Solar Pro 4, 문서부터 엑셀·보고서까지 맡는 업무형 LLM

Solar Pro 4, 문서부터 엑셀·보고서까지 맡는 업무형 LLM

AI 뉴스 썸네일

업스테이지가 Solar Pro 4를 공개했어요. 대화형 답변보다 문서를 읽고 도구를 호출해 엑셀, 보고서, 발표 자료까지 만드는 업무에 초점을 둔 LLM이에요. 1

핵심 요약

구분	내용
용도	문서 검토, 터미널 작업, 여러 차례의 도구 호출, 업무 파일 생성을 이어서 처리해요.
모델 사양	512K 컨텍스트와 최대 128K 출력 토큰을 지원해요. 영어·한국어·일본어를 입출력에 쓸 수 있어요.
공식 평가	Terminal-Bench v2.1 57.0점, GDPval-AA v2 38.8점, τ³-Banking 23.0점, AA-LCR 71.0점을 공개했어요.
API 가격	100만 토큰당 입력 0.30달러, 캐시 입력 0.06달러, 출력 1.20달러예요.
연결 방식	OpenAI 호환 API를 제공해 엔드포인트와 모델명을 바꿔 기존 코드에 연결할 수 있어요.

1. 답변보다 업무 산출물에 초점을 맞췄어요

Solar Pro 4가 겨냥한 작업은 질문 하나에 답하고 끝나는 챗봇 업무와 달라요. 계약서와 데이터 파일을 함께 읽고, 필요한 계산을 수행한 뒤 결과를 다른 문서로 넘기는 여러 단계의 작업이에요. 업스테이지는 가상의 상권 분석 사례에서 출점 규정 1건과 데이터 파일 6개를 입력해 후보지 10곳을 심사했다고 밝혔어요. 그 결과를 5개 시트의 Excel 워크북, 검토 보고서, 발표 자료로 이어서 만들었다고 설명해요. 2

이 사례에서 눈여겨볼 부분은 파일을 만들었다는 사실만이 아니에요. 앞 단계에서 계산한 숫자가 보고서와 발표 자료에서도 바뀌지 않아야 실제 업무에 쓸 수 있어요. 업스테이지는 OfficeVerse라는 자체 파이프라인으로 11개 산업 분야와 12개 사무 작업 유형을 합성하고, 각 작업의 성공 여부를 채점했다고 밝혔어요. 다만 이 내용은 회사가 공개한 사례와 평가 결과예요. 실제 조직의 문서 형식, 권한 체계, 도구 구성에서도 같은 완성도를 내는지는 별도 시험이 필요해요.

728x90

에이전트 평가에서 커진 점수

공식 자료에서 Solar Pro 4는 Terminal-Bench v2.1 57.0점, GDPval-AA v2 38.8점, τ³-Banking 23.0점, AA-LCR 71.0점을 기록했어요. 이전 Solar Pro 3과 비교하면 터미널 작업은 12점에서 57점으로 올랐고, 멀티턴 도구 사용은 9점에서 23점으로 올랐어요. 긴 문서 추론은 31점에서 71점으로 높아졌어요. 2

Solar Open 2와 비교하면 차이가 더 구체적으로 보여요. Terminal-Bench v2.1은 43.2점에서 57.0점으로, GDPval-AA v2는 31.4점에서 38.8점으로 올랐어요. BrowseComp는 37.3점에서 49.2점으로 높아졌어요. 별표가 붙은 일부 수치는 업스테이지의 동일한 내부 평가 환경에서 측정됐어요. 서로 다른 회사가 공개한 수치를 비교할 때는 실행 환경과 도구 설정이 같은지 함께 확인해야 해요.

긴 문서와 긴 출력을 한 세션에서 다뤄요

512K 컨텍스트는 계약서, 보고서, 데이터 파일 여러 개를 한 세션에 넣는 작업을 염두에 둔 사양이에요. 최대 출력 길이는 128K 토큰이에요. 입력과 출력 모두 영어, 한국어, 일본어를 지원해요. 추론 깊이는 `reasoning effort`로 조절할 수 있어요. 빠른 응답이 필요하면 낮추고, 여러 단계를 검토해야 하면 높이는 방식이에요. 2

큰 컨텍스트가 곧 정확한 결과를 보장하지는 않아요. 긴 문서에서 조항을 정확히 찾는지, 서로 다른 파일의 숫자를 일관되게 옮기는지, 없는 내용을 만들어내지 않는지를 함께 봐야 해요. 업스테이지는 문서에 근거가 없는 질문에는 확인할 수 없다고 답하고, 두 문서의 값이 다르면 불일치로 표시하도록 설계했다고 설명해요.

기존 OpenAI 호환 코드에 연결할 수 있어요

API는 OpenAI 호환 형식을 써요. 기본 URL을 업스테이지 API로 바꾸고 모델명을 `solar-pro4`로 지정하면 기존 클라이언트 코드에서 호출할 수 있어요. 마이그레이션 부담은 낮아 보이지만, 응답에 추론 기록이 포함되는 구조와 `reasoning effort` 설정은 개발자 문서에서 먼저 확인하는 편이 좋아요. 기존 파서가 새로운 응답 필드를 처리하지 못하면 저장이나 후처리 단계에서 문제가 생길 수 있어요. 2

가격은 100만 토큰 기준 입력 0.30달러, 캐시 입력 0.06달러, 출력 1.20달러예요. 여러 번 도구를 호출하는 업무에서는 표시된 토큰 단가보다 한 작업을 끝내는 총비용이 더 중요해요. 같은 문서를 반복해서 읽는 비율, 도구 호출 횟수, 실패 후 재시도 횟수를 실제 작업으로 측정해야 예산을 잡을 수 있어요.

왜 중요한가요

업무형 AI를 고를 때는 단일 질문의 정답률만으로 부족해요. 문서를 읽은 뒤 도구를 제대로 선택하는지, 계산 결과를 다음 파일에 그대로 옮기는지, 중간 실패에서 복구하는지가 실제 운영 비용을 좌우해요. Solar Pro 4는 이 지점을 공식 평가와 파일 생성 사례로 전면에 내세웠어요. 2

도입 전에는 조직에서 자주 쓰는 문서와 작업으로 작은 시험을 만드는 편이 좋아요. 예를 들어 계약서 조항 추출, 여러 Excel 파일의 합계 대조, 보고서 표와 원본 수치 비교를 한 묶음으로 평가할 수 있어요. 성공률과 처리 시간만 보지 말고 재시도 횟수, 사람이 고친 셀과 문장 수, 근거 없는 답변 수도 기록해야 해요.

Solar Open 2와의 선택 기준도 비교적 분명해요. 자체 하드웨어나 온프레미스에서 직접 운영해야 하면 오픈웨이트인 Solar Open 2가 맞아요. 별도 서빙 인프라 없이 긴 업무를 API로 처리하려면 Solar Pro 4가 후보가 될 수 있어요. 회사의 공식 벤치마크는 출발점으로 보고, 보안·권한·비용을 포함한 내부 업무 시험으로 최종 판단하는 게 안전해요.

참고 자료

1. Solar Pro 4 - 에이전트 작업 특화 LLM — GeekNews
2. Solar Pro 4: 실무를 끝까지 해내는 에이전트 모델 — Upstage