Solar Pro 3
Réseau Neuronal
Solar Pro 3 est un modèle de langage Upstage basé sur Mixture-of-Experts pour le raisonnement, le texte et le code.
Longueur maximale de la réponse
(en tokens)
Taille du contexte
(en tokens)
Coût du prompt
(par 1M tokens)
Coût de la réponse
(par 1M tokens)
Comment ça marche Solar Pro 3?
Solar Pro 3 est un modèle de langage d'Upstage basé sur l'architecture Mixture-of-Experts : sur 102 milliards de paramètres, environ 12 milliards sont activés à chaque passage, alliant haute qualité et efficacité. L'architecture est optimisée pour le raisonnement séquentiel, le traitement de texte précis et l'analyse de code. Sur BotHub, le modèle est accessible sans VPN ni carte étrangère : vous payez en roubles à l'usage, selon les jetons consommés, sans expiration. D'autres réseaux de neurones sont disponibles dans la même fenêtre pour comparer les réponses instantanément. L'API compatible OpenAI permet d'intégrer Solar Pro 3 à votre service et de changer de modèle sans réécrire l'intégration, avec des données protégées par chiffrement AES-GCM. Pour les équipes, nous proposons contrat, facture et panneau d'administration avec limites. Idéal pour analyser du code, résumer de longs documents, rédiger des analyses, automatiser le support via API ou tester des hypothèses sur plusieurs modèles.Questions fréquentes sur Solar Pro 3
Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.
C'est un modèle textuel avec un contexte de 128 000 jetons : il analyse de longs documents, écrit et refactorise du code, aide au débogage et résout des problèmes de raisonnement et de logique STEM. Adapté à l'analyse, à la documentation technique et aux scénarios d'agents via l'appel de fonctions.
La limite de sortie est de 117 964 jetons par réponse, ce qui est considérable, même pour des contenus volumineux. Vous pouvez obtenir une section technique entière, un grand module de code ou une analyse détaillée d'un document sans diviser la tâche en dizaines de requêtes.
Oui, le mode de raisonnement est confirmé : le modèle construit des étapes intermédiaires avant la réponse finale. Cela aide considérablement en mathématiques, logique, analyse de code et questions complexes où il est crucial de suivre une chaîne de réflexion plutôt que de deviner.
Oui, le modèle prend en charge le 'function calling' et la sortie structurée en JSON. Vous décrivez le schéma et les outils, et obtenez un résultat lisible par machine pour l'analyse. Sur BotHub, cela fonctionne via une API compatible OpenAI, donc l'intégration ne nécessite pas de SDK séparé.
Les images et documents, oui : le modèle les accepte en entrée et répond par texte (reconnaissance d'images, analyse de schémas, tableaux et fichiers). L'audio et la vidéo ne sont pas pris en charge. En sortie, vous obtenez du texte ; le modèle ne génère pas de médias.
Nous n'avons pas de données spécifiques sur la qualité du français pour ce modèle, nous ne pouvons donc pas garantir sa précision ; testez-le sur votre tâche. Vous pouvez passer à un autre des 250+ modèles de BotHub dans la même fenêtre et via la même API, sans réécrire l'intégration.