Upstage ha rilasciato Solar Open 2, il successore open-weight del precedente Solar Open. Si tratta di un modello Mixture-of-Experts da 250 miliardi di parametri totali che ne attiva solo 15 miliardi per token.
Il focus dichiarato è chiaro: non un chatbot generico, ma un foundation model pensato per agent che devono completare task di lunga durata in ambienti di lavoro reali. Tool calling, coding, gestione documentale e workflow d'ufficio sono stati al centro del training.
Architettura e contesto lungo
Solar Open 2 adotta un'architettura ibrida di attenzione. Alterna un layer softmax ogni tre layer di linear attention e usa NoPE (nessun positional encoding) per estrapolare meglio su input lunghi. Il risultato è un context window dichiarato di 1 milione di token, particolarmente utile per tenere intere traiettorie di agent in un unico passaggio.
Il tokenizer è ottimizzato per l'efficienza in coreano: su testi di lavoro d'ufficio riduce significativamente il numero di token rispetto ai modelli globali.
Performance
Sui benchmark inglesi di fascia comparabile, Solar Open 2 guida su MMLU-Pro (86.2) e LiveCodeBench (92.4). Su APEX-Agents ottiene il punteggio più alto tra i modelli confrontati. Sui benchmark coreani la media è 85.4, superiore a diversi modelli closed di fascia "fast".
Il risultato più interessante arriva da Ko-GDPval, un benchmark interno di lavoro d'ufficio coreano con 170 scenari: Solar Open 2 ottiene 86.8, a distanza minima da un modello 1.6T che attiva molte più risorse.
Disponibilità e licenza
I pesi sono pubblici su Hugging Face sotto la Upstage Solar License, che consente uso commerciale, fine-tuning e distillazione. Per l'inferenza sono indicate quattro GPU NVIDIA H200 in BF16, o due con quantizzazione.
Il modello supporta inglese, coreano e giapponese ed è già integrabile con tool agentici comuni tramite vLLM.
Solar Open 2 rappresenta un passo concreto verso modelli open-weight che non si limitano a rispondere, ma a eseguire task complessi in autonomia mantenendo costi di inferenza contenuti.
Testo: assistito da AI · revisionato da Carlos H. P. Ross
