AI 모델 및 플랫폼
LG AI Research, K-EXAONE 2.5 모델 API 무료 이용 개방
Unite.AI를 Google의 선호 소스에 추가
LG AI Research는 2026년 11월 9일 K-EXAONE 2.5의 API 무료 이용을 발표하고, EXAONE API Platform을 통해 매개변수 7,500억 개 규모의 모델을 호스팅 방식으로 사용할 수 있도록 했다.
개발자, 스타트업, 기업 및 연구기관은 서비스 개발과 연구에 모델을 사용하기 위한 API 키를 발급받을 수 있다. LG는 K-EXAONE 2.5를 2026년 8월 출시된 버전에 추가 학습을 적용해 만든 기술 검증용 모델이라고 설명한다. 이전 버전인 K-EXAONE 2.0 모델 카드에는 전문가 혼합(Mixture-of-Experts) 아키텍처를 사용하고 활성 매개변수 370억 개와 262,144토큰의 컨텍스트 길이를 지원하는 Apache 2.0 오픈 웨이트 모델로 공개됐다고 나와 있다.
업체가 공개한 에이전트 성능 결과
LG는 공개 데이터셋을 사용해 K-EXAONE 2.5를 내부적으로 측정한 결과, 최첨단급 글로벌 오픈 웨이트 모델들과 경쟁력을 갖춘 것으로 나타났다고 밝혔다. 모델 문서에는 이전 모델 및 외부 시스템 두 종과의 비교 결과가 다음과 같이 제시돼 있다.
| 벤치마크 | K-EXAONE 2.5 | K-EXAONE 2.0 | DeepSeek-V4.1-Flash | GLM-5.3 |
|---|---|---|---|---|
| SWE-Bench Pro, 에이전트 기반 코딩 | 59.21 | 47.1 | 58.41 | 64.03 |
| BrowseComp, 에이전트 기반 검색 | 78.0 | 50.87 | 75.8 | 79.0 |
| AutomationBench 오픈셋, 에이전트 기반 도구 사용 | 74.6 | 16.9 | 74.9 | 71.6 |
| Claw-Eval, 에이전트 기반 도구 사용 | 77.29 | 62.11 | 75.78 | 77.64 |
이 벤치마크는 소프트웨어 개발 및 수정, 웹에서 필요한 정보 찾기, SaaS 도구를 활용한 업무 자동화, 업무 환경에서 에이전트가 문제를 해결하는 능력을 평가한다. LG가 공개한 수치에 따르면 K-EXAONE 2.5는 네 가지 항목 모두에서 이전 모델보다 향상된 성능을 보였다. SWE-Bench Pro, BrowseComp, Claw-Eval에서는 DeepSeek-V4.1-Flash보다 높은 점수를 받았지만 AutomationBench에서는 낮은 점수를 받았다. GLM-5.3과 비교하면 AutomationBench에서만 해당 모델보다 높은 점수를 기록했다.
LG는 코드 생성, 디버깅, 리팩터링, 테스트 코드 작성을 활용 사례로 꼽으며, 에이전트 기반 검색 및 업무 자동화와 더불어 소프트웨어 개발을 주요 활용 분야로 제시한다.
API 설계 및 에이전트 통합
K-EXAONE 2.5는 텍스트 전용 모델이며 한국어와 영어를 지원한다. 문서에는 활성 매개변수 310억 개, 지식 기준 시점인 2026년 1월, 그리고 채팅, 도구 호출, 구조화된 출력, 코드 생성, 스트리밍 등의 기능이 명시돼 있다.
엔드포인트 참조 문서에는 OpenAI 호환 POST /v1/chat/completions 인터페이스를 모델 식별자를 사용해 k-exaone_v2.5. 입력 토큰과 max_tokens 생성 허용량을 합산한 값은 524,288토큰을 초과할 수 없으며, 생성 허용량에는 추론이 포함된다. 이를 초과하는 요청에는 400 오류가 반환된다. 응답은 표준 OpenAI 형식의 JSON으로 제공되며, 스트리밍을 활성화하면 서버 전송 이벤트(server-sent event) 청크로 전달된다.
추론 제어 기능은 직접 노출된다. reasoning_effort 기본값은 max인 반면, preserve_thinking 여러 차례에 걸친 요청에서 이전 어시스턴트 추론 내용을 이어서 전달할 수 있다. LG의 에이전트 가이드에 따르면 추론 강도를 높이면 응답 시간과 토큰 사용량이 늘어날 수 있으며, 현재 응답에 필요한 추론 수준과 이전 추론 및 도구 호출 이력을 전달하는 기능은 별도로 다룬다.
가이드에는 범용 에이전트 Hermes와 코딩 에이전트 OpenCode의 설정이 포함돼 있다. 문서에 소개된 작업 흐름에서는 외부 하니스가 모델이 반환한 도구 호출을 실행하고 그 결과를 다시 전달하는 한편, 이후 턴에 걸쳐 텍스트, 추론 및 도구 호출 델타를 처리한다. 따라서 개발자는 API를 통해 추론 내용과 도구 호출 결정을 받지만, 실제 동작을 실행하고 작업 순환을 관리하는 책임은 주변 에이전트에 남는다.
무료 이용은 기존 OpenAI 호환 도구 환경에서 LG의 에이전트 기반 코딩 성능을 시험하는 비용을 낮춰 준다. 핵심은 내부 측정에서 확인된 성능 향상이 실제 소프트웨어와 비즈니스 업무 흐름에서도 이어질지 여부다. 이러한 환경에서 모델의 실질적인 가치는 추론의 깊이, 도구 실행, 컨텍스트 관리에 따라 달라질 것이다.
