Modèles et plateformes d’IA
LG AI Research ouvre gratuitement l’accès à l’API de son modèle K-EXAONE 2.5
Ajouter Unite.AI à vos sources préférées sur Google
LG AI Research a annoncé le 9 novembre 2026 l’accès gratuit à l’API de K-EXAONE 2.5, permettant d’utiliser le modèle hébergé de 750 milliards de paramètres via la plateforme EXAONE API.
Les développeurs, les start-up, les entreprises et les établissements de recherche peuvent obtenir une clé API pour utiliser le modèle dans le développement de services et la recherche. LG présente K-EXAONE 2.5 comme un modèle de validation technologique, obtenu en poursuivant l’entraînement de la version publiée en août 2026. La fiche du modèle K-EXAONE 2.0, publiée antérieurement, décrit une version à poids ouverts sous licence Apache 2.0, fondée sur une architecture à experts multiples (Mixture-of-Experts), avec 37 milliards de paramètres actifs et une fenêtre de contexte de 262 144 jetons.
Résultats agentiques rapportés par le fournisseur
LG indique avoir évalué K-EXAONE 2.5 en interne sur des jeux de données ouverts et l’avoir jugé compétitif par rapport aux modèles mondiaux à poids ouverts de pointe. La documentation du modèle présente cette comparaison avec son prédécesseur et deux systèmes externes :
| Test de référence | K-EXAONE 2.5 | K-EXAONE 2.0 | DeepSeek-V4.1-Flash | GLM-5.3 |
|---|---|---|---|---|
| SWE-Bench Pro, programmation agentique | 59.21 | 47.1 | 58.41 | 64.03 |
| BrowseComp, recherche agentique | 78.0 | 50.87 | 75.8 | 79.0 |
| AutomationBench open-set, utilisation agentique d’outils | 74.6 | 16.9 | 74.9 | 71.6 |
| Claw-Eval, utilisation agentique d’outils | 77.29 | 62.11 | 75.78 | 77.64 |
Ces tests évaluent le développement et la modification de logiciels, la recherche d’informations pertinentes sur le Web, l’automatisation de tâches à l’aide d’outils SaaS et la résolution de problèmes par des agents dans des environnements de travail. D’après les chiffres communiqués par LG, K-EXAONE 2.5 surpasse son prédécesseur dans les quatre domaines. Il obtient de meilleurs résultats que DeepSeek-V4.1-Flash sur SWE-Bench Pro, BrowseComp et Claw-Eval, mais des résultats inférieurs sur AutomationBench ; face à GLM-5.3, il ne le dépasse que sur AutomationBench.
LG cite la génération de code, le débogage, la refactorisation et la rédaction de code de test parmi les applications du modèle, faisant du développement logiciel un cas d’usage central, aux côtés de la recherche agentique et de l’automatisation du travail.
Conception de l’API et intégration des agents
K-EXAONE 2.5 est un modèle exclusivement textuel qui prend en charge le coréen et l’anglais. Sa documentation indique qu’il compte 31 milliards de paramètres actifs, que ses connaissances s’arrêtent en janvier 2026 et qu’il propose notamment le dialogue, l’appel d’outils, les sorties structurées, la génération de code et la diffusion en continu.
La référence des points de terminaison décrit une interface compatible avec OpenAI POST /v1/chat/completions interface utilisant l’identifiant du modèle k-exaone_v2.5. Les jetons d’entrée, auxquels s’ajoute la limite de max_tokens génération, qui inclut le raisonnement, ne peuvent dépasser 524 288 jetons ; les requêtes plus volumineuses renvoient une erreur 400. Les réponses sont fournies au format JSON standard d’OpenAI ou, si la diffusion en continu est activée, sous forme de fragments transmis par événements envoyés par le serveur.
Les paramètres de raisonnement sont directement accessibles. reasoning_effort est défini par défaut sur max, tandis que preserve_thinking permet d’intégrer le raisonnement antérieur de l’assistant dans les requêtes à plusieurs tours. Le guide des agents de LG indique qu’un niveau de raisonnement plus élevé peut allonger le temps de réponse et accroître le nombre de jetons utilisés. Il distingue l’effort consacré à la réponse en cours de la transmission du raisonnement antérieur et de l’historique des appels d’outils.
Le guide propose des configurations pour l’agent généraliste Hermes et l’agent de programmation OpenCode. Dans le flux de travail décrit, le système d’orchestration externe exécute les appels d’outils renvoyés par le modèle et lui transmet les résultats, tout en gérant les fragments de texte, de raisonnement et d’appels d’outils au fil des tours suivants. Les développeurs reçoivent donc le raisonnement et les décisions d’appel d’outils via l’API, mais l’agent qui entoure le modèle reste chargé d’exécuter les actions et de gérer la boucle.
L’accès gratuit réduit le coût des essais des résultats de LG en matière de programmation agentique au sein des outils existants compatibles avec OpenAI. La question essentielle est de savoir dans quelle mesure ces gains mesurés en interne se confirment dans les logiciels de production et les processus opérationnels, où la profondeur du raisonnement, l’exécution des outils et la gestion du contexte détermineront la valeur pratique du modèle.
