Model
.ai
오픈 AI 모델 추적
Solar Pro 3
Upstage | 131,072 토큰 컨텍스트 | 입력 $0.15/M, 출력 $0.60/M. Solar Pro 3는 Upstage의 강력한 Mixture-of-Experts (MoE) 언어 모델입니다. 총 1020억 파라미터 중 120억 활성 파라미터를 사용하여 뛰어난 성능과 계산 효율성을 제공합니다. 한국어에 최적화되었으며 영어와 일본어도 지원합니다.
이 모델의 가이드
모든 가이드
Solar Pro 3는 Upstage의 Mixture-of-Experts 모델로 총 102B 파라미터 중 한 번의 순방향 연산에 12B만 활성화되어, 파라미터 수에 비해 추론 비용이 훨씬 낮습니다. 한국어를 우선 지원하며 영어와 일본어도 지원합니다. 한국어 품질이 중요하고 API로 작업한다면 주목할 만한 모델입니다.

알려진 점

  • MoE 아키텍처: 총 102B 파라미터, 순방향 시 12B만 활성화
  • 한국어에 강력하게 최적화, 영어와 일본어도 지원
  • 131K 토큰 컨텍스트 윈도우로 긴 문서 처리 가능
  • 경쟁력 있는 API 가격: 입력 토큰 100만 개당 $0.15, 출력 토큰 100만 개당 $0.60

주의할 점

  • 가중치가 비공개여서 로컬 배포 불가
  • 한국어 최적화 우선; 영어와 일본어 사용자는 비슷한 가격대에서 더 잘 튜닝된 대안이 있을 수 있음
  • 모델 카드 미공개로 미세 조정, 안전성, 라이선스 세부사항 불명확

시도해볼 프롬프트

한국어 문서 요약
아래 계약서 조항을 읽고, 핵심 의무 사항과 위험 요소를 불릿 포인트 5개로 요약해 주세요. 법률 전문가가 아닌 일반인도 이해할 수 있는 언어로 작성해 주세요. [계약서 텍스트를 여기에 붙여넣으세요]
다국어 추론 과제
한 회사의 한국어 연례 보고서에 매출은 전년 대비 23% 증가했으나 영업이익은 8% 감소했다고 합니다. 이 차이의 가장 가능성 높은 세 가지 설명을 나열하고, 어떤 설명이 맞는지 확인하기 위해 분석가가 다음에 확인해야 할 두 가지 재무 지표를 제안하세요.
긴 문서 추출
아래에 긴 정책 문서를 붙여넣습니다. 모든 마감일, 책임자 이름, 재무 수치를 추출하세요. 결과는 항목, 값, 문맥 열이 있는 구조화된 표로 제시하세요. 요약하지 말고 발견한 모든 항목을 나열하세요.

비교하기

  • Solar Mini 4
    API 전용 모델
    524,288 토큰 컨텍스트 · $0.05/M 입력, $0.20/M 출력
  • Nemotron 3 Ultra
    오픈 가중치 모델
    262,144 토큰 컨텍스트 · $0.60/M 입력, $2.40/M 출력
  • Nemotron 3.5 Lightning
    오픈 가중치 모델
    262,144 토큰 컨텍스트 · $0.07/M 입력, $0.20/M 출력
  • Qwen3.5-9B
    오픈 가중치 모델
    262,144 토큰 컨텍스트 · $0.10/M 입력, $0.15/M 출력
upstage의 더 많은 텍스트 모델

사람들이 묻는 질문

Solar Pro 3를 로컬에서 실행할 수 있나요?
아니요. Upstage는 Solar Pro 3의 오픈 가중치를 공개하지 않아 API로만 접근 가능합니다.
Solar Pro 3의 비용과 컨텍스트 길이는 어떻게 되나요?
입력 토큰 100만 개당 $0.15, 출력 토큰 100만 개당 $0.60이며, 컨텍스트 윈도우는 131,072 토큰입니다.
Solar Pro 3는 어떤 언어를 지원하나요?
한국어에 최적화되어 있으며 영어와 일본어도 지원합니다. 한국어가 Upstage 튜닝의 주요 대상입니다.
캡틴의 평가
한국어 품질이 절대적이고 MoE 효율성을 원하지만 최첨단 모델 가격은 부담스러운 경우 합리적인 선택입니다.
캡틴은 모델의 설명과 모델 카드에서 이 노트를 작성합니다. 가격과 컨텍스트 크기는 작성 시점의 제공자 기준이며 변경될 수 있습니다.
Ranking badge
Updated Oct 22, 2026
ModelTrends.ai의 Solar Pro 3: Heat 1,995°
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
이 점수가 어떻게 계산되는지
이 모델은 아직 어떤 출처에서도 인기 데이터가 없어서 7,000° 아래에 임시 점수를 가지고 있어. 이 점수는 목록을 완성하는 데 쓰여. 데이터가 있는 모델보다 절대 순위가 높지 않아. 출처에서 보고가 들어오는 즉시 여기서 세부 내역이 나타나.
용어집: 여기서 쓰는 말들
히트 점수
모델이 지금 얼마나 쓰이고 원하는지 한 숫자로 나타낸 거야, 0°부터 9,999°까지. 이 사이트에서 가장 인기 있는 목록은 모두 이 점수로 정렬돼.
기본 점수
실제 데이터가 있는 모든 모델이 시작하는 7,000°야. 점수는 0°부터 9,999°까지인데, 기본 점수 아래는 데이터 없는 모델(대체 모델)용으로 남겨둬서 데이터 있는 모델이 항상 위에 오도록 해. 기본 점수는 모두 같고 아무것도 결정하지 않아; 그 위 점수가 실제 측정치야.
다운로드 동등치
점수가 다운로드로 취급하는 모든 걸 합친 거야: 실제 다운로드, 토렌트 시더 1,000개씩, AI Horde 이미지와 생성 사이트 실행 1개씩.
로그 스케일
1씩이 아니라 10씩 세는 거야: 1,000에서 10,000 다운로드가 늘면 10,000에서 100,000 늘어난 것과 같은 점수가 더해져. 큰 모델이 다 차지하는 걸 막아줘.
좋아요
모든 출처의 좋아요와 엄지척, 로그 스케일에서 다운로드 절반 가치야.
채택률
두 번 측정한 차이로 계산한 지금 하루 다운로드 수야. 다운로드 항목 무게의 4분의 1이야.
측정 및 추정
측정은 두 번의 소스 읽기가 존재하고 그 차이가 실제라는 뜻이야. 추정은 오늘의 총합만 알고 과거는 모델의 전체 기간에 나눠서 보여주는 거야; 사이트에서 어떤 걸 보여주는지 알려줘.
시더
토렌트를 통해 다른 사람이 다운로드할 수 있도록 가중치 파일을 온라인에 보관하는 사람이나 호스팅 미러를 말해. 각각 1,000번 다운로드로 계산돼.
AI 호드
기부받은 컴퓨터에서 무료로 이미지를 생성하는 자원봉사 네트워크야. 모델로 만든 이미지 수가 공개되고, 각각이 한 번의 다운로드로 계산돼.
생성 사이트
PixAI, SeaArt, Yodayo 같은 모델 복사본을 직접 호스팅하고 사람들이 생성할 수 있게 하는 사이트들이야. 이들의 다운로드는 Civitai와 같고, 생성 한 번이 한 번의 다운로드로 계산돼.
OpenRouter 토큰
Claude나 GPT 같은 API를 통해 제공되는 텍스트 모델은 다운로드할 가중치가 없으므로, 지난 30일간 OpenRouter를 통해 읽고 쓴 텍스트 조각인 토큰 수로 사용량을 측정합니다. 10,000,000 토큰마다 다운로드 1회로 계산합니다. 출처: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
전체 모델 (체크포인트)
가중치 자체, 혼자서 생성하는 파일이야. 애드온이 이걸 기반으로 하기 때문에 보너스 점수를 받아.
LoRA와 임베딩
다른 사람의 가중치를 특정 스타일, 캐릭터, 개념 쪽으로 조정하는 작은 추가 파일이야. 혼자 실행할 수 없어.
패밀리와 가중치
모델이 기반으로 하는 것, 예를 들어 SD 1.5, SDXL, Flux, Wan 같은 거야. 모든 모델은 패밀리 가중치의 출시일을 물려받아.
연령
패밀리 가중치가 나온 지 얼마나 됐는지에 따라 점수를 깎아: 1년에 150°, 최대 750°까지. 오래된 다운로드는 리스트 상단 고정을 풀어 쌓이도록 해.
패밀리 부스트
이 사이트가 지금 밀고 있는 패밀리의 LoRA에 주는 작고 제한된 점수 조정으로, 항상 세부 내역에 표시돼.
대체 점수
아직 소스 보고가 없는 모델에 안정적으로 주는 최저 점수로, 리스트가 완전하게 유지되도록 해. 데이터가 있는 모델보다 절대 높게 평가되지 않아.
신규! (유예 기간)
7일 미만의 신규 모델은 점수 대신 '신규!' 표시가 나오며 순위에 포함되지 않습니다. 점수는 첫날부터 계산되지만, 하루 된 모델은 매우 빠르게 성장하므로 유예 기간 없이는 항상 어제 나온 모델이 이번 주 #1이 되어버립니다.
추세
한 기간 동안 모델의 성장 속도가 같은 기간의 일반 모델 성장 속도와 비교해서 어떤지 보여줘. 일반보다 빠르면 상승, 느리면 하락으로 봐.
일반 모델
카탈로그의 중간값: 수치가 있는 모델 중 절반은 기간 동안 더 빨리 성장했고, 절반은 더 느리게 성장했어.