🔥 100만 토큰 문맥 AI 에이전트: Solar Open 2 무료 체험

안녕하세요! 오늘은 업스테이지가 2026년 7월 22일 공개한 Solar Open 2에 대해 알아보겠습니다. Solar Open 2는 250B 파라미터 규모의 오픈소스 언어 모델로, 단순한 대화를 넘어 실제 업무를 수행하는 AI 에이전트에 특화되어 있습니다. 특히 문서 작성, 엑셀 분석, 프레젠테이션 제작, 코딩 등 기업 환경의 실무 작업을 정확하게 수행하도록 설계되었으며, 100만 토큰 문맥 처리와 MoE 구조를 통해 효율적인 추론을 보여줍니다. 이 블로그에서는 Solar Open 2의 핵심 기술, 성능 비교, 그리고 무료 체험 페이지에서 바로 사용해볼 수 있는 완전한 프롬프트를 제공합니다.

"이 포스팅은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다."

🤖 Solar Open 2란 무엇인가?

Solar Open 2는 한국의 AI 스타트업인 업스테이지(Upstage)가 개발한 250B 파라미터 규모의 대규모 언어 모델입니다. 1차 버전인 Solar Open 1(100B)의 구조를 확장하여, 2026년 7월 22일 개발자 컨퍼런스 'Solar Open Weight Day'에서 공개되었습니다.

이 모델의 핵심 차별점은 "대화만 잘하는 AI"가 아니라 "일을 잘하는 AI"를 지향한다는 점입니다. 김성훈 업스테이지 대표는 "요즘은 대화만 잘해서는 안 된다. 일을 시켰을 때 일을 못하면 바보 취급을 받는다"며 에이전트 능력에 집중한 모델 개발 배경을 설명했습니다.

🔑 핵심 특징 요약:

모델 구조: 250B 파라미터 MoE 구조 (320개 routed expert + 1개 shared expert, 토큰마다 8개 expert 선택), 추론 시 15B 파라미터만 활성화
문맥 처리: 최대 100만 토큰 (하이브리드 어텐션: GQA 1개 층 + linear attention 3개 층 반복, 전체 48개 층 중 75%가 linear attention)
공식 언어: 한국어, 영어, 일본어
에이전트 특화: 검색·도구 호출(MCP)·코딩·오피스 업무 시나리오 학습, 자체 데이터 합성·검증 파이프라인
배포 방식: HuggingFace 오픈 웨이트 (Upstage Solar License, 상업적 사용 가능)

Solar Open 2는 한국 정부의 독자 AI 파운데이션 모델 사업의 지원을 받아 개발되었으며, 업스테이지는 이 모델을 통해 기업용 AI 에이전트 시장 공략을 본격화하고 있습니다. 무료로 공개되었으며, 모든 개발자가 자유롭게 활용할 수 있습니다.

⚙️ 아키텍처 및 핵심 기술

Solar Open 2의 기술적 혁신은 세 가지 핵심 영역에서 나타납니다. 먼저, 하이브리드 어텐션 스택을 통해 100만 토큰의 컨텍스트 윈도우를 구현했습니다. 이 구조는 소프트맥스 어텐션 레이어와 선형 어텐션 레이어를 교대로 배치하여, 긴 문맥 처리의 계산 비용을 크게 줄이면서도 성능을 유지합니다.

# Solar Open 2 아키텍처 핵심 구조
# 출처: arXiv:2607.20062 (Solar Open 2 Technical Report)

모델 구조:
├── 총 파라미터: 250B
├── 활성 파라미터 (추론 시): 15B (MoE 구조)
├── 컨텍스트 윈도우: 100만 토큰
├── 어텐션 메커니즘:
│   ├── 소프트맥스 어텐션 1개 + 선형 어텐션 3개 교차 구성
│   ├── 위치 인코딩: 사용하지 않음 (No PE)
│   └── 게이트 델타 룰 (음수 고유값 확장)
├── 훈련 데이터: 10T 토큰 (20T 풀에서 큐레이션)
└── 초기화: Solar Open 1에서 5.69B 공유 골격 전이

Mixture of Experts(전문가 혼합) 구조란?

MoE(Mixture of Experts)는 전체 모델은 크지만, 실제 계산 시에는 일부 전문가(expert)만 활성화하는 구조입니다. Solar Open 2의 경우 총 250B 파라미터 중 추론 시 15B 파라미터만 활성화되므로, 대형 모델 수준의 성능을 유지하면서 GPU 사용량과 추론 비용을 대폭 줄일 수 있습니다.

이 구조는 실제 업무 환경에서 특히 유용합니다. 기업에서는 수백 GB의 모델을 서버에 상주시키면서도, 실제 요청이 들어올 때는 적은 양의 연산으로 빠르게 응답할 수 있기 때문입니다.

오피스버스: 실제 업무 학습 환경

Solar Open 2의 또 다른 차별점은 자체 시뮬레이션 환경인 오피스버스(Officeverse)입니다. 오피스버스는 문서 작성, 엑셀 작업, PPT 제작 등 기업 업무 상황을 가상으로 생성하고, AI가 해당 업무를 얼마나 정확하게 수행하는지 평가하는 시스템입니다.

이 환경에서 훈련된 12개 도메인 전문가는 이후 MOPD(Multi-teacher On-Policy Distillation, 다중 교사 온라인 정책 증류) 방식으로 하나의 모델에 통합됩니다. 이 과정을 통해 Solar Open 2는 다양한 업무 시나리오에서 광범위한 능력을 확보할 수 있었습니다.

📊 성능 벤치마크 비교

Solar Open 2는 영어 및 한국어 벤치마크에서 경쟁력 있는 성능을 보여줍니다. 특히 지식, 코딩, 에이전트, 한국어 영역에서 두드러진 결과를 기록했습니다.

💡 참고: Ko-GDPval은 변호사, 회계사, 감염관리 전문가 등 58개 직군의 실제 업무 시나리오 170개로 구성된 벤치마크입니다. Solar Open 2는 6배 이상 큰 1.6T 모델 DeepSeek V4-Pro(86.91)와 0.16점 차이로 대등한 성능을 보여줍니다.

지식·과학 추론 벤치마크인 MMLU-Pro에서 86.2, 코딩 벤치마크인 LiveCodeBench에서 92.4를 기록해 동급 비교 모델 중 가장 높은 점수를 달성했습니다. 한국어 벤치마크 평균은 85.4로, DeepSeek V4-Flash(84.9), GPT-5.4 mini(80.8), Claude Haiku 4.5(69.6)를 모두 앞섰습니다.

Agent 서비스의 안정성과 직결되는 지시 이행 및 도구 호출 평가에서도 경쟁력을 확인했습니다. IFBench에서는 80, MCP-Atlas에서는 58.2를 기록해 DeepSeek V4-Flash와 함께 최상위권에 올랐으며, 실제 업무형 Agent 능력을 평가하는 APEX-Agents에서는 16.6으로 비교 대상 중 가장 높은 점수를 기록했습니다.

전작 Solar Open 100B 대비 성능 향상

Solar Open 2는 자사 전작 모델인 Solar Open 100B와 비교해 지식, 수학, 코딩, 지시 이행 전반에서 큰 폭으로 개선됐습니다.

카테고리	벤치마크	Solar Open 2	Solar Open 100B	상승폭
지식·과학 추론	GPQA-Diamond	86.26	66.16	+20.10p
수학	HMMT	93.94	68.94	+25.00p
코딩	LiveCodeBench	92.42	56.49	+35.93p
지시 이행	IFBench	80.00	57.70	+22.30p
한국어 종합	한국어 평균	85.43	66.95	+18.48p

🤖 에이전트 능력 상세 분석

Solar Open 2는 단순한 질의응답을 넘어, 여러 단계에 걸쳐 복잡한 업무를 수행하는 AI 에이전트 기능에 중점을 두고 있습니다. 주요 에이전트 능력을 살펴보겠습니다.

에이전트 기능	설명	활용 예시
문서 자동 생성	보고서, 계약서, 제안서 등 자동 작성	"3분기 매출 보고서를 작성해줘"
엑셀 분석	데이터 분석, 차트 생성, 수식 적용	"엑셀 파일의 매출 데이터를 분석해줘"
PPT 제작	슬라이드 구성, 디자인, 내용 정리	"AI 기술 트렌드 발표 자료를 만들어줘"
코딩 보조	코드 생성, 디버깅, 리팩토링	"React 컴포넌트를 만들어줘"
외부 도구 호출	API 연동, 데이터베이스 조회	"날씨 API를 호출해서 결과를 정리해줘"
복잡한 워크플로우	여러 단계 작업 순차 처리	"이메일 분석 후 요약하고 답변 초안을 만들어줘"

100만 토큰의 컨텍스트 윈도우는 AI 에이전트에게 특히 중요한 기능입니다. 계약서나 보고서 같은 대규모 문서를 한 번에 분석하고, 그 위에서 작업을 수행할 수 있기 때문입니다. 기존 모델들은 문맥 윈도우 제한으로 인해 긴 문서를 여러 번 나누어 처리해야 했으나, Solar Open 2는 이를 한 번에 처리할 수 있습니다.

🚀 무료 체험: 프롬프트 3개

Solar Open 2는 업스테이지가 제공하는 무료 체험 페이지에서 바로 사용해볼 수 있습니다. 다음 URL에 접속하면 별도의 회원가입 없이 Solar Open 2의 성능을 직접 체험할 수 있습니다.

🌐 무료 체험 페이지: https://open2-beta.upstage.ai/

다음은 Solar Open 2의 에이전트 능력을 체험할 수 있는 프롬프트 3개입니다. 각 프롬프트는 샘플 데이터가 모두 포함되어 있어, 복사하여 체험 페이지에 붙여넣기만 하면 바로 결과를 확인할 수 있습니다.

프롬프트 1: AI 산업 동향 보고서 분석

Solar Open 2의 문맥 처리 능력을 테스트하는 프롬프트입니다. 여러 산업의 최신 동향을 한 번에 분석하고, 경영진 보고용 요약과 전략 제안까지 생성하는 에이전트 능력을 확인할 수 있습니다.

다음은 2026년 상반기 한국 IT/AI 산업 동향 자료입니다.
이 내용을 분석하고 다음 작업을 수행해주세요:

1. 핵심 내용을 5개의 불릿 포인트로 요약해주세요
2. 주목할 만한 시장 트렌드 3가지를 추출해주세요
3. 강점과 약점을 표로 정리해주세요
4. 하반기 전략 제안서 초안을 작성해주세요 (2000자 이내)
5. CEO에게 보고할 때 강조해야 할 핵심 지표를 선정해주세요

산업 동향 자료:
2026년 한국 AI 시장은 약 15조원 규모로 성장했으며, 전년 대비 35% 증가했습니다.
- 생성형 AI 도입 기업: 전체 기업의 62% (전년 41%)
- AI 에이전트 시장: 3.2조원 규모, 연평균 성장률 48%
- 한국어 LLM 성능: 글로벌 상위권 수준 도달 (MMLU 85점 이상)
- AI 규제: EU AI법 영향으로 국내 AI 기본법 개정 추진 중
- 주요 투자: 삼성 5조원, 네이버 2조원, 카카오 1조원 AI 인프라 투자
- 인력 부족: AI 전문인력 약 3만명 부족, 연봉 상승률 25%
- 오픈소스 생태계: 한국어 오픈소스 LLM 15개 이상 공개
- 클라우드 AI: AWS, Azure, GCP 한국 리전 AI 서비스 매출 40% 증가
- 의료 AI: 식약처 인허가 AI 의료기기 45개 승인
- 금융 AI: 은행권 AI 도입률 78%, 핀테크 AI 투자 2배 증가

요구사항:
- 분석은 위 자료에 기반한 객관적 사실에 기반해야 합니다
- 불필요한 수식어 없이 핵심만 간결하게 작성해주세요
- 표와 목록을 적극 활용해주세요

💡 활용 팁: 프롬프트 내에 샘플 산업 동향 데이터가 포함되어 있어 복사 후 바로 붙여넣기만 하면 됩니다. 실제 업무에서는 이 데이터를 본인 회사의 실제 보고서 내용으로 교체하면 됩니다.

프롬프트 2: 엑셀 데이터 분석 및 시각화

오오피스버스에서 훈련된 업무 수행 능력을 테스트하는 프롬프트입니다. 데이터 분석 결과를 표와 코드로 구체적으로 제시하는지를 평가할 수 있습니다.

다음 판매 데이터를 분석하고 인사이트를 도출해주세요:

데이터:
| 월 | 상품A 판매량 | 상품B 판매량 | 상품C 판매량 | 총매출(만원) | 마케팅비(만원) |
|----|------------|------------|------------|-----------|-------------|
| 1월 | 1,200 | 800 | 500 | 4,500 | 800 |
| 2월 | 1,100 | 850 | 520 | 4,300 | 750 |
| 3월 | 1,300 | 900 | 480 | 4,800 | 900 |
| 4월 | 1,500 | 750 | 600 | 5,200 | 1,100 |
| 5월 | 1,400 | 700 | 650 | 5,000 | 1,000 |
| 6월 | 1,600 | 680 | 700 | 5,500 | 1,200 |

작업을 수행해주세요:

1. 월별 매출 추이를 분석하고 차트 코드를 작성해주세요
   (Python matplotlib 코드로 작성)
2. 마케팅비 대비 매출 효율(ROI)을 분석해주세요
3. 상품별 판매 추세를 분석하고 하반기 전략을 제안해주세요
4. 다음 분기 마케팅 예산 1,500만원을 배분하는 계획을 세워주세요
5. 경영진 보고용 학심 지표 대시보드를 표로 설계해주세요

분석 시 고려사항:
- 계절성 요소를 반영해주세요
- 마케팅비와 매출의 상관관계를 분석해주세요
- 실무에서 바로 활용 가능한 수치로 제시해주세요

💡 활용 팁: 실제 엑셀 데이터를 표 형태로 붙여넣으면, Solar Open 2가 데이터 분석부터 차트 코드 작성, 전략 제안까지 한 번에 수행하는 것을 확인할 수 있습니다.

프롬프트 3: 웹사이트 로그인 시스템 개발

Solar Open 2의 코딩 능력을 종합적으로 테스트하는 프롬프트입니다. 설계부터 코드 생성, 테스트, 배포 설정까지 여러 단계의 작업을 한 번에 수행하는 에이전트 능력을 확인할 수 있습니다.

다음 요구사항을 만족하는 Python 웹 애플리케이션을 만들어주세요:

요구사항:
1. FastAPI 기반 REST API 서버
2. 회원가입/로그인/로그아웃 기능 (JWT 인증)
3. SQLAlchemy ORM + SQLite 데이터베이스
4. CORS 설정 포함
5. Swagger 문서 자동 생성
6. 에러 핸들링 및 로깅
7. 단위 테스트 코드 (pytest)
8. Dockerfile 작성

기술 스택:
- Python 3.11+
- FastAPI
- SQLAlchemy
- Pydantic
- python-jose (JWT)
- passlib (비밀번호 해싱)

요구사항:
- 모든 함수에 타입 힌트를 적용해주세요
- 보안 취약점을 고려한 코드 작성 (SQL 인젝션 방지, XSS 방지 등)
- 프로덕션 환경에서 바로 사용할 수 있는 수준으로 작성해주세요
- 각 파일별로 설명 주석을 포함해주세요

💡 활용 팁: 프롬프트만 복사해서 붙여넣으면 Solar Open 2가 전체 웹 애플리케이션 코드를 한 번에 생성합니다. 코드 생성 후 "이 코드를 리팩토링해줘" 또는 "테스트 코드를 추가해줘" 등 후속 요청으로 에이전트 능력을 더 체험할 수 있습니다.

📦 양자화 및 로컬 실행

Solar Open 2는 대규모 모델이지만, 추론 효율적인 MoE 구조와 다양한 양자화 옵션을 통해 기업 인프라에 배포하기에 적합한 수준의 하드웨어 요구사항을 보여줍니다.

모델 형식	활성 파라미터	권장 GPU	설명
BF16 (원본)	15B 활성	NVIDIA H200 × 4	서버 환경, 최고 성능
양자화 (INT4/NVFP4)	15B 활성	NVIDIA H200 × 2	기업 배포에 적합

총 250B 파라미터 중 토큰당 15B만 활성화하는 MoE 구조 덕분에, 같은 업무를 6배 이상 큰 모델 대비 적은 인프라로 처리할 수 있습니다. BF16 모델의 경우 NVIDIA H200 4장, 양자화 모델의 경우 H200 2장에서 구동할 수 있어, 기업이 자체 인프라에 배포해 Agent 서비스에 연결하기에 적합합니다.

# HuggingFace에서 모델 다운로드
# 모델 페이지: https://huggingface.co/upstage/Solar-Open2-250B

# 기본 다운로드
git lfs install
git clone https://huggingface.co/upstage/Solar-Open2-250B

# INT4 양자화 버전 다운로드
git clone https://huggingface.co/upstage/Solar-Open2-250B-INT4

# NVFP4 양자화 버전 다운로드 (NVIDIA DGX Spark용)
git clone https://huggingface.co/upstage/Solar-Open2-250B-NVFP4

# Python에서 모델 로드 예시 (transformers 라이브러리)
from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "upstage/Solar-Open2-250B"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    device_map="auto",        # GPU 자동 분배
    torch_dtype="auto",       # 자동 데이터 타입 선택
    trust_remote_code=True    # 커스텀 코드 허용
)

🔤 한국어 토큰 효율성

Solar Open 2는 한국어 처리 시 토큰 효율을 높이기 위해 최적화된 토크나이저를 사용했습니다. 같은 한국어 텍스트 처리 시 글로벌 모델 대비 약 50~80% 수준의 토큰만을 사용하여 처리가 가능합니다. 한국어 오피스 업무 텍스트 기준으로 비교한 12개 모델 가운데 가장 효율적이며, 최고 성능의 글로벌 모델보다 약 24% 앞섭니다.

같은 내용을 더 적은 토큰으로 표현한다는 것은 곧 더 낮은 추론 비용과 더 긴 유효 컨텍스트를 뜻합니다. Agent가 반복적으로 모델을 호출하는 환경에서는 토큰 효율이 곧 운영 비용이 되므로, 이러한 최적화는 기업 도입 시 중요한 고려 사항입니다.

⚠️ 한계점과 주의사항

Solar Open 2는 인상적인 성능을 보여주지만, 몇 가지 한계점도 함께 인지해야 합니다.

⚠️ 주의사항:

하드웨어 요구사항: BF16 원본 모델은 NVIDIA H200 4장, 양자화 모델은 H200 2장이 필요합니다. 일반적인 개인용 PC에서는 실행이 불가능하며, 기업 서버 환경이 필요합니다.
베타 버전: 현재 무료 체험 페이지는 베타 버전으로, 서비스 안정성이나 응답 속도에 변동이 있을 수 있습니다. 플레이그라운드 체험은 7월 31일까지 제공됩니다.
다국어 지원 범위: 한국어, 영어, 일본어를 공식 지원하지만, 그 외 언어에서의 성능은 공식 벤치마크가 아직 부족합니다.
생태계 성숙도: 오픈소스로 공개된 지 얼마 되지 않아, 커뮤니티 기반 도구나 파인튜닝 사례가 아직 제한적입니다.

하지만 이러한 한계점들은 Solar Open 2가 한국 정부 지원 하에 지속적으로 개발되고 있다는 점, 그리고 업스테이지가 "AI 생태계의 선순환"을 강조하고 있다는 점에서 향후 개선될 것으로 기대됩니다.

🎯 맺음말

지금까지 Solar Open 2에 대해 알아보았습니다. Solar Open 2는 250B 파라미터의 MoE 구조(15B 활성)와 100만 토큰 컨텍스트, 검색·도구 호출·코딩·오피스 업무 시나리오 학습을 통해, 대화형 AI를 넘어 실제 업무를 수행하는 차세대 언어 모델의 가능성을 보여줍니다. MMLU-Pro 86.2, LiveCodeBench 92.4, 한국어 평균 85.4, Ko-GDPval 86.75의 성적으로 무료 오픈소스 모델로서는 인상적인 수준입니다.

🔑 핵심 요약:

250B MoE 구조: 320 routed expert + 1 shared expert, 추론 시 15B만 활성화하여 비용 효율적
100만 토큰 문맥: 하이브리드 어텐션(GQA + linear attention)으로 대규모 문서 한 번에 분석
에이전트 특화: 검색·도구 호출(MCP)·코딩·오피스 업무 학습, 한국어/영어/일본어 공식 지원
무료 체험: open2-beta.upstage.ai에서 바로 사용 가능
양자화 배포: BF16=H200×4, 양자화=H200×2로 기업 배포 가능

다만 현재는 베타 상태이며 로컬 실행 시 높은 하드웨어 사양이 요구된다는 점은 인지하고 있어야 합니다. 여러분도 Solar Open 2 체험 페이지에서 위의 프롬프트를 직접 실행해보시길 추천드리면서, 저는 다음 시간에 더 유익한 정보를 가지고 다시 찾아뵙겠습니다. 감사합니다.