让 AI 整理一摞长文档，再查知识库、调用办公软件并写出报告，难点不只是“会回答”，还要记得住、能分步骤办完。Upstage 推出的 Solar Open 2，正是面向这类办公 Agent——围绕文档和软件执行多步任务的 AI 系统——以及编码场景的开放权重模型。
据模型页面介绍，它采用 MoE（混合专家）架构：总参数达 250B，但处理每个 token 时只激活 15B，试图用较低的单次计算量换取大模型容量。其 48 层网络按“三层线性注意力、一层常规注意力”交错排列；线性注意力旨在让长文本计算增长更平缓。只有 12 层保留 KV Cache——模型阅读长文时存放中间结果的“草稿纸”，因此页面称其长上下文内存约为同规模全常规注意力模型的四分之一，并支持最长 100 万 token。它还通过 API 调用、多步推理和任务执行瞄准 Agent 工作流。不过，现有材料主要来自发布方页面，未提供具体基准分数，所谓“媲美最强开放模型”仍需独立测试验证。