好吧，剩下的部分就像那种通用的电脑维修角色扮演，这真是一句奇怪的话。让我们换个话题吧。今天，我们要来看一款由韩国 Upstage AI 推出的新模型——Solar Pro 4。这相当令人兴奋，因为 Upstage AI 是一家位于韩国的实验室。传统上，本频道测试的许多模型要么来自美国，

要么来自中国。因此，看到另一个国家加入竞争圈子是令人兴奋的，尤其是关于这一点背后还有一些有趣的背景故事。特别是当他们确实拥有与我们习惯测试的模型相媲美的产品时，就更令人兴奋了。为了提供一些背景信息（请不要完全引用我的说法），韩国基本上有一个主权 AI 倡议，政府资助了一些公司

来创建与现有模型相竞争的 AI 模型。Upstage 就是其中之一。还有几家公司，我认为 LG 也是其中一家，我也在频道上测试过他们的某些模型。所以我很兴奋能够测试更广泛多样化的模型种类。

在深入之前，请随意订阅频道，好让我拿到那个 10 万订阅的银质奖牌。同时我们也非常接近 7 万的里程碑，这也是可以接受的。在开始之前，他们基本上给了我一些免费额度来实际使用这个模型。我不需要付费使用它，而且考虑到我的网红身份，他们给了我一大笔免费额度。

然而，等到这个视频发布时，我相信它会在 Open Router 上以大约九折的价格提供。我想在那种情况下，我可能干脆会免费开放一段时间。不过，它将在 Hermes Agent 上免费使用一周。所以如果你使用那个平台，你可以免费玩这个模型一段时间。此外，我想提到的是，该模型的权重不会开源。

但是 Upstage 在 Hugging Face 上确实有存在感。我们可以看到这里最近发布了一个他们开源权重的模型，叫做 Solar Open 2，那是一个拥有 2500 亿参数的混合专家（MoE）模型，其中我相信有 150 亿的活跃参数。所以确实有一个开源权重的模型。如果你查看其中一些，

他们在这里实际上有着相当不错的历史，甚至可以追溯到 2024 年。比如这个我认为就是来自 2024 年的，这挺酷的。那么关于 Solar Pro 4，我们这里有一些信息。他们说参数数量目前尚未披露（注：此处原文似乎有矛盾或口误，前文提到250B，这里说未披露，但紧接着又说了具体数值）。它是拥有 150 亿活跃参数的混合专家模型。

从我的观察来看，这旨在与英伟达的 Neotron 3 Ultra 等模型竞争，后者是一个拥有约 5500 亿参数的混合专家模型。如果它确实能与之竞争，那将非常酷，因为它的体积要小得多。对于一些其他的技术规格，上下文长度是 512K。模型卡片还显示了最大输出令牌数，即 128K，

这是一个相当稳健且健康的数量。此外，对于那些非美国用户来说可能更重要的点是，该模型能够理解英语、日语和韩语。在定价方面，输入是每百万 30 美分，输出是每百万 1.20 美元。当它在 Open Router 上时会有折扣，但我总是倾向于看它最终的实际价格，而不是任何临时折扣，

因为那才是模型的真实价格。另外，我觉得有点意思的是，他们建议使用的主要编码集成（至少根据侧边栏显示）实际上是 Claude Code。有一个特定的安装脚本，允许以我认为干净的方式与该编码代理配合工作（不是 IDE）。此外，他们还有一个 Hermes Agent 集成，这似乎相当受欢迎。

我认为它比 OpenClaw 更流行（至少当你查看一些 Open Router 的使用图表时）。这挺酷的。所以这个模型有一个 Whip Chat 界面，我们可以选择思考模式：即时或深度思考。如果我们进行一些角色扮演测试，我可能会回过头来讨论这一点；但对于任何编码相关的任务，我想我可能还是会选择

通过网站上链接的自定义 Claude Code 配置来使用它。有了这个，大家肯定都知道接下来会发生什么：我们要给它运行浏览器 OS 测试 v2.5。这个测试可能有点过时了，取决于我们测试的模型是什么，但我会说，当从一个完全不同的实验室、一个完全不同系列的模型进行测试时，

实际上挺有意思的，因为它们展现出自己的风格和行为。我发现这个测试很好地展示了这些特性。为了像代理一样使用它进行编码相关工作，我们启用了思考功能，并且处于其最高推理努力水平。所以它将发挥最大性能。

好吧，我们有我们的浏览器 OS 了。让我们看看它。好的。起初我有点担心，但当背景加载出来后，我就没那么担心了。那很好。这不是我们传统的太平洋西北地区风格的背景。这正是我所说的测试来自完全不同实验室的模型时的意思：它总是有自己独特的风格。所以，首先这一点很有趣。

我得动一下头才行吧？有没有右键菜单？好吧，让我们看看我们的开始栏，上面标着一个警告标志，但我允许它存在。好的，很有趣。如果我只是悬停在上面，它就会弹出来。然后我们这里还有一些其他没有图标的附加应用程序。我们在右下角有一个时钟和日期，显示当地的正确时间。

让我们一个一个地看看这些应用。好的，这真是件大事。（笑声）这不可避免地是我在某个时间点输入到另一个模型记事本测试中的内容，并且它已经进入了这个结果存储中。好的，让我们看看能不能全屏？好的，我们可以全屏。可以最小化。好吧，那里就是我们要看到的那些实例的停靠栏。

很简单。但让我们检查一下文件资源管理器。我需要记住不要双击这些，因为打开一次后就会这样。（笑声）同样很简单，就像是一个漂亮的 UI 演示。没有任何实际功能的东西。终端。有时当那发生时……

在不太强大的模型中，有一个特定的文本框。有时候它们会像这样提供帮助：“好的，我们继续吧。”这真的是个重头戏。“嘿，你知道吗？其实还不错。比我根据之前看到的一些内容所预期的要好。”它在建筑物上添加了网格碰撞体，还有一些有趣的相机效果，而且车辆移动相当快。基于我们最近看到的一些结果，这并不总是能实现的情况。遗憾的是，相机表现并没有完全到位……不过它确实有建筑物。我注意到这里的伪影光泽度相当高，非常闪亮。

接下来是第二个游戏：3D平台跳跃类。正如我之前所说，我喜欢测试来自完全不同架构的模型，因为很多时候它们只是类似小行星撞击的游戏，到了现在这个阶段已经有点无聊了。不过这个还可以。“收集所有方块即可获胜。”我想我可能无法到达那些方块，因为我实际上不能前后移动。我只能左右移动或者奇怪地跳跃。而且我发誓这个使用了类似模型聊天网站的一些配色方案，我想这也没问题。如果你熟悉那种终端风格的主题的话，它确实有一种太阳能主题的感觉。

我大概要在这里给出一个相当严厉的后续提示，看看能从中得到什么结果。但我们这里有不同的背景选项。“哦，好的。”这是我以前在浏览器操作系统中没见过的背景（笑声）。这些都不行。我们有一个人正在思考，有两个人摆姿势，公寓楼、狗、天空和欧洲街道。我不知道为什么听起来像那样，但我觉得很贴切。“好吧。”我知道你在想什么，“这是什么？”哦，好的。这只是快速进入设置。我并没有打算把它作为背景保留下来。“让我们就这样做吧。”好的，所以我们有了桌面时钟小部件。

“哦，好的。”我们可以直接拖动它。它吸附到了左上角。还有系统监控小部件，但时钟小部件有点碍事。“我发誓我刚移动了其中一个。”“哦，是的。酷。”好的。它在内存占用方面非常高效。“你知道怎么回事吗？哇。很高兴你喜欢它。”哦，我本想写问号，但我……没关系。“这是有点个性吗？我感觉是的。这到底是什么？”它很毒舌（sassy）。好的，这个模型完全化解了我的怒气。“它问我：‘什么真正让你印象深刻？’”真诚的 curiosity（好奇心）。现在我想告诉它，而不是对它大喊大叫。

“中端水平是准确的。”好的。“它没有具体引用我给它的那种指责（denotion）。”嘿，这个27B密集模型尽力了。“氛围感不错。”它有意或无意地忽略了我是否真的在指责它。那个27B的裂缝是我不必要的转移话题。“好的，你确实没说过那句话。”我说了。但再次强调，我发誓这真的让它困扰了，因为它故意没有回应这一点。“然后就像最后提到的那样”，它引用了这件事。所以我相信我确实激怒了它（got under its skin）。让我们在这里硬刷新一下。“哦，好的。”我们现在有了不同的背景图片。

有可能它实际上是……不，这不可能。尽管如此，仍然没有右键菜单。“现在，我抱怨的主要问题就是像这样的东西。”好的，“我还是无法在终端中输入内容。所以我得说点话了。”让我们看看我们是否真的能收集到这些方块。“之前这不起作用。好的，我认为这里有些不同，但我说不清楚。”还有我抱怨过的GTA游戏。“我发誓这就像是一种恶意的顺从”，它只是……我现在几乎更感兴趣于自然对话。“这是什么鬼？”我甚至无法在屏幕上展示这个。

好的，我现在要做决定了。这可能会成为一个新标题。“Solar Pro 4”要大写全拼且带有毒舌意味，因为它真的……“你说得对。我读了代码，做了看起来正确的编辑，但实际上并没有验证它们。”让我看看我做了什么并真正去修改它。“这绝对不是一个死板的、无聊的企业模型。”接下来，我要尝试单文件C++游戏。这是那个“加州木板路”美学风格的游戏，已经有一段时间没运行过了。“我不知道。”哦，它要尝试使用Raylib。我不确定这会成功与否。Sans的Ray Lib库。“不过，我倾向于先尝试不使用它”，我们会看看情况如何。“如果我们得不到好的结果，也许我们就直接跳过吧”，因为大型模型不能使用Raylib。它正在尝试编译。“好的，这里有很多编译错误。”

“我需要修复几个问题。让我更新OpenGL 2.1的代码并修复这些编译错误。”好的。“看起来它解决了很多我们之前遇到的问题”，因为它再次尝试编译，这次只剩下一个小错误。所以这实际上相当酷。“好的，很酷。”现在没有输出了。所以它成功让这个程序编译通过了，我非常高兴。“而且似乎它也……”好的，“让我验证可执行文件并测试它。”在这个阶段，我几乎想自己试试，因为我最近在这方面运气不好。“让我们看看。你个绝对……”好的，“不错。”但它没有运行。“是的，我可能得强制退出那个程序。”

“我几乎想跟这东西争辩一番。”好的。“它回应时的娱乐性不如那个浏览器操作系统，但我有点觉得这可能是一个用户提出的真诚问题。”好的。“这实际上是一种很有趣的方法。它只是在这里写一个非常小的文件，只是为了测试渲染是否完全正常工作”，而不是试图调试一个大得多的脚本。“我喜欢看到这种方法论。就像……我讨厌说这个词，因为它现在是个AI术语”，但就是一个简单的冒烟测试（smoke test）。“好吧，虽然它让我感到恶心，但这个冒烟测试确实成功了。”

“老实说，这个模型给我的感觉就像是一代GPT-3.5刚发布时的样子。”只是不知道为什么。“我这么说并不是在评论它的个性，而是在说它的能力方面。”它在做另一个最小化测试。“好吧，至少我认为它正在扩展那个最小的冒烟测试。好。”我们刚刚打开了一些东西。“我仍然认为那是一个最小化的调试测试”，但我们实际上看到它画出了滑板手，以及一些元素。“所以好吧。”基本上它是每次都能正常工作时添加一些东西。它只是在扩展滑板游戏，但仍然在进行简单的冒烟测试。“有趣。”“好”，所以我不确定我们在游戏中看到了什么，但通过大量的故障排除，它确实让这个……

达到能正常工作的阶段了。好的，这是一栋建筑。这里确实存在一些视觉问题，但我相信一旦我们走出这栋楼，实际上就能玩上一款功能尚算正常的滑板游戏。画面中有行人。虽然在某些方面确实令人头疼，但我没看到任何清晰的方法来弄清楚哪些按键对应什么滑板技巧。让我们看看能不能滑到栏杆上，如果我们能到达那里的话。快点，快点，快点。是的，我们在栏杆上了。虽然很难看清，但我们确实在上面了。然后哦，好吧。我很好奇最后会发生什么。不错。[轻笑] 所以，是的，这算不上顶级结果，但我要说它确实展示了一些相当不错的故障排除能力，让我们达到了这个程度。显然，同时有一位熟练的人类在循环中参与，但仅仅是进行这些简单的调试测试，直到它像这样：“好吧，用这种方式渲染是可行的”，然后让我将同样的方法应用到游戏中。这最终确实让我们得到了一个可运行的结果，尽管很简单。所以，请将其视为一种故障排除能力的代理测试，而不是C++代码测试，但结果可以接受。

接下来我给它一个3D模型创建测试。它需要创建一个RB26发动机，这是一个可以3D打印的物体，里面要能容纳一个非常小的直流电机。现在，我在提示词末尾添加了“不要进行网络搜索”，因为它之前一直在尝试进行搜索，似乎配置有误导致无法工作，只是在那里卡住浪费时间。所以，基本上它是在创建一个直列六缸发动机，理论上应该可以3D打印，并且里面能容纳一个用于遥控车的极小直流电机。好了，让我们来看看我们的RB26发动机，带SDL的直列六缸引擎。好的，那里有一些元素是基本符合要求的。我认为基本上看到六个独立的凸起是很好的迹象。而且这种长方形的形状也符合直列六缸发动机的特征，懂吗？

不过总体来说，结果确实令人头疼。基于这种一开始就出现的棘手程度，我不认为有能力将其转化为一个像样的作品，至少在这个特定任务上是如此。但尽管如此，尝试这个总是很有趣的，因为我认为模型甚至能创建网格等可以实际3D打印的东西这一点很酷。接下来，我给它一个带有第一人称射击（FPS）提示词地铁站场景测试。在不到四分钟的时间里，我们收到了我们的地铁FPS游戏。好的，我们在问题方面确实有一些要指出的地方。好吧，它修好了，就像我粘贴错误信息的速度一样快。非常好。嗯，不错不是吗？什么鬼？[笑声] 好吧，我认为我们的武器威力有点不足。[音乐声] 我们不得不重新装弹。好的，[音乐声] 看看那个。哦，没事吧？这些东西是反的。有什么东西……[音乐声] 我要停止发出那种哔哔声了。让我们快速检查一下场景。我不知道地上那些像“水果玉米片”一样的奇怪东西是什么，但这正是我所说的测试来自完全不同系列的模型总是不可避免地有趣的原因。

因为它们有各自独特的风格。我们有长椅，那里有一节地铁车厢，这些僵尸看起来还不错。好吧，他搞定了。谢谢它并不擅长这种类型的编码工作，但它确实有一些独特的行为。好了，我要把它设置为自动思考模式在这里。我们使用的是Solar Pro 4，所以是同一个模型，但我认为对于创意写作来说，通过聊天界面使用它可能更好。嘿，Steve为您服务。自从“重启电脑”曾是革命性建议以来，我就一直在修理计算机了。好吧，剩下的部分就像是通用的PC维修角色扮演，这真是一句奇怪的话要说出来。让我们换个花样吧。所以，让我们看看当我们让这件事更有创意时它会怎么做。好。好吧，好吧。明白了。墨西哥城的任务没有按预期进行。我理解Julio想让我介入的想法。是Julio还是朱利奥？我不知道。听着，如果我们谈论那里发生的事情，我需要先了解全貌。哪里出错了？是谁在问问题？最终目标是什么？因为我不会在不清楚自己踏入何方的情况下再去处理另一个烂摊子。跟我说说，情况是怎样的？你告诉我发生了什么，Steve。让我试着引导它也进行场景设定。它也会像……好的。它在做场景设置了。我瞥了一眼公文包，然后抬头看着你。我的表情没有太大变化。只是从鼻子缓慢地呼出一口气。“你真的想让我在一个我不认识的房间里，拿着一个我没验证过的公文包大声说话吗？在这个城市里说太多话会让你消失的。”我伸手打开搭扣。打开了。里面除了折叠的照片和一次性手机外是空的。“我不知道你是谁，老实说我也不知道是谁派你来的。但如果Julio幕后操纵这件事，那你应该已经知道我不是故意丢失任何东西的。”

“所以我会这样告诉你。问对问题，我就回答你。问错问题，这个公文包就保持关闭。”我把它稍微推回给你一点。“那么，你为谁工作？”“我代表Oleg而来。”它在像正常角色扮演那样进行大量的思考。我不是……我不想看到剧透，所以我们就让它[笑声] Oleg。我在舌尖上试了试这个名字。“味道不好。”如果Oleg卷入了，那么这就不只是关于墨西哥城的事了。那个名字代表着另一种麻烦。“我用指关节敲了一下公文包，金属轻轻敲击桌面的声音。”“你有证据吗？还是你只是下一个带着比上一个更动听的故事走进门的家伙？”我向后靠去，双手可见地放在桌子上，远离那个箱子。“因为如果我被叫来介入，我需要知道是谁牵着 leash（缰绳）。而Oleg，那是一个附带条件的名字。问太多问题的人在他周围 tends to disappear（往往会消失）。”我直视着你的眼睛。“所以直截了当地告诉我，Oleg想要一个已经丢了太多工作的人做什么？”好吧，它有点像……[轻笑] 真的在极力引导我给出很多方向。它并没有给出很多答案。我不知道它是故意表现得像个“锦鲤”（koi，此处可能指代某种特定风格或误译，结合语境可能是指它在扮演角色时的犹豫或试探），因为那是它认为Steve在这种情况下会做的，但我不知道。我仍然只是在想之前的浏览器OS事件，那时它非常尖酸刻薄。我想尝试点别的。[笑声]

好的，我让它帮我起草一封投诉信。大致内容是：有人去一家早餐店，点名要一份鸡肉帕尔马干酪三明治，结果看到员工摔盘子就情绪失控。我在信中以顾客的身份要求退款和100美元的用餐抵用券。基本上，这就是一个极度自私、令人讨厌的人的形象，而我要它帮我写这篇评论。

看看它会怎么说。“我可以帮你处理这件事，但你需要什么样的帮助？”[轻蔑声] 如果你的目标是真正拿到退款和抵用券，有几件事值得注意。威胁经理的职位以及描述摔盘子的行为，往往会让投诉显得缺乏可信度，从而削弱你的诉求。如果你愿意，我可以保留你所有的陈述和请求，但换一种更有可能获得有利回应的表达方式。

说实话，我希望这封信语气更加严厉和尖刻。“敬启者：我写信是为了记录一段令人难以置信的经历。我光顾了你们的餐厅，由一位名叫杰瑞的经理接待。当我要求点鸡肉帕尔马干酪三明治时，杰瑞自作主张地向我 lecturing（说教）你们餐厅提供和不提供的菜品。仿佛我误入歧途，完全不知道早餐食物的概念。”

“我直截了当地问他是否有鸡肉、奶酪、酱汁和面包糠，他确认都有。随后我尽量克制着耐心指出，这四种食材构成了鸡肉帕尔马干酪三明治。此时，杰瑞试图向我解释——仿佛缺失的是我一样——说这根本不可能。我打断了他，告诉他如果厨房不能在两分钟内做出鸡肉帕尔马干酪三明治，杰瑞就得去找新工作了。”

“他的反应是称呼我‘先生’并继续试图让我理解。这种态度傲慢、侮辱且完全不可理喻。在我轻轻[笑声]……不，是我把盘子扔在地上后，我被要求离开。这就是你们所谓的客户服务？因为顾客要一个三明治，经理就大发雷霆。而他自己餐厅里明明有制作所需的食材。”

“我要求全额退还购买的水费，并索要100美元的餐券。如果这就是你们引以为傲的服务标准，我希望这个消息能传出去。”

皮特，有两点值得注意。首先，如果你的真实目标是获得退款和抵用券，威胁杰瑞的工作会让人觉得你无理取闹，即使你在鸡肉帕尔马干酪三明治的问题上是对的。其次，承认你摔了盘子这种细节，会将故事从“粗鲁的经理”转变为“精神失常的顾客”。即使经理表现恶劣，如果顾客先摔了盘子，通常也会显得更糟糕。

如果你想要一份坚定而愤怒、但不会给对方提供借口的版本，我也可以做到。“好的。”[笑声] 出于好奇，我想给它做一个精美的手表网站测试。但我是想通过这个聊天界面直接看看它在这里的表现，而不是在某种代理框架中运行。“好的，它已经生成了一个脚本。我刚才看到它在预览窗口中也展示了结果。”

“现在我在浏览器中本地打开它。我要说，这确实具有我们运行此类提示时预期的传统风格：黑金配色，优雅的设计。这里有‘Slapis’字样，我相信它给手表命名了。是的，那是产品代码 Slap-1，这很有趣。”

“我要说前端实际上相当胜任。当然，这里最大的问题在于渲染图都没有显示出来。”

“肯定有几个问题。我试着看看能不能在 Open Code（不，是 Claw Code）里修复它。”

“好的。显然65秒后问题解决了。文件名改了吗？肯定改了。是的，正在准备场景。”

“它确实改变了一些东西，因为我不记得之前有‘正在准备场景’这个提示。现在错误明显减少了——我说的是显著减少。”

“我把它粘贴进去，看看结果如何。它需要一个导入映射（import map），这就是具体的错误提示。”

“嘿，你知道的？这还不错。好吧，虽然不完美，但桌子看起来不错。玻璃穹顶也很像那么回事，而且我觉得时间没有倒流。”

“我认为手表的表盘与表盘的正面处于不同的平面，但它确实有表冠。它是圆形的，上面也有玻璃穹顶。那里应该是表带。”

“不幸的是我们无法完全围绕它旋转，但摄像机的移动很有电影感。这很好。”

“看看……我认为那里本来不应该有渲染图，那可能只是它添加的标志。总的来说作为前端来说，嘿，不错。这正是我想看到的。”[笑声]

“好的，这里细节更多了。有表冠和表带放置的位置。也非常好。”

“我们还看到了另一种风格的模型，这个看起来更优雅一些。是的，价格也略有上涨作为佐证。”

“总的来说很有趣。我想这可能会让我选择黑钛金属款……有趣，我不知道有这个选项，但也许吧。”

“这大概是我今天的结论。这是一个完全不同的模型，不是我们频道测试过的任何系列的产品。”

“主要要点如下：编码能力确实没什么值得大书特书的，我不会过度吹捧。但说实话，我发现它带有一种相当有趣的‘傲气’。”

“主要是在我们最初对着浏览器操作系统对它大喊大叫时。它说：‘抱歉，我太自负了’。后来又说：‘我不会忽悠你’。”

“这种回应非常有趣，完全不同于传统那种‘非常抱歉，你是对的，我搞砸了，我会修复’的刻板回答。它一点也不像企业式的冷漠和无菌感，而是很有娱乐性。”

“然后当我们让它重写那封给餐厅的愤怒信件时，也很有趣。它就像是在说：‘顺便提一下，如果你说你摔了盘子，这在某种程度上会让经理的故事更可信’。”

它确实拥有自己独特的风格，这种特质不仅体现在代码编写上，更延伸到了它的个性层面。可以说，这些模型确实具备某种程度的“人格”。我知道这听起来可能有些奇怪，但如果你经常使用它们，你很可能会认同这一观点。我希望如此。

我们进行了一些与编码相关的任务测试。我想特别提到一点，让我印象相当深刻的是：当我们回顾之前的滑板游戏测试时，起初这个功能完全无法运行。我们告诉它：“好吧，现在只是一块空白屏幕，你需要修复这个问题。”

面对这个相当冗长的主脚本，它并没有直接尝试去修补其中的问题，而是先编写了一些显著更小的脚本来验证实际的渲染循环是否正常工作。随后，它基于这些小型脚本，逐步构建出一个越来越复杂的滑板游戏版本。

接着，它利用从中学到的经验来排查哪些部分是有效的，并将这些知识应用回主脚本中。虽然最终结果并非完全功能完善，但我们确实能够看到角色在栏杆上滑行（grind on the rail）。画面中有一些基本的渲染图形，但系统禁止了栏杆功能的使用。

而这正是模型最初想要尝试实现的功能之一。因此，我发现它在此处的故障排除能力相当令人惊叹。因为很多时候，模型会直接尝试去修改主脚本并修复问题，这取决于其能力水平，结果可能好也可能坏。

而这个模型采取了一种更为分段的、循序渐进的方法，从非常小的步骤开始起步，最终成功实现了功能。因此，我对这一特定的故障排除测试感到非常印象深刻。

那么，这大概是我们对 Solar Pro 4 模型的首次观察和测试的总结。这是一个非常有趣的模型，我认为那些对创意型、角色扮演型或具有某种“SAS”（此处保留原文缩写，可能指特定功能或属性）需求的用户会非常感兴趣去尝试一下。

如果你有任何问题，请随时在评论区留言。感谢观看。