Upstage는 인간 수준 이상의 성능을 제공하는 LLM 컴포넌트를 전문으로 하는 선도적인 인공지능(AI) 기업입니다. Solar Pro는 단일 GPU 배포에 최적화된 엔터프라이즈급 LLM으로, instruction-following과 HTML 및 Markdown과 같은 구조화된 형식 처리에 뛰어납니다. 영어, 한국어, 일본어를 지원하며 최고 수준의 다국어 성능을 제공하고, 금융, 의료, 법률 분야의 전문성을 제공합니다.
Solar 외에도 Upstage는 Document Parse 및 Groundedness Check와 같은 실제 RAG(retrieval-augmented generation)를 위한 기능을 제공합니다.

​
Upstage LangChain integrations

APIDescriptionImportExample usage
ChatSolar Chat을 사용하여 assistant 구축from langchain_upstage import ChatUpstage바로가기
Text Embedding문자열을 벡터로 임베딩from langchain_upstage import UpstageEmbeddings바로가기
Groundedness Checkassistant 응답의 근거성 검증from langchain_upstage import UpstageGroundednessCheck바로가기
Document Parse표와 그림이 포함된 문서 직렬화from langchain_upstage import UpstageDocumentParseLoader바로가기
모델 및 기능에 대한 자세한 내용은 문서를 참조하세요.

​
Installation and Setup

langchain-upstage 패키지 설치: 
pip install -qU langchain-core langchain-upstage
API Keys를 받고 환경 변수 UPSTAGE_API_KEY를 설정하세요. 
import os

os.environ["UPSTAGE_API_KEY"] = "YOUR_API_KEY"

​
Chat models

​
Solar LLM

사용 예제를 참조하세요. 
from langchain_upstage import ChatUpstage

chat = ChatUpstage()
response = chat.invoke("Hello, how are you?")
print(response)

​
Embedding models

사용 예제를 참조하세요. 
from langchain_upstage import UpstageEmbeddings

embeddings = UpstageEmbeddings(model="solar-embedding-1-large")
doc_result = embeddings.embed_documents(
    ["Sung is a professor.", "This is another document"]
)
print(doc_result)

query_result = embeddings.embed_query("What does Sung do?")
print(query_result)

​
Document loader

​
Document Parse

사용 예제를 참조하세요. 
from langchain_upstage import UpstageDocumentParseLoader

file_path = "/PATH/TO/YOUR/FILE.pdf"
layzer = UpstageDocumentParseLoader(file_path, split="page")

# For improved memory efficiency, consider using the lazy_load method to load documents page by page.
docs = layzer.load()  # or layzer.lazy_load()

for doc in docs[:3]:
    print(doc)

​
Tools

​
Groundedness Check

사용 예제를 참조하세요. 
from langchain_upstage import UpstageGroundednessCheck

groundedness_check = UpstageGroundednessCheck()

request_input = {
    "context": "Mauna Kea is an inactive volcano on the island of Hawaii. Its peak is 4,207.3 m above sea level, making it the highest point in Hawaii and second-highest peak of an island on Earth.",
    "answer": "Mauna Kea is 5,207.3 meters tall.",
}
response = groundedness_check.invoke(request_input)
print(response)
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.
⌘I