Solar Open 2 해설: 국산 소버린 AI가 온프레미스·오피스 실무를 노리는 이유 (2026.7)

국산 AI 발표가 또 나왔다. 이번엔 “벤치 점수 자랑”보다 현장에서 돌릴 수 있느냐에 더 가깝다.

업스테이지가 2026년 7월 22일 공개한 Solar Open 2는 250B 전체 파라미터 중 토큰당 15B만 켜는 MoE 오픈웨이트 모델이다. 공식 블로그 기준 에이전트·오피스 실무·온프레미스 배포를 정면으로 겨냥한다. 이 글은 업스테이지 공식 발표와 기술 리포트 공개 수치를 기준으로 정리한다.

 

한 줄 결론

Solar Open 2의 핵심은 “더 큰 모델”이 아니라 에이전트 실무를 회사 인프라에서 돌릴 수 있는 비용 구조다. 활성 15B로 Ko-GDPval 86.8을 냈고, 양자화 시 H200 2장 배포를 공식 권장한다. 미·중 프론티어를 점수만으로 이겼다고 보기보다, 소버린·온프레미스 공백을 메우는 쪽에 가깝다.

 

이게 뭔 모델인가

• 개발: 업스테이지 (독파모/국산 파운데이션 모델 맥락)
• 구조: MoE, 전체 250B / 활성 약 15B
• 전문가: routed 320 + shared 1, 토큰당 8개 선택
• 컨텍스트: 최대 1M 토큰
• 언어: 한국어·영어·일본어 공식 지원
• 공개: Hugging Face 오픈웨이트, 상업적 사용 가능(Upstage Solar License)
• 권장 인프라: BF16 기준 H200 4장, 양자화 시 H200 2장

공식 포지션은 “채팅 점수 모델”이 아니라 검색·툴콜·코딩·오피스 업무를 끝까지 수행하는 에이전트 베이스다.

 

숫자로 보는 위치

벤치	Solar Open 2	의미
Ko-GDPval	86.8	실무 산출물 평가. DeepSeek-V4-Pro 86.9와 0.16점 차(업스테이지 발표)
MMLU-Pro	86.2	지식/추론
LiveCodeBench	92.4	코딩
한국어 평균	85.4	DeepSeek-V4-Flash 84.9 대비 우위(공식 비교)
IFBench	80.0	지시 따르기
MCP-Atlas	58.2	툴 호출
APEX-Agents	16.6	실무 에이전트 평가, 비교군 최고(공식)

출처: Upstage 공식 블로그 Solar Open 2 (2026-07-22). 벤치는 자체 발표 조건이며 독립 재현 전 교차검증이 필요하다.

이전작 Solar Open 100B 대비 LiveCodeBench 56.49→92.42, 한국어 평균 66.95→85.43 등 큰 폭 상승을 공식 표로 공개했다.

 

왜 “현장용”이라고 하나

에이전트는 한 번 답하고 끝내지 않는다. 계획-실행-검증-수정을 반복하니 토큰과 인프라 비용이 채팅보다 훨씬 커진다. 업스테이지는 그래서 세 가지를 동시에 잡으려 했다.

1. 장기 작업: 여러 스텝을 끝까지
2. 긴 컨텍스트: 문서·코드·툴 결과 유지
3. 정확한 툴 호출: 그럴듯한 문장이 아니라 실제 상태 변경 검증

여기에 한국어 토크나이저 효율을 넣었다. 같은 한국어 텍스트를 글로벌 모델 대비 50~80% 토큰으로 처리한다고 밝혔다. 오피스 한국어 텍스트 비교 12개 중 가장 효율적이며, 최고 글로벌 모델 대비 약 24% 앞선다고 한다. 같은 일을 더 적은 토큰으로 하면 비용과 유효 컨텍스트가 동시에 좋아진다.

 

구조: 하이브리드 어텐션 + MoE

긴 컨텍스트를 싸게 버티기 위해 Softmax GQA와 선형 어텐션을 섞었다. 공식 설명은 1개 GQA + 3개 선형 어텐션 블록을 반복해, 48개 레이어 중 75%에 선형 어텐션을 쓴다는 것이다. 선형 어텐션은 고정 크기 상태로 시퀀스를 관리해 KV 캐시 폭증을 줄인다. Softmax 쪽은 NoPE(위치 인코딩 제거)로 학습 길이 밖 외삽을 노린다.

학습 효율 주장도 있다. 통제 비교에서 Solar Open 100B의 all-softmax가 MMLU에 671B 토큰이 필요했던 지점을, Open 2 구조는 210B 토큰에서 도달했다고 한다. 또 Selective Weight Transfer로 이전 모델 가중치 중 이전 가능한 부분만 옮겨 초기화 효율을 높였다고 밝혔다.

 

데이터: 오피스·툴·코딩 중심

사전/사후학습 모두 에이전트 시나리오를 중심으로 잡았다고 한다. 검색, MCP 툴콜, 터미널 코딩(테스트 실패 후 수정 루프), 오피스(문서·스프레드시트 교차검증)다. 특히 한국 직장에서 흔한 문서/툴 사용을 넣었다고 명시했다. “한국어를 유창하게”가 아니라 “한국어 업무를 끝낸다”가 목표라는 뜻이다.

Ko-GDPval이 이 포지션의 상징이다. 변호사·회계사 등 58개 직업, 170개 실무 시나리오에서 보고서·계획서 같은 산출물을 채점한다. 86.8점은 1.6T급 DeepSeek-V4-Pro와 사실상 동률 구간이고, 활성 파라미터는 약 1/3 수준이라는 게 업스테이지 해석이다.

 

한계를 같이 봐야 한다

• 위 숫자는 공식 자체 평가/발표 비중이 크다. 독립 기관 교차검증이 더 쌓여야 한다.
• 1M 컨텍스트를 물리적으로 받아도, 길이가 늘수록 정확도가 떨어지는 문제는 업계 공통이다. “지원”과 “항상 정확”은 다르다.
• H200 2~4장 권장은 개인 노트북 로컬이 아니라 기업 서버 온프레미스 기준이다.
• 라이선스는 상업 사용 가능하지만 Apache-2.0보다 조건이 있다(파생 모델 표기 등). 배포 전 LICENSE를 직접 확인해야 한다.
• 미·중 최상위 프론티어와의 절대 격차가 사라졌다고 보긴 어렵다. 강점은 배포 가능성과 한국어/오피스 실무 쪽이다.

 

누구에게 맞나

잘 맞는 경우

• 법률·행정·금융처럼 데이터가 외부 API로 못 나가는 조직
• 사내 에이전트/문서 자동화 온프레미스가 필요한 팀
• 한국어 오피스 산출물 품질이 중요한 업무

아직 급하지 않은 경우

• 클라우드 API 한 줄로 충분한 개인 사용
• GPU 인프라가 없는 환경
• 순수 글로벌 코딩 리더보드 1위만 필요한 경우

 

어디서 써보나

• 가중치: Hugging Face Solar-Open2-250B
• 기술 리포트: 동일 저장소 Technical Report
• 플레이그라운드: Upstage Console (공식 기준 7/31까지 체험 안내)
• 연동: Claude Code용 설치 스크립트, Hermes Official 모델 목록 언급

 

결론

Solar Open 2는 “한국도 큰 모델을 만들었다”는 선언보다, 에이전트를 회사 안에 둘 수 있는 오픈웨이트 베이스를 내놓았다는 쪽이 더 중요하다. Ko-GDPval 86.8, 활성 15B, H200 2장(양자화) 배포, 1M 컨텍스트, 한국어 토큰 효율. 숫자는 공식 발표를 기준으로 보고, 실제 도입은 내부 데이터로 재검증하는 게 맞다.

소버린 AI의 핵심은 국적 라벨이 아니라 직접 배포·검증·통제다. Solar Open 2는 적어도 그 방향으로 한 칸 전진한 발표다.

 

참고

• Upstage 공식 블로그: Solar Open 2
• Hugging Face model card
• 관련 글: 하네스 효과, 콜리브리 로컬 엔진

작성: 2026년 7월 24일. 벤치·인프라 수치는 업스테이지 공식 발표(2026-07-22) 기준.