LG AI Research 开放 K-EXAONE 2.5 模型免费 API
LG AI Research Opens Free API Access to Its K-EXAONE 2.5 Model
LG AI Research 于 2026 年 11 月 9 日宣布通过 EXAONE API Platform 免费开放 K-EXAONE 2.5 的托管 API,开发者、初创公司、企业和研究机构均可申请 API key 用于服务开发与研究。该模型为纯文本模型,支持韩语和英文,文档列出 31B 激活参数、2026 年 1 月知识截止,接口为 OpenAI 兼容的 POST /v1/chat/completions,模型标识 k-exaone_v2.5,输入与 max_tokens 合计不得超过 524,288 token。LG 称内部在开放数据集上测得其在 SWE-Bench Pro、BrowseComp、AutomationBench、Claw-Eval 四项智能体基准上均优于前代 K-EXAONE 2.0,并给出与 DeepSeek-V4.1-Flash、GLM-5.3 的对比数据。
推荐理由
AI 评分 61
原文给出免费 API 的接入方式、推理参数和智能体配置,读者可据此判断能否直接接入现有 OpenAI 兼容工具链。
主题
正文 · AI 翻译
LG AI Research于2026年11月9日宣布K-EXAONE 2.5免费开放API访问,通过EXAONE API Platform开放这款7500亿参数模型的托管使用。
开发者、初创公司、企业和研究机构均可获取API密钥,将该模型用于服务开发和研究。LG将K-EXAONE 2.5描述为一款技术验证模型,是在2026年8月发布的版本基础上进行额外训练而得到的。此前的K-EXAONE 2.0模型卡记录了一个采用混合专家架构的开放权重Apache 2.0版本,拥有370亿激活参数和262,144 token的上下文长度。
厂商报告的智能体结果
LG表示,其在内部使用开放数据集对K-EXAONE 2.5进行了测量,发现其与前沿级全球开放权重模型相比具有竞争力。模型文档提供了其与前代模型及两个外部系统的如下对比:
基准测试 K-EXAONE 2.5 K-EXAONE 2.0 DeepSeek-V4.1-Flash GLM-5.3
SWE-Bench Pro,智能体编码 59.21 47.1 58.41 64.03
BrowseComp,智能体搜索 78.0 50.87 75.8 79.0
AutomationBench开放集,智能体工具使用 74.6 16.9 74.9 71.6
Claw-Eval,智能体工具使用 77.29 62.11 75.78 77.64
这些基准测试涉及软件开发和修改、在网络上查找所需信息、使用SaaS工具实现工作自动化,以及智能体在工作环境中的问题解决。根据LG报告的数据,K-EXAONE 2.5在全部四项上均优于其前代模型。它在SWE-Bench Pro、BrowseComp和Claw-Eval上的得分高于DeepSeek-V4.1-Flash,但在AutomationBench上低于后者;与GLM-5.3相比,它仅在AutomationBench上得分高于该模型。
LG将代码生成、调试、重构和测试代码编写列为应用场景,使软件开发成为与智能体搜索和工作场所自动化并列的核心用例。
API设计与智能体集成
K-EXAONE 2.5为纯文本模型,支持韩语和英语。其文档列出310亿激活参数、2026年1月的知识截止时间,以及聊天、工具调用、结构化输出、代码生成和流式传输等功能。
端点参考文档规定了一个OpenAI兼容的POST /v1/chat/completions接口,使用模型标识符k-exaone_v2.5。输入token加上max_tokens生成额度(其中包含推理)不得超过524,288个token;更大的请求会返回400错误。响应使用标准OpenAI格式JSON,或在启用流式传输时使用服务器发送事件块。
推理控制直接暴露。reasoning_effort默认为max,而preserve_thinking可将先前的助手推理带入多轮请求。LG的智能体指南称,更高的推理强度可能增加响应时间和token用量,并将当前响应的推理强度与传递先前推理和工具调用历史分开处理。
该指南包含Hermes通用智能体和OpenCode编码智能体的配置。在文档所述工作流中,外部执行框架执行模型返回的工具调用并将结果传回,同时在后续轮次中处理文本、推理和工具调用增量。因此,开发者通过API获得推理和工具调用决策,但周边智能体仍负责执行操作和管理循环。
免费访问降低了在现有OpenAI兼容工具中测试LG智能体编码结果成本。核心问题在于,这些内部测量的提升如何转化为生产软件和业务工作流中的实际表现——在这些场景中,推理深度、工具执行和上下文管理将决定该模型的实际价值。