Upstage ha pubblicato Solar Open 2, un modello linguistico open-weight da 250 miliardi di parametri progettato per attività agentiche, programmazione e gestione di documenti estesi. Il modello utilizza un’architettura Mixture-of-Experts che attiva circa 15 miliardi di parametri per ciascun token, limitando il calcolo necessario durante l’inferenza rispetto a un modello denso della stessa dimensione. I pesi, la documentazione tecnica e le versioni quantizzate sono disponibili su Hugging Face con una licenza che consente l’impiego commerciale e lo sviluppo di modelli derivati, nel rispetto delle condizioni di attribuzione previste da Upstage.
Solar Open 2 amplia sensibilmente la precedente generazione Solar Open 100B, che contava circa 102,6 miliardi di parametri e attivava fino a 12 miliardi di parametri per token. La nuova versione porta il totale a 250,3 miliardi, ma utilizza soltanto il 6% circa della capacità complessiva durante ogni passaggio. L’architettura comprende 321 esperti, dei quali otto vengono selezionati dinamicamente per ciascun token insieme a un esperto condiviso.
Il modello adotta 48 livelli con una struttura di attenzione ibrida. Ogni gruppo alterna un livello di attenzione softmax tradizionale a tre livelli di attenzione lineare, riducendo il costo computazionale associato alle sequenze molto lunghe. Solo 12 livelli mantengono una KV cache completa, mentre gli altri rappresentano la cronologia attraverso uno stato ricorrente. Questa impostazione consente di supportare una finestra contestuale fino a un milione di token limitando la quantità di memoria richiesta rispetto a un modello costruito interamente con attenzione softmax.
Upstage ha eliminato anche la codifica posizionale rotativa RoPE dai livelli di attenzione lineare. L’ordine dei token viene incorporato direttamente nello stato ricorrente, evitando il limite di estrapolazione che può emergere quando un modello viene utilizzato su sequenze molto più lunghe di quelle considerate durante l’addestramento. La finestra contestuale passa così dai 128.000 token della generazione precedente a un milione, una capacità destinata soprattutto all’elaborazione di grandi raccolte documentali, repository software e sessioni agentiche prolungate.
Il preaddestramento è stato eseguito su circa 12.000 miliardi di token utilizzando GPU Nvidia B200, per un totale dichiarato di circa due milioni di ore GPU. Per accelerare la convergenza, Upstage ha trasferito selettivamente alcuni pesi da Solar Open 100B: soltanto il 2,3% dei parametri compatibili con la nuova architettura è stato riutilizzato, mentre il resto del modello è stato inizializzato nuovamente.
La fase di post-addestramento ha incluso ambienti simulati nei quali il modello deve completare attività d’ufficio, utilizzare strumenti e verificare autonomamente il risultato. Le traiettorie prodotte vengono valutate automaticamente e reinserite nel processo di apprendimento, mentre modelli specializzati per singoli domini vengono impiegati come insegnanti per trasferire competenze attraverso tecniche di distillazione. L’obiettivo è migliorare la capacità di concatenare ragionamento, chiamate a strumenti e correzioni successive fino al completamento dell’attività.
Solar Open 2 espone il tool calling attraverso un’interfaccia compatibile con il formato OpenAI e può essere distribuito localmente con vLLM o SGLang. Un server vLLM può essere collegato direttamente sia a Claude Code, tramite un endpoint compatibile con l’API Anthropic, sia a Hermes Agent attraverso un endpoint OpenAI-compatible. Gli strumenti pubblicati mediante Model Context Protocol possono essere richiamati dalla stessa interfaccia, permettendo di utilizzare il modello come motore locale per agenti di programmazione e automazione.
Nella configurazione BF16 completa, la scheda tecnica indica un minimo di quattro GPU Nvidia H200 e ne raccomanda otto per l’esecuzione del modello. Per installazioni più contenute sono state pubblicate tre varianti sviluppate con Nota AI: INT4, NVFP4 e INT4-GlobalPruned. Secondo Upstage, le versioni quantizzate possono ridurre l’infrastruttura necessaria fino a una configurazione con due H200, anche se il requisito effettivo dipende dalla lunghezza del contesto, dal numero di richieste simultanee e dalle impostazioni del server di inferenza.
La quantizzazione è particolarmente rilevante per l’installazione on-premise. Un modello da 250 miliardi di parametri in precisione elevata richiede centinaia di gigabyte di memoria soltanto per conservare i pesi, ai quali si aggiungono cache, attivazioni e spazio operativo. La riduzione a quattro bit comprime il modello e rende possibile ospitarlo su un numero inferiore di acceleratori, accettando un possibile compromesso tra precisione numerica, velocità e qualità delle risposte.
Nei benchmark pubblicati, Solar Open 2 ha ottenuto 86,2 punti in MMLU-Pro, 92,4 in LiveCodeBench e 70,4 in SWE-bench Verified. Nei test agentici ha raggiunto 16,6 punti in APEX-Agents e 58,2 in MCP-Atlas, eguagliando in quest’ultimo DeepSeek-V4-Flash. Il modello è risultato invece inferiore allo stesso concorrente in prove come GPQA-Diamond, Humanity’s Last Exam e Terminal Bench Hard, mostrando prestazioni più forti nella programmazione e in alcune attività agentiche che nel ragionamento generale più difficile.
I risultati in lingua coreana costituiscono uno degli elementi distintivi del modello. La media interna riportata da Upstage raggiunge 85,4 punti, mentre Ko-GDPval assegna a Solar Open 2 circa 86,8 punti. Il modello supporta inoltre inglese e giapponese, con un vocabolario da 196.608 token progettato per gestire in modo più efficiente testi multilingue e contenuti tecnici.
La prima applicazione aziendale citata riguarda il settore legale. Law&Company ha utilizzato il modello all’interno della propria infrastruttura per elaborare grandi fascicoli e controllare i riferimenti alle sentenze senza trasferire i documenti verso servizi esterni. Una distribuzione locale consente infatti di mantenere dati riservati nella rete dell’organizzazione, personalizzare il modello e controllare direttamente capacità, costi e tempi di risposta.
Upstage prevede di utilizzare Solar Open 2 nei settori finanziario, legale, sanitario, pubblico, militare, manifatturiero, educativo e robotico. Il progetto comprende anche l’integrazione con le NPU di FuriosaAI, con l’obiettivo di costruire una piattaforma nazionale che colleghi acceleratori, modello e applicazioni. La distribuzione attraverso OpenRouter, Hermes Agent e altri ambienti internazionali dovrà invece ampliare l’adozione del modello al di fuori del mercato coreano.
Solar Open 2 combina quindi una capacità complessiva elevata con un’attivazione relativamente ridotta per token, una finestra contestuale da un milione di token e versioni quantizzate destinate alle installazioni private. Il modello non elimina i requisiti infrastrutturali tipici dei sistemi di grandi dimensioni, ma li riduce abbastanza da rendere praticabili applicazioni agentiche locali che, con architetture dense o MoE più estese, richiederebbero cluster sensibilmente più grandi.