Puis-je exécuter Solar Pro 4 localement ?

Non — Upstage n’a pas publié de poids ouverts, Solar Pro 4 est uniquement accessible via API et ne peut pas être exécuté sur votre propre matériel.

Quel est le coût de Solar Pro 4 et quelle est la taille du contexte ?

L’entrée coûte 0,09 $ par million de tokens et la sortie 0,36 $ par million, avec une fenêtre de contexte de 524 288 tokens.

À quoi Solar Pro 4 est-il le mieux adapté comparé aux autres modèles à ce prix ?

Upstage le positionne spécifiquement pour les workflows agentiques, le traitement de longs documents et les tâches de productivité bureautique — cas d’usage qui bénéficient de sa fenêtre de contexte exceptionnellement grande à un prix abordable.

▲

17.6%

cette semaine

Solar Pro 4

9005°

#llm #upstage #raisonnement #agents #contexte long #programmation

Lancer ce modèle

Offres / Pub

OpenRouter Terminal / API

Payer par token

Discute avec ce modèle dans le navigateur ou appelle-le depuis ton code avec une clé API.

Upstage | contexte de 524 288 tokens | 0,09 $/M en entrée, 0,36 $/M en sortie. Solar Pro 4 est le modèle de langage large économique d'Upstage, avec une fenêtre de contexte de 524K tokens. Il est conçu pour les tâches à long terme et les workflows agentiques, avec de solides capacités en productivité bureautique, travail intensif sur documents et codage. Lors de l'utilisation de BYOK avec application ZDR, la clé API Console doit appartenir à une organisation Upstage activée ZDR. Contactez Upstage pour activer ZDR sur votre organisation.

Guides pour ce modèle

Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire

Comment choisir un modèle d'IA en octobre 2026 : les nouveautés des modèles fermés, puis les poids ouverts à télécharger

Les 10 alternatives à ChatGPT les moins chères en 2026 : modèles locaux gratuits, offres gratuites et forfaits à prix fixe

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

Solar Pro 4 est le grand modèle de langage économique d’Upstage conçu pour le travail à long terme et agentique, avec une fenêtre de contexte de 524 288 tokens qui gère des pipelines documentaires lourds sans découpage constant. Il cible la productivité bureautique, les tâches intensives en documents et le codage à un prix bien inférieur à la plupart des modèles de pointe. Un choix solide si vous avez besoin d’un contexte profond et d’un design adapté aux agents sans payer les tarifs de pointe.

Connu pour

Fenêtre de contexte de 524K tokens — l’une des plus grandes disponibles à ce prix
Conçu explicitement pour les workflows agentiques et les tâches multi-étapes
Adapté aux travaux intensifs en documents et à la productivité bureautique
Bonnes capacités de codage en parallèle de ses forces documentaires
Coût d’entrée très bas à 0,09 $ par million de tokens

Attention à

API uniquement, poids fermés — vous ne pouvez pas l’exécuter localement ni inspecter le modèle.
BYOK avec ZDR nécessite une organisation Upstage compatible ZDR ; vous devez contacter Upstage pour la mise en place.
Les tokens de sortie sont facturés 4× plus cher que les tokens d’entrée, donc les tâches de génération verbeuse coûtent plus vite que prévu.

Idéal pour

Agents et utilisation d'outils

Contexte long

Programmation

Extraction de données

Budget

Prompts à essayer

Résumé d’un long contrat

Voici un long contrat juridique. Lisez le document entier, puis produisez : (1) un résumé en langage clair des obligations clés de chaque partie, (2) une liste des clauses inhabituelles ou à haut risque, et (3) trois questions qu’un avocat devrait clarifier avant signature. Collez le texte du contrat ci-dessous.

Agent de recherche multi-étapes

Vous êtes assistant de recherche. J’ai besoin d’une analyse concurrentielle structurée du marché des batteries pour véhicules électriques. Décomposez la tâche en étapes, indiquez ce que vous faites à chaque étape, et produisez un rapport final avec des sections sur les acteurs clés, les évolutions technologiques récentes, les tendances de coûts, et un résumé des risques. Travaillez entièrement sans m’interrompre pour poser des questions.

Refactoriser et documenter du code

Refactorez la fonction Python suivante pour plus de clarté et performance. Ajoutez des annotations de type, une docstring expliquant les paramètres et la valeur de retour, et des commentaires en ligne pour toute logique non évidente. Puis écrivez trois tests unitaires couvrant un usage normal, un cas limite et une condition d’erreur. Collez votre fonction ci-dessous.

Comparer avec

Solar Mini 4
Modèle uniquement API
Contexte de 524,288 tokens · entrée $0.05/M, sortie $0.20/M
DeepSeek V4.1 Flash
Modèle à poids ouverts
Contexte de 1,048,576 tokens · entrée $0.04/M, sortie $0.68/M
GLM 5.3 Flash
Modèle à poids ouverts
Contexte de 1,048,576 tokens · entrée $0.02/M, sortie $0.72/M
Hy4 preview
Modèle à poids ouverts
Contexte de 1,048,576 tokens · entrée $0.83/M, sortie $2.50/M

Plus de modèles de texte de upstage

Questions fréquentes

Puis-je exécuter Solar Pro 4 localement ?: Non — Upstage n’a pas publié de poids ouverts, Solar Pro 4 est uniquement accessible via API et ne peut pas être exécuté sur votre propre matériel.
Quel est le coût de Solar Pro 4 et quelle est la taille du contexte ?: L’entrée coûte 0,09 $ par million de tokens et la sortie 0,36 $ par million, avec une fenêtre de contexte de 524 288 tokens.
À quoi Solar Pro 4 est-il le mieux adapté comparé aux autres modèles à ce prix ?: Upstage le positionne spécifiquement pour les workflows agentiques, le traitement de longs documents et les tâches de productivité bureautique — cas d’usage qui bénéficient de sa fenêtre de contexte exceptionnellement grande à un prix abordable.

Verdict du capitaine
Une vraie grande fenêtre de contexte à prix budget rend Solar Pro 4 intéressant pour les pipelines agentiques lourds en documents, tant que vous êtes à l’aise avec une solution API uniquement.

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #27 Hottest Text / LLM model · #27 Hottest Text / LLM text model

Not this creator?

Get your own badge

Tendance de popularité de Solar Pro 4

Score de chaleur depuis 10 Aug 2026

Score de popularité

9,005°

Cette semaine

▲

17.6%

8,983° alors, 9,005° maintenant

Ce mois-ci

▲

136%

8,890° alors, 9,005° maintenant

L'année passée

n/a

Pas encore publié/suivi

7,000°

Plancher

L’échelle va de 0° à 9 999°. Tout ce qui est en dessous de 7,000° est réservé aux modèles dont aucune source ne rapporte encore de données, ils portent un nombre de remplacement pour que les listes restent complètes. 7,000° est le point où les données mesurées commencent : un modèle avec de vraies données mais presque aucun téléchargement est au plancher, et les mesures remplissent les degrés au-dessus. Le plancher ne dit rien sur le modèle ; seuls les degrés au-dessus le font, et ce sont eux qui différencient un modèle d’un autre.

+1,702°

Tokens OpenRouter

4,738,155,695,871 tokens traités par ce modèle via OpenRouter au cours des 30 derniers jours, prompts et réponses confondus. Chaque 10,000,000 tokens compte comme un téléchargement dans le terme de téléchargement, 473,815 au total ; les tokens du dernier jour s'ajoutent au taux d'adoption. Source : OpenRouter (openrouter.ai/rankings).

+303°

Taux d’adoption

Environ 10,813 téléchargements par jour, mesurés entre deux relevés des sources, jamais estimés à partir d’une moyenne sur la durée. La vitesse compte pour un quart du terme téléchargement, donc une poussée récente apparaît sans qu’un pic d’un jour dépasse des années d’usage.

Afficher le détail

Chaque chiffre sur ce site peut être vérifié. Le score de popularité de ce modèle est de 9,005°, et voici comment il est construit, ingrédient par ingrédient, avec le total cumulé après chaque étape : le plancher, les degrés ajoutés par chaque source, le bonus pour le type de modèle et ce que l’âge de ses poids enlève. Les couleurs correspondent aux bandes du graphique ci-dessus. Le glossaire à la fin définit chaque terme.

1
Commence au plancher.
Pourquoi 7,000° et pas zéro : l’échelle va de 0° à 9 999°, et la partie en dessous de 7,000° est réservée aux modèles dont aucune source ne rapporte encore de données, qui portent un nombre de remplacement pour que les listes restent complètes et ne dépassent jamais un modèle avec données. 7,000° est le point où les données mesurées commencent. Un modèle avec de vraies données mais presque aucun téléchargement est ici ; tout ce qui suit est une mesure, et l’espace au-dessus du plancher contient dix paliers de dix fois plus de téléchargements à 300° chacun. Le plancher est le même pour tous les modèles, donc il ne décide rien ; ce sont les degrés au-dessus qui le font.
7,000°
total en cours
2
Ajoute les téléchargements.
473,815 équivalents de téléchargement au total, venant de Tokens OpenRouter. Multiplier les téléchargements par dix ajoute le même 300°, donc la taille compte mais ne domine jamais le score.
+1,702°
8,702°
total en cours
3
Ajoute le taux d’adoption.
Environ 10,813 téléchargements par jour en ce moment, mesurés entre deux relevés, à un quart du poids.
+303°
9,005°
total en cours
=
Le score de chaleur.
La place de ce modèle dans chaque liste de ce site. Rien d’autre ne le modifie.
9,005°

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Voici comment la popularité de ce modèle a évolué par rapport au reste du catalogue : sa croissance en téléchargements, likes et utilisation à chaque période, comparée à la croissance typique des modèles sur la même période, avec son score de chaleur à ce moment-là. Au-dessus de la croissance typique, c’est une hausse, en dessous, une baisse. Le passé est reconstitué à partir des totaux d’aujourd’hui, du premier jour du modèle et de sa vitesse de téléchargement mesurée quand il y a deux relevés ; un modèle qui n’existait pas au début d’une période affiche n/a.

Modèles similaires

Nano Banana Pro (Gemini 3 Pro Image Preview)

Modèles d'IA pour générer image, vidéo et texte

Solar Pro 4 est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm upstage raisonnement agents contexte long programmation extraction de données budget

Parcourir par famille de modèles