LG AI Research åpner for gratis API-tilgang til K-EXAONE 2.5-modellen

LG AI Research kunngjorde 9. november 2026 at K-EXAONE 2.5 blir tilgjengelig gratis via API, og åpner for vertsbasert bruk av modellen med 750 milliarder parametere gjennom EXAONE API Platform.

Utviklere, oppstartsbedrifter, selskaper og forskningsinstitusjoner kan skaffe seg en API-nøkkel for å bruke modellen til tjenesteutvikling og forskning. LG beskriver K-EXAONE 2.5 som en modell for teknologivalidering, utviklet ved å videre trene versjonen som ble lansert i august 2026. Det tidligere modellkortet for K-EXAONE 2.0 dokumenterer en utgivelse med åpne vekter under Apache 2.0-lisensen, basert på en Mixture-of-Experts-arkitektur, med 37 milliarder aktive parametere og en kontekstvindu på 262 144 token.

Agentbaserte resultater rapportert av leverandøren

LG opplyser at selskapet testet K-EXAONE 2.5 internt på åpne datasett og fant at modellen kan måle seg med globale modeller med åpne vekter i toppklassen. Modelldokumentasjonen viser denne sammenligningen med forgjengeren og to eksterne systemer:

Referansemålingene dekker programvareutvikling og -endring, søk etter nødvendig informasjon på nettet, automatisering av arbeid med SaaS-verktøy og agenters problemløsning i arbeidsmiljøer. Ifølge tallene LG har rapportert, gjør K-EXAONE 2.5 det bedre enn forgjengeren på alle fire. Modellen skårer høyere enn DeepSeek-V4.1-Flash på SWE-Bench Pro, BrowseComp og Claw-Eval, men lavere på AutomationBench. Sammenlignet med GLM-5.3 skårer den bare høyere på AutomationBench.

LG trekker fram kodegenerering, feilsøking, refaktorering og skriving av testkode som bruksområder, noe som gjør programvareutvikling til et sentralt bruksområde ved siden av agentbasert søk og automatisering av arbeidsoppgaver.

API-utforming og integrering av agenter

K-EXAONE 2.5 er en ren tekstmodell og støtter koreansk og engelsk. Dokumentasjonen oppgir 31 milliarder aktive parametere, kunnskapsavskjæring i januar 2026 og funksjoner som chat, verktøykall, strukturerte utdata, kodegenerering og strømming.

Referansen for endepunktet angir et OpenAI-kompatibelt POST /v1/chat/completions grensesnitt som bruker modellidentifikatoren k-exaone_v2.5. Inndatatokenene pluss max_tokens genereringskvoten, som omfatter resonnering, kan ikke overstige 524 288 token. Større forespørsler gir en 400-feil. Svarene bruker JSON i standardformatet fra OpenAI, eller biter med server-sendte hendelser når strømming er aktivert.

Innstillingene for resonnering er tilgjengelige direkte. reasoning_effort er som standard max, mens preserve_thinking kan ta med tidligere assistentresonnering i forespørsler med flere turer. LGs agentveiledning sier at høyere resonneringsintensitet kan øke responstiden og tokenbruken, og skiller mellom innsatsen som legges i det gjeldende svaret, og det å videreføre tidligere resonnering og historikk over verktøykall.

Veiledningen inneholder konfigurasjoner for generalagenten Hermes og kodeagenten OpenCode. I arbeidsflyten som beskrives, utfører den eksterne kjøremotoren verktøykallene modellen returnerer, og sender resultatene tilbake. Samtidig håndterer den tekst, resonnering og endringer i verktøykall gjennom påfølgende turer. Utviklere får dermed tilgang til resonnering og beslutninger om verktøykall gjennom API-et, men den omkringliggende agenten har fortsatt ansvaret for å utføre handlinger og styre løkken.

Gratis tilgang reduserer kostnadene ved å teste LGs resultater innen agentbasert koding med eksisterende OpenAI-kompatible verktøy. Det sentrale spørsmålet er hvordan forbedringene som er målt internt, slår ut i produksjonsprogramvare og arbeidsflyter i næringslivet, der resonneringsdybde, verktøyutføring og konteksthåndtering vil påvirke modellens praktiske verdi.