Upstage、フラッグシップモデル Solar Pro 4 を発表──人工知能指数で 28 ポイント増の 42 を記録
OfficeVerse によるタスク完了型合成データ学習によりエージェント性能を刷新し、実世界エージェント Elo で人間基準を超える 1276 を達成した。
リリース: 2026-08-12 · 読了 3 分記事の要約
1. 核心（What）
- Upstage は新型フラッグシップ推論モデル Solar Pro 4 を公開し、Artificial Analysis Intelligence Index で 42 を記録した。
- Terminal-Bench のスコアが 12% から 57% へ急上昇し、実世界エージェント Elo 評価は人間基準の 1000 を超える 1276 を達成した。
- 11 の産業ドメインと 12 のタスク形式からなるデータ合成パイプライン OfficeVerse を用いて、最終成果物の成否で最適化された。
- 文脈長 512K トークン、出力長 128K トークンをサポートし、OpenAI 互換の API エンドポイントとして提供される。
2. 影響（Why）
- タスク完了型学習による実用性の向上: 単なる Q&A や推論チェーンの模倣ではなく、ドキュメント確認や複数ファイルの数値突合などの最終成果物のパス/フェイルを報酬に学習しているため、実務でマルチステップを完遂するエージェントを組む際の信頼性が担保される。
- 回答棄権によるハルシネーションの抑制: ハルシネーション率の大幅な低下は知識問題の 59% における回答棄権によって実現されているため、正確性が最優先される監査・コンプライアンス領域のツール設計において、エラーハンドリングの前提を根本から見直す契機になる。
3. 根拠・詳細（How）
- OfficeVerse によるデータ合成メカニズム: 実世界のパブリックデータから 11 ドメイン・12 タスク形式のオフィス業務タスクを合成し、中間ステップの妥当性ではなく最終成果物の正誤を評価基準としてモデルを最適化した。
- API 提供形態とコスト構造: Upstage Console および OpenRouter を通じて OpenAI 互換の API エンドポイントとしてデプロイされており、通常価格は入力 $0.30、出力 $1.20（各 1M トークンあたり）で提供される。
4. 展望・課題（Next）
- 第三者評価機関による検証の必要性: 現時点で公開されているベンチマーク数値の多くは自社報告によるものであり、独立した第三者評価機関による追試結果の公表が待たれる。
- 割引キャンペーン後のコスト検証: 9 月 10 日まで実施されている 90% 割引期間（$0.03/$0.12）の終了後における定価運用での費用対効果を、本番負荷環境で検証する必要がある。