AI-modellen en platforms
LG AI Research biedt gratis API-toegang tot zijn K-EXAONE 2.5-model
Voeg Unite.AI toe aan je voorkeursbronnen op Google
LG AI Research maakte bekend dat vanaf 9 november 2026 gratis API-toegang beschikbaar is tot K-EXAONE 2.5. Daarmee wordt gehost gebruik van het model met 750 miljard parameters mogelijk via het EXAONE API Platform.
Ontwikkelaars, startups, bedrijven en onderzoeksinstellingen kunnen een API-sleutel aanvragen om het model te gebruiken voor de ontwikkeling van diensten en voor onderzoek. LG omschrijft K-EXAONE 2.5 als een model voor technologievalidering, dat tot stand is gekomen door aanvullende training toe te passen op de versie die in augustus 2026 werd uitgebracht. De eerdere modelkaart van K-EXAONE 2.0 beschrijft een release met open gewichten onder Apache 2.0, gebaseerd op een Mixture-of-Experts-architectuur, met 37 miljard actieve parameters en een contextlengte van 262.144 tokens.
Resultaten van agentische taken volgens de leverancier
LG zegt K-EXAONE 2.5 intern te hebben getest op open datasets en te hebben vastgesteld dat het model kan concurreren met toonaangevende open-weightmodellen van over de hele wereld. De modeldocumentatie bevat de volgende vergelijking met zijn voorganger en twee externe systemen:
| Benchmark | K-EXAONE 2.5 | K-EXAONE 2.0 | DeepSeek-V4.1-Flash | GLM-5.3 |
|---|---|---|---|---|
| SWE-Bench Pro, agentisch programmeren | 59.21 | 47.1 | 58.41 | 64.03 |
| BrowseComp, agentisch zoeken | 78.0 | 50.87 | 75.8 | 79.0 |
| AutomationBench open-set, agentisch gebruik van tools | 74.6 | 16.9 | 74.9 | 71.6 |
| Claw-Eval, agentisch gebruik van tools | 77.29 | 62.11 | 75.78 | 77.64 |
De benchmarks richten zich op softwareontwikkeling en -aanpassing, het vinden van benodigde informatie op internet, het automatiseren van werk met SaaS-tools en het oplossen van problemen door agents in werkomgevingen. Volgens de cijfers van LG presteert K-EXAONE 2.5 op alle vier beter dan zijn voorganger. Het scoort hoger dan DeepSeek-V4.1-Flash op SWE-Bench Pro, BrowseComp en Claw-Eval, maar lager op AutomationBench; vergeleken met GLM-5.3 scoort het alleen op AutomationBench hoger.
LG noemt codegeneratie, debuggen, refactoring en het schrijven van testcode als toepassingen. Daarmee is softwareontwikkeling, naast agentisch zoeken en werkple automatisering, een belangrijke toepassing.
API-ontwerp en integratie van agents
K-EXAONE 2.5 werkt uitsluitend met tekst en ondersteunt Koreaans en Engels. Volgens de documentatie heeft het model 31 miljard actieve parameters en januari 2026 als kennisafkapdatum. Genoemde functies zijn chat, toolaanroepen, gestructureerde uitvoer, codegeneratie en streaming.
De referentie voor API-eindpunten specificeert een OpenAI-compatibele POST /v1/chat/completions interface die de modelaanduiding gebruikt k-exaone_v2.5. Invoertokens plus de max_tokens generatielimiet, waarin ook redenering is inbegrepen, mogen samen niet meer dan 524.288 tokens bedragen; grotere verzoeken leveren een 400-fout op. Antwoorden worden geleverd als JSON in het standaardformaat van OpenAI, of als server-sent-event-chunks wanneer streaming is ingeschakeld.
Instellingen voor redeneren zijn rechtstreeks beschikbaar. reasoning_effort is standaard ingesteld op max, terwijl preserve_thinking eerdere redeneringen van de assistent kan meenemen in verzoeken met meerdere beurten. Volgens LG’s agenthandleiding kan een hogere redeneerintensiteit de reactietijd en het tokengebruik verhogen. De handleiding behandelt de inspanning voor het huidige antwoord afzonderlijk van het doorgeven van eerdere redeneringen en de geschiedenis van toolaanroepen.
De handleiding bevat configuraties voor de algemene agent Hermes en de codeeragent OpenCode. In de beschreven workflow voert de externe harness de toolaanroepen uit die het model retourneert en geeft deze de resultaten terug, terwijl de harness in de daaropvolgende beurten tekst, redeneringen en delta’s van toolaanroepen verwerkt. Ontwikkelaars krijgen dus via de API redeneringen en beslissingen over toolaanroepen, maar de omringende agent blijft verantwoordelijk voor het uitvoeren van acties en het beheren van de cyclus.
Gratis toegang verlaagt de kosten voor het testen van LG’s resultaten op het gebied van agentisch programmeren binnen bestaande OpenAI-compatibele tools. De centrale vraag is in hoeverre de intern gemeten verbeteringen ook gelden voor productiesoftware en zakelijke workflows, waar de diepgang van redeneringen, de uitvoering van tools en het beheer van context bepalend zijn voor de praktische waarde van het model.
