基准平均分：85.4分，超越DeepSeek-V4-Flash（84.9分），大幅领先GPT-5.4 mini（80.8分）和Claude Haiku 4.5（69.6分）。在指令遵循和工具调用评测中：MCP-Atlas：58.2分，与DeepSeek-V4-Flash并列同组最高，而APEX-Agents：16.6分，对比组中最高。

Ko-GDPval基准测试评估智能体在真实职场环境中完成工作任务的能力，涵盖律师、会计师、感染控制专家等58个职业的170个真实工作场景，以模型实际产出的报告、计划书、简报等成果进行评分。

Solar Open 2在该基准测试中取得86.8分，仅比DeepSeek-V4-Pro（86.9分）低0.16分，而后者是一个总参数量1.6T、体量超过Solar Open 2六倍以上的模型。Solar Open 2同时领先包括万亿参数级别的MiMo-V2.5-Pro（84.6分）在内的所有其他对比模型。

Demo: https://open2-beta.upstage.ai/