Modelli e piattaforme di IA
LG AI Research apre gratuitamente l’accesso API al modello K-EXAONE 2.5
Aggiungi Unite.AI alle tue fonti preferite su Google
LG AI Research ha annunciato il 9 novembre 2026 l’accesso gratuito all’API di K-EXAONE 2.5, rendendo possibile l’utilizzo del modello ospitato da 750 miliardi di parametri tramite la piattaforma EXAONE API Platform.
Sviluppatori, startup, aziende e istituti di ricerca possono ottenere una chiave API per utilizzare il modello nello sviluppo di servizi e nella ricerca. LG descrive K-EXAONE 2.5 come un modello per la convalida tecnologica, realizzato applicando un ulteriore addestramento alla versione rilasciata nell’agosto 2026. La precedente scheda del modello K-EXAONE 2.0 documenta una versione con pesi aperti, distribuita con licenza Apache 2.0 e basata su un’architettura Mixture-of-Experts, con 37 miliardi di parametri attivi e una finestra di contesto di 262.144 token.
Risultati degli agenti dichiarati dal fornitore
LG ha dichiarato di aver valutato internamente K-EXAONE 2.5 su set di dati aperti, riscontrando prestazioni competitive con quelle dei modelli open-weight globali di fascia più avanzata. La documentazione del modello presenta il confronto con il predecessore e con due sistemi esterni:
| Benchmark | K-EXAONE 2.5 | K-EXAONE 2.0 | DeepSeek-V4.1-Flash | GLM-5.3 |
|---|---|---|---|---|
| SWE-Bench Pro, programmazione agentica | 59.21 | 47.1 | 58.41 | 64.03 |
| BrowseComp, ricerca agentica | 78.0 | 50.87 | 75.8 | 79.0 |
| AutomationBench open-set, uso agentico degli strumenti | 74.6 | 16.9 | 74.9 | 71.6 |
| Claw-Eval, uso agentico degli strumenti | 77.29 | 62.11 | 75.78 | 77.64 |
I benchmark riguardano lo sviluppo e la modifica del software, la ricerca sul web delle informazioni necessarie, l’automazione delle attività con strumenti SaaS e la risoluzione di problemi da parte di agenti in ambienti di lavoro. In base ai dati riportati da LG, K-EXAONE 2.5 supera il predecessore in tutti e quattro i benchmark. Ottiene risultati superiori a DeepSeek-V4.1-Flash su SWE-Bench Pro, BrowseComp e Claw-Eval, ma inferiori su AutomationBench; rispetto a GLM-5.3, lo supera soltanto su AutomationBench.
LG indica tra le applicazioni la generazione di codice, il debug, il refactoring e la scrittura di codice per i test, facendo dello sviluppo software un caso d’uso centrale, insieme alla ricerca agentica e all’automazione delle attività lavorative.
Progettazione dell’API e integrazione degli agenti
K-EXAONE 2.5 elabora solo testo e supporta il coreano e l’inglese. La documentazione indica 31 miliardi di parametri attivi, una data limite per le conoscenze fissata a gennaio 2026 e funzionalità quali chat, chiamate agli strumenti, output strutturati, generazione di codice e streaming.
Il riferimento agli endpoint specifica un’interfaccia compatibile con OpenAI POST /v1/chat/completions che utilizza l’identificatore del modello k-exaone_v2.5. I token di input, sommati al max_tokens limite di generazione, che include il ragionamento, non possono superare 524.288 token; le richieste più lunghe restituiscono un errore 400. Le risposte utilizzano il formato JSON standard di OpenAI oppure, se lo streaming è attivo, blocchi di eventi inviati dal server.
I controlli del ragionamento sono accessibili direttamente. reasoning_effort è impostato per impostazione predefinita su max, mentre preserve_thinking può includere il ragionamento precedente dell’assistente nelle richieste con più turni. La guida agli agenti di LG spiega che una maggiore intensità di ragionamento può aumentare i tempi di risposta e il consumo di token e distingue l’impegno di ragionamento per la risposta corrente dal trasferimento del ragionamento precedente e della cronologia delle chiamate agli strumenti.
La guida include configurazioni per l’agente generalista Hermes e per l’agente di programmazione OpenCode. Nel flusso di lavoro descritto, il componente esterno esegue le chiamate agli strumenti restituite dal modello e gli invia i relativi risultati, gestendo al contempo il testo, il ragionamento e gli aggiornamenti incrementali delle chiamate agli strumenti nei turni successivi. Gli sviluppatori ricevono quindi tramite l’API le decisioni sul ragionamento e sulle chiamate agli strumenti, ma l’agente circostante resta responsabile dell’esecuzione delle azioni e della gestione del ciclo operativo.
L’accesso gratuito riduce i costi per testare i risultati di LG nella programmazione agentica all’interno degli strumenti esistenti compatibili con OpenAI. La questione centrale è capire in che misura i miglioramenti misurati internamente si traducano nei software di produzione e nei flussi di lavoro aziendali, dove la profondità del ragionamento, l’esecuzione degli strumenti e la gestione del contesto determineranno il valore pratico del modello.
