Solar Pro 3
Red Neuronal
Solar Pro 3 es un modelo de lenguaje de Upstage con arquitectura Mixture-of-Experts para razonamiento, texto y código.
Longitud máxima de respuesta
(en tokens)
Tamaño del contexto
(en tokens)
Costo del prompt
(por 1M tokens)
Costo de la respuesta
(por 1M tokens)
Cómo funciona Solar Pro 3?
Solar Pro 3 es un modelo de lenguaje de Upstage basado en la arquitectura Mixture-of-Experts: de 102 mil millones de parámetros, se activan unos 12 mil millones por paso, combinando alta calidad con eficiencia. Su arquitectura está optimizada para tareas que requieren razonamiento secuencial, manejo preciso de texto y análisis de código. En BotHub, el modelo está disponible sin VPN ni tarjetas extranjeras: pagas en rublos según el uso, por tokens consumidos, sin caducidad. Otras redes neuronales funcionan en la misma ventana, permitiendo comparar respuestas o cambiar al instante. Una API compatible con OpenAI permite conectar Solar Pro 3 a tu servicio y cambiar de modelo sin reescribir la integración, con datos protegidos por cifrado AES-GCM. Para equipos, ofrecemos contratos, facturación y panel de administración con límites. Es útil para analizar código ajeno y explicar su lógica, resumir documentos largos, crear borradores de análisis, automatizar respuestas de soporte vía API o probar hipótesis en varios modelos a la vez.Preguntas frecuentes sobre Solar Pro 3
Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.
Es un modelo de texto con un contexto de 128 000 tokens: analiza documentos largos, escribe y refactoriza código, ayuda con la depuración y resuelve tareas de razonamiento y lógica STEM. Es adecuado para análisis, trabajo con documentación técnica y escenarios de agentes mediante llamadas a funciones.
El límite de salida es de hasta 117 964 tokens por respuesta, lo cual es mucho incluso para materiales extensos. Puedes obtener una sección técnica completa, un gran módulo de código o un análisis detallado de un documento entero sin dividir la tarea en decenas de solicitudes.
Sí, el modo de razonamiento está confirmado: el modelo construye pasos intermedios antes de la respuesta final. Esto ayuda notablemente en matemáticas, problemas lógicos, análisis de código y preguntas de varios pasos donde es importante no adivinar la respuesta, sino llegar a ella cuidadosamente paso a paso.
Sí, el modelo admite 'function calling' y salida estructurada en JSON. Defines el esquema y las herramientas, y obtienes un resultado predecible legible por máquina para el análisis. En BotHub, esto funciona a través de una API unificada compatible con OpenAI, por lo que la integración no requiere un SDK separado.
Imágenes y documentos, sí; el modelo los acepta como entrada y responde con texto: reconoce el contenido de la imagen, analiza esquemas, tablas y archivos. La recepción de audio y video no está marcada en nuestros datos. Como salida obtienes texto; el modelo no genera medios.
No tenemos datos específicos sobre la calidad del ruso en este modelo, por lo que no podemos prometer precisión; pruébelo con su tarea. Puede cambiar a otro de los más de 250 modelos de BotHub en la misma ventana y a través de la misma API, sin reescribir la integración.