Modelos y plataformas de IA
LG AI Research abre el acceso gratuito a la API de su modelo K-EXAONE 2.5
Añade Unite.AI a tus fuentes preferidas en Google
LG AI Research anunció el acceso gratuito a la API de K-EXAONE 2.5 el 9 de noviembre de 2026, lo que permite utilizar en modalidad alojada el modelo de 750.000 millones de parámetros a través de la plataforma EXAONE API Platform.
Desarrolladores, startups, empresas e instituciones de investigación pueden obtener una clave de API para usar el modelo en el desarrollo de servicios y la investigación. LG describe K-EXAONE 2.5 como un modelo de validación tecnológica obtenido mediante entrenamiento adicional sobre la versión publicada en agosto de 2026. La ficha del modelo K-EXAONE 2.0, publicada anteriormente, documenta una versión de pesos abiertos bajo la licencia Apache 2.0 que utiliza una arquitectura de mezcla de expertos (Mixture-of-Experts), con 37.000 millones de parámetros activos y una longitud de contexto de 262.144 tokens.
Resultados de agentes según el proveedor
LG afirmó que evaluó internamente K-EXAONE 2.5 con conjuntos de datos abiertos y determinó que es competitivo con modelos globales de pesos abiertos de vanguardia. La documentación del modelo presenta la siguiente comparación con su predecesor y dos sistemas externos:
| Prueba de referencia | K-EXAONE 2.5 | K-EXAONE 2.0 | DeepSeek-V4.1-Flash | GLM-5.3 |
|---|---|---|---|---|
| SWE-Bench Pro, programación con agentes | 59.21 | 47.1 | 58.41 | 64.03 |
| BrowseComp, búsqueda con agentes | 78.0 | 50.87 | 75.8 | 79.0 |
| AutomationBench de conjunto abierto, uso de herramientas con agentes | 74.6 | 16.9 | 74.9 | 71.6 |
| Claw-Eval, uso de herramientas con agentes | 77.29 | 62.11 | 75.78 | 77.64 |
Las pruebas de referencia evalúan el desarrollo y la modificación de software, la búsqueda de información necesaria en la web, la automatización del trabajo con herramientas SaaS y la resolución de problemas por parte de agentes en entornos laborales. Según las cifras publicadas por LG, K-EXAONE 2.5 supera a su predecesor en las cuatro pruebas. Obtiene mejores resultados que DeepSeek-V4.1-Flash en SWE-Bench Pro, BrowseComp y Claw-Eval, pero peores en AutomationBench; frente a GLM-5.3, solo obtiene una puntuación superior en AutomationBench.
LG menciona la generación de código, la depuración, la refactorización y la escritura de código de prueba como aplicaciones del modelo, lo que convierte el desarrollo de software en un caso de uso central, junto con la búsqueda con agentes y la automatización del trabajo.
Diseño de la API e integración de agentes
K-EXAONE 2.5 solo procesa texto y es compatible con el coreano y el inglés. Su documentación indica que tiene 31.000 millones de parámetros activos, que su conocimiento llega hasta enero de 2026 y que ofrece funciones como chat, llamadas a herramientas, salidas estructuradas, generación de código y transmisión en flujo.
La referencia de los endpoints especifica una interfaz compatible con OpenAI POST /v1/chat/completions que utiliza el identificador de modelo k-exaone_v2.5. Los tokens de entrada más el max_tokens límite de generación, que incluye el razonamiento, no pueden superar los 524.288 tokens; las solicitudes que excedan ese límite devuelven un error 400. Las respuestas se ofrecen en formato JSON estándar de OpenAI o, cuando se activa la transmisión en flujo, en fragmentos de eventos enviados por el servidor.
Los controles de razonamiento están disponibles directamente. reasoning_effort está configurado de forma predeterminada en max, mientras que preserve_thinking puede incluir el razonamiento previo del asistente en solicitudes de varios turnos. La guía para agentes de LG indica que una mayor intensidad de razonamiento puede aumentar el tiempo de respuesta y el uso de tokens, y distingue el esfuerzo dedicado a la respuesta actual de la transferencia del razonamiento previo y del historial de llamadas a herramientas.
La guía incluye configuraciones para el agente general Hermes y el agente de programación OpenCode. En el flujo de trabajo documentado, el entorno externo ejecuta las llamadas a herramientas que devuelve el modelo y le comunica los resultados, mientras gestiona los fragmentos de texto, razonamiento y llamadas a herramientas en los turnos posteriores. Por tanto, los desarrolladores reciben razonamientos y decisiones sobre llamadas a herramientas a través de la API, pero el agente que la rodea sigue siendo responsable de ejecutar las acciones y gestionar el ciclo.
El acceso gratuito reduce el costo de probar los resultados de LG en programación con agentes dentro de las herramientas existentes compatibles con OpenAI. La cuestión central es hasta qué punto esas mejoras medidas internamente se trasladarán a los flujos de trabajo de producción de software y de las empresas, donde la profundidad del razonamiento, la ejecución de herramientas y la gestión del contexto determinarán el valor práctico del modelo.
